第 42 届机器学习国际会议将于7 月 13 日（周日）至 7 月 19 日（周六）在温哥华会议中心举行。机器学习国际会议 （ICML） 是专业人士的首屈一指的聚会，致力于推动人工智能分支（称为机器学习）的发展。ICML 以展示和发布机器学习各个方面的前沿研究而闻名于世，这些研究涉及人工智能、统计学和数据科学等密切相关的领域，以及机器视觉、计算生物学、语音识别和机器人技术等重要应用领域。ICML 是世界上发展最快的人工智能会议之一。ICML 的参与者来自不同的背景，从学术和工业研究人员，到企业家和工程师，再到研究生和博士后。

1.发表

 在 ICML 上发表的论文 通过 Journal of Machine Learning Research 编入 Proceedings of Machine Learning Research。

2. 组委会

总主席

Aarti Singh（卡内基梅隆大学）

程序主席

Maryam Fazel（华盛顿大学）
Daniel Hsu（哥伦比亚大学）
Simon Lacoste-Julien（Mila 和三星 SAIL 蒙特利尔）
Virginia Smith（卡内基梅隆大学）

研讨会主席

Courtney Paquette（麦吉尔大学/谷歌 DeepMind）
Natalie Schluter（苹果机器学习实验室）
Andrew Wilson（纽约大学）

教程主席

Claire Monteleoni（法国国家信息与自动化研究所巴黎分所和科罗拉多大学博尔德分校）
Claire Vernade（图宾根大学）

• 通用机器学习（主动学习、聚类、在线学习、排名、监督学习、半监督和自我监督学习、时间序列分析等）
• 深度学习（架构、生成模型、理论等）
• 评估（方法、元研究、可复制性和有效性、人机协同等）
• 机器学习理论（统计学习理论、土匪、博弈论、决策论等）
• 机器学习系统（改进的实现和可扩展性、硬件、库、分布式方法等）
• 优化（凸和非凸优化、矩阵/张量方法、随机、在线、非平滑、复合等）
• 概率方法（贝叶斯方法、图形模型、蒙特卡洛方法等）
• 强化学习（决策和控制、规划、分层 RL、机器人技术等）
• 值得信赖的机器学习（因果关系、公平性、可解释性、隐私性、稳健性、安全性等）
• 应用程序驱动的机器学习（机器学习社区感兴趣的创新技术、问题和数据集，并由医疗保健、物理科学、生物科学、社会科学、可持续性和气候等应用程序中的最终用户需求驱动）