閱讀論文是理解人工智能和提升人工智能能力的重要途徑。本文是筆者觀看 Andrew Y Ng 的 Career Advice / Reading Research Papers 之后整理的個(gè)人總結(jié)，希望可以幫助到大家。
論文來源
- Twitter：Kian、Andrew Y Ng
- ML Subreddit
- 各大頂會(huì)，比如 ICML、ICLR、CVPR、ICCV、NeurIPS 等
- 朋友們
- Arxiv
- DeepLearning.AI
閱讀方式
讀論文時(shí)不要一開始從頭讀到尾，可以拆分多次閱讀。
第一步
閱讀 title、abstract 和 figures。通過閱讀 title、abstract、figures 和實(shí)驗(yàn)部分，可以對(duì)論文有一個(gè)大致的理解。大部分深度學(xué)習(xí)論文，都會(huì)總結(jié)出一兩張圖片讓你理解起來更方便，而不需要通過閱讀整篇論文。
第二步
閱讀 introduction，conclusions，figures 和瀏覽剩余的部分。Introduction，conclusions 和 abstract 是作者非常細(xì)心地總結(jié)他們工作的地方。瀏筧相關(guān)工作部分的章節(jié)對(duì)熟悉相關(guān)領(lǐng)域會(huì)有所幫助。
第三步
閱讀整篇論文但跳過數(shù)學(xué)（證明）部分。
第四步
閱讀整篇論文但跳過仍然不能理解的部分。
閱讀過程
閱讀的過程中，試著思考以下幾個(gè)問題：
- 作者想嘗試實(shí)現(xiàn)什么
- 實(shí)現(xiàn)的過程中，哪些是關(guān)鍵的要素
- 哪些內(nèi)容對(duì)你所幫助的
- 哪些參考文獻(xiàn)需要閱讀的
深入理解
數(shù)學(xué)推導(dǎo)
對(duì)論文中的數(shù)學(xué)。要有更深的理解，需要自己推導(dǎo)。雖然會(huì)花費(fèi)不少的時(shí)間，但會(huì)是非常好的實(shí)踐。
代碼練習(xí)
如果能找到開源代碼，下載并運(yùn)行，然后再復(fù)現(xiàn)，如果能做到這一點(diǎn)，表明你對(duì)論文有很非常好的理解并且擁有很好的動(dòng)手能力。
習(xí)慣
- 每周閱讀兩篇論文，保持長期閱讀，并與人交流
- 一篇論文至少要讀三遍
小結(jié)
筆者經(jīng)過一段時(shí)間的堅(jiān)持，覺得閱讀論文對(duì)人工智能的學(xué)習(xí)非常有幫助。使用 Andrew Y Ng 的方法也確實(shí)能提升閱讀的效率和深度，建議大家，養(yǎng)成閱讀論文的好習(xí)慣。
為了讓大家更好地學(xué)習(xí)論文的知識(shí)，筆者決定出一系列的論文深度講解，AlexNet 論文深度講解作為開胃菜已經(jīng)更新，后續(xù)還會(huì)不斷更新其他論文。
