<div dir="ltr"><div>Hi All,</div><div> For those interested in machine learning: please see this CFP for the SoCal ML Symposium at Caltech.  </div><div><br></div><div> Thanks!</div><div> -John</div><div><br></div><br><div class="gmail_quote">---------- Forwarded message ----------<br>From: <b class="gmail_sendername">Julian McAuley</b> <span dir="ltr"><<a href="mailto:jmcauley@eng.ucsd.edu">jmcauley@eng.ucsd.edu</a>></span><br>Date: 20 September 2016 at 19:15<br>Subject: SoCal ML symposium - November 18 @ Caltech<br>To: <a href="mailto:jod@cs.ucsb.edu">jod@cs.ucsb.edu</a><br>Cc: Yisong Yue <<a href="mailto:yyue@caltech.edu">yyue@caltech.edu</a>><br><br><br><div dir="ltr"><div>Hi John,</div><div><br></div><div>Great meeting at RecSys the other day! Yisong Yue and I are running a symposium later this year (CFP below), and thought you might be interested, or know students who are. If so, we'd love your help advertising within UCSB (abstracts are due in two weeks!).</div><div><br></div><div>And drop me a line about datasets sometime!</div><div><br></div><div>Thanks!</div><div>Julian+Yisong</div><div><br></div><div>==============================<wbr>====================</div><div><br></div><div>We are pleased to invite you to the Southern California Machine Learning Symposium, on Friday November 18 at Caltech!</div><div><a href="http://dolcit.cms.caltech.edu/scmls/" target="_blank">http://dolcit.cms.caltech.edu/<wbr>scmls/</a></div><div><br></div><div>The SoCal ML Symposium brings together students and faculty to promote machine learning in the Southern California region. The workshop serves as a forum for researchers from a variety of fields working on machine learning to share and discuss their latest findings.</div><div><br></div><div>Topics to be covered at the symposium include, but are not limited to:</div><div>+ Machine learning with graphs, social networks, and structured data.</div><div>+ Active learning, reinforcement learning, crowdsourcing.</div><div>+ Learning with images and natural language.</div><div>+ Learning with high-dimensional data.</div><div>+ Neural networks, deep learning, and graphical models.</div><div>+ Learning dynamic and streaming data.</div><div>+ Applications to interesting new domains.</div><div>+ Addressing each of these issues at scale.</div><div><br></div><div>The majority of the workshop will be focused on student contributions, in the form of contributed talks and posters.</div><div><br></div><div>We invite submissions in the form of 1-2 page extended absracts, to be presented as posters and oral presentations at the symposium. Submissions may be made on our easychair page:</div><div><a href="https://easychair.org/conferences/?conf=scmls16" target="_blank">https://easychair.org/<wbr>conferences/?conf=scmls16</a></div><div><br></div><div>A $500 first-prize and a $250 runner-up prize, sponsored by Google Research, will be awarded for the best student presentations.</div><div><br></div><div>Timeline:</div><div>Oct 4: Abstract submission</div><div>Oct 14: Notification</div><div>Nov 11: Registration deadline</div><div>Nov 18: Symposium</div><div><br></div><div>For more details, including submission and registration instructions, visit our symposium webpage:</div><div><a href="http://dolcit.cms.caltech.edu/scmls/" target="_blank">http://dolcit.cms.caltech.edu/<wbr>scmls/</a></div><div>and please help distribute our flyer:</div><div><a href="http://dolcit.cms.caltech.edu/scmls/scmls.pdf" target="_blank">http://dolcit.cms.caltech.edu/<wbr>scmls/scmls.pdf</a></div><div><br></div><div>Hope to see you there!</div><div>Yisong Yue, Julian McAuley</div></div>
</div><br><br clear="all"><div><br></div>-- <br><div class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr">John O'Donovan<br><div>Department of Computer Science<br>University of California, Santa Barbara, CA 93106-5110<br><br>email: <a href="mailto:jod@cs.ucsb.edu" target="_blank">jod@cs.ucsb.edu</a><br>phone: (805)451-9342<div>web: <a href="http://cs.ucsb.edu/~jod" target="_blank">http://cs.ucsb.edu/~jod</a></div></div></div></div></div></div>
</div>