机器学习初学者
每位信息学科的从业人员都以发表过IEEETrans的文章为荣，每次申报项目时都希望在代表作一栏满满当当地列上几篇IEEE Trans的文章。然而，老牌Trans质量要求高、见刊周期长，新科Trans不知何时能被SCI收录，投资回报不明朗。因此，投稿人每次投稿时都面临着选择困难综合症：我到底投不投Trans，我到底投哪个Trans？……一方面是大家对Trans的热情高涨，另一方面是大家对Trans的了解仍然有限，所以，公众号将逐一向大家介绍各个Trans的基本信息。
今天向大家介绍一个新的机会——IEEETrans on Big Data (IEEE TBD)。该刊由著名的人工智能专家杨强教授于2015年创立，在编委会的精心组织和近年Big Data技术的快速发展，TBD稿件的质量不断提升，在业界的影响力与日俱增。目前，TBD已经被SCI收录，经过粗略计算，今年的第一个影响因子可能会超过4！
IEEE Trans on Big Data聚焦大数据技术，同时鼓励跨学科的技术融合与创新，包括新的理论、算法和应用。收录的内容包括，但不限于以下内容：
§ 大数据分析
§ 大数据可视化
§ 大数据管理和管理
§ 大数据语义
§ 大数据基础设施
§ 大数据标准
§ 大数据的性能分析,
§ 大数据安全、隐私和法律问题
§ 大数据技术在各领域的应用
一句话简单归纳一下：但凡涉及利用AI技术进行数据分析的文章，都在TBD的收录范围。
IEEE TBD的关键参数如下：
总的来说，IEEE TBD收录范围广，审稿速度快，业内认可度高，发展速度快，近几年有晋升CCF-A的机会。
现任主编：唐杰教授，IEEE Fellow、杰青、清华大学计算机系副主任。唐老师是人工智能领域的著名学者，主要方向研究包括人工智能、认知图谱、数据挖掘、社交网络和机器学习。唐老师已发表论文 300 余篇，引用 16000 余次，曾获 ACM SIGKDD Test-of-Time Award(十年最佳论文)。
创刊主编：杨强教授，香港科技大学新明工程学讲席教授、计算机科学和工程学系主任。他是国际人工智能界“迁移学习”(transferlearning)技术的开创者，同时提出“联邦学习”(Federated Learning)的研究新方向。他于2013年7月当选为国际人工智能协会(AAAI)院士，是第一位获此殊荣的华人，之后又于2016年5月当选为AAAI执行委员会委员，是首位也是至今为止唯一的AAAI华人执委。2017年8月他当选为国际人工智能联合会(IJCAI，国际人工智能领域创立最早的顶级国际会议)理事会主席，是第一位担任IJCAI理事会主席的华人科学家。杨强教授先后被ACM、IEEE、AAAI、AAAS、IAPR、CAAI等6个国际学术评为Fellow，已发表逾400篇关于人工智能和数据挖掘方面的论文，引用超过20000次。
往期精彩回顾
本站qq群704220115，加入微信群请扫码：
