在人工智能和機器學習領域中，了解前沿學者的最新研究的能力是每位嚴肅認真的機器學習從業(yè)人員都應該掌握的一項技能。為了跟上行業(yè)前沿并增加知識，機器學習從業(yè)人員需要具有學術性的思維和習慣。AI、ML和DL的發(fā)展日新月異，我們必須掌握前沿研究的知識，而這些知識只能通過閱讀論文才能獲得。CS230是斯坦福大學開設的深度學習課程，由吳恩達主講，他在第8課中就如何讀論文提出了一些建議。計算機視覺工程師Richmond Alake將課程內(nèi)容總結為7個建議，寫成文章發(fā)表在Medium上，短短數(shù)日已收獲四千贊。AI科技評論將文章編譯，希望為在科研道路上掙扎、或即將進入這個坑的學生，帶來一絲啟發(fā)：本文將教你如何有效閱讀論文，包括系統(tǒng)閱讀論文集的方法，以及閱讀單篇論文的方法。在閱讀論文集時，需要搜集資源、做閱讀進度跟蹤表格、自己總結。在閱讀單篇論文時，需要分層次，按照需求逐漸深入理解論文。在讀完論文后，還要回答幾個問題，從而對論文的外延相關性有更好的理解。我們以“姿勢估計”為例子，介紹如何閱讀與專業(yè)主題相關的研究論文。1、集中精力閱讀領域主題相關的資源，包括研究論文、中篇文章、博客文章、視頻、GitHub repo等。在搜索引擎上輸入“姿勢估計”就能快速找到熱門資源。首要的目標是整理所有相關資源，例如YouTube視頻、實現(xiàn)文檔以及論文等等。理想情況下，不要限制重要資源的數(shù)量，但是一定要創(chuàng)建有用的論文、視頻和文章的list。2、深入研究與主題有關的任何資源。吳恩達建議繪制跟蹤對資源的理解水平的增長的表格，類似于下表。如果你對某個資源的理解程度是10%-20%，在第一列打勾，如果理解程度是20%-40%，在第二列打勾，以此類推。確保瀏覽每篇論文至少10％-20％的內(nèi)容，這樣可以對已有資源得到足夠的大概認識，并能夠準確地評估其相關性。對于相關度更高的論文/資源，要更深入地理解它們。然后，你就可以確定一些適當?shù)馁Y源，這些資源包含你完全可以理解的內(nèi)容。吳恩達說，理解5到20篇論文后，就能對領域有一個基本認識，也許足夠讓你做出技術實現(xiàn)。吃透50-100篇論文后，就能對領域有很好的理解。如果你的理解進度表格看起來是下圖的樣子，那基本表示你get到了重點。 3、進行結構化注釋，用自己的話總結論文中的關鍵發(fā)現(xiàn)和技術。想讀一遍就理解論文是不可能的，吳恩達說，至少要準備閱讀論文三遍，以充分理解。5、閱讀第二遍時，需要閱讀引言、結論，第三遍閱讀圖形和其余部分。論文的引言和結論部分包含論文的關鍵信息以及所有研究發(fā)現(xiàn)。這兩個部分提供的信息通常會忽略附錄部分，并且僅包含關鍵信息。讀完這兩個部分，就可以為繼續(xù)閱讀其他部分打下基礎。6、第三遍需要閱讀論文的全部內(nèi)容，但可以跳過任何不熟悉的復雜數(shù)學公式，而且還可以跳過所有不了解或不熟悉的術語。7、對于深入研究領域的人而言，可能還需要讀多幾遍。這幾遍將主要集中于對論文中的數(shù)學、技術和未知術語的理解。對于那些出于信息和工程目的閱讀論文的人，深入研究可能會非常耗時。在閱讀論文時應該問自己以下幾個問題，這些問題可以幫助你了解論文中的關鍵信息。1、論文作者旨在實現(xiàn)或可能實現(xiàn)的目標是什么？2、如果在論文中介紹了新方法，那么新方法的關鍵要素是什么？“持續(xù)而緩慢的學習，而不是臨時抱佛腳，才能帶來長久的成長?！?/span>吳恩達說過，他經(jīng)常隨身攜帶幾篇論文，抽空閱讀。如果一個人在獲取知識時始終如一，無論是哪個領域，都會獲得超越普通人的理解和專業(yè)知識。“智慧不是學校教育的產(chǎn)物，而是終身學習的產(chǎn)物。”via https://towardsdatascience.com/how-you-should-read-research-papers-according-to-andrew-ng-stanford-deep-learning-lectures-98ecbd3ccfb3
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
