About reading research papers吴恩达

how to read one papers?

一种阅读论文不好的方法是从从论文的第一个字开始读，一直读到论文的最后一个字。

吴恩达的真实生活，走到任何地方，都在双肩包里放着一些要阅读的论文。他领导着一个阅读团队，每周主持两篇论文的讨论。为了选择出这两篇论文，可能要阅读6-7篇论文才能选择出其中两篇。

 

阅读方法：

take multiple passes through the paper:

step 1: read the title/bastract and also the figures.

step2:read more carefully the intro, the conclusions, look carefully the figures again and skim the rest.

人们发表学术论文时，发表的流程是 试图是审稿人确信，你的论文值得被接受。另外你会发现，摘要和结论是作者认真总结他们工作的地方。

skim the related work section 跳过相关工作的介绍。有些作者为了使得稿件能通过，大量引用审稿人以前发表过的论文，所以这部分价值部是很大。

step 3: skip the math 跳过数学部分

step4: read the whole thing but skip part that don't make sense.

 

另外，当你读论文并试图理解这些论文的时候，需要问自己下列的问题：

1，what the authors try to accomplish？

2，what were the key elements of the approach？

3，what can you use yourself？

4， what other reference do you want to follow？

 

deep learning一直在发展，如何能获取最新的发展资料：

1，twitter a, kiankatan, Andrew Y Ng,关注牛人

2, ML subreddit

3,顶会：NIPS， ICML， ICLR，当这些会议举办时，去浏览下收集的论文，发现自己感兴趣的论文，并使用。

4，friends，可以形成一个团体来分享论文等。

 

对于里面有很多数学的论文，例如batchnorm，如果想深入理解：

step1：read through it， take detailed notes and see if you can rederive it from scratch（不看做好的笔记）。

通过从头开始推导别人的工作，你可以学会如何推导自己的新的算法。

吴在博士时，做了很多这样的事情，

 

对于代码的建议：

I think the simple lightweight version one of learning would be to download and run the open source code if you can find it, and a deeper way to learn this material is to re-implement it from scratch.

step1:run the source code

step2:re-implement it （重现）（完成重现表明你确实理解了算法）

 

Longer term advice：

for users keep on learning and keep on getting better and better , the more important thing is for you to learn steadily (稳定地，稳固的，有规则的。)

坚持每周读两篇论文，而不是一个假期读50篇。