科研方向与个人思考

文章目录

  • 关于科研选题与方法的若干思考
    • 如何选题
    • 选题tips
    • 确定研究问题之后
    • 如何读论文——与一篇优秀论文作者的博弈
    • 阅读论文的技巧
    • 代码实现过程中
    • 成果发表四步走:
    • 科技论文的书写顺序
    • 学会利用工具
    • 科研的正确姿势
  • 研究生时间线
  • 个人思考
    • 入门一个领域的步骤(以深度学习NLP为例)

——选择大于努力
【纯个人向,CS/EE大类适用,持续更新】
这篇草草记录一些方向性的思考和选择,来源可能是线下讲座,大牛主页,网上的视频等,我只记下一些我感觉有用的东西

关于科研选题与方法的若干思考

来源:厦门大学纪荣嵘教授讲座,整理汇总

如何选题

  • 导师只能为你提供大致的研究方向
  • 小问题也有大量的非常挑战性的困难
  • 大量的阅读!并且特别注意两点:
    1.论文的Future Work
    2.批判性地阅读论文
  • 与同实验室的同学分享并讨论你所问读的论文
    再次提高理解
    提高表达能力
    思想上的碰撞-获得更好的灵感

选题tips

  • 新问题,老思路
    提出新问题/需求/应用,尝试用已有的思路/方法/技术解決
  • 老向题、新思路
    用新的思路/方法/技术解决已有的问题
  • 他山之石、学科交叉
    跨学科的时候,保持自己学科的优势
  • 调整目标、学会放弃
    "放弃,是一门艺术、痛苦的选择:很有可能错过了突破的机会
  • 不要只在“灯下找钥匙”:这个路灯代表一个科研的热点,现代社会,信息、人员与资本的流动性急剧增加,灯光打到哪里,人们就会一涌而上,而忘了其他地方(我就是这样)
  • 学科的生命周期:探索、开发到跟风——清风明月,路灯寻钥,内卷踩踏(私以为大模型现在在第二阶段,cv在第三阶段)

确定研究问题之后

  • 继续阅读!
    继续丰富自己的技术路线
  • 继续分享!
    在同学的反馈中获得进步
  • 继续思考、尝试,并回到第一步并重复循环!
    复现或者用在部分横向课题中
  • 直到建立你的方法!
    独一无二的技术路线,效果拔群的实验结果

如何读论文——与一篇优秀论文作者的博弈

(指一般论文,非综述)

  • 先看摘要,然后停下来,想想换做是我:我该如何设计方法,我该如何做实验,我该如何对比
  • 然后再读论文,思考:方法区别在哪,实验没有考虑之处,我能做出更好论文吗

阅读论文的技巧

阅读论文的技巧

  • 不需要阅读全部的论文(浪费时间、影响创新思维)
  • 基本出发点
    综述性论文:寻找方向
    主要国际会议:把握趋勢
    期刊论文及活跃研究组的研究报告:深入研究
  • 怎样阅读
    扫读(Scanning)、泛读(Abstract)与精读(Entirely)相结合
    精读几篇好的文章(获奖论文、期刊论文等)

代码实现过程中

代码编写是必要过程,但是:
代码要注重你所构建算法的原理,而不是程序有多鲁棒
做实验前,请一定先明白你为什么需要这些实验
•与创新点的关系
•如何更好的展示实验数据
•尝试分析实验结果的原因
•千万别做成实验报告

总之:所有实验都是为了服务你的创新点

成果发表四步走:

组内汇报——会议论文——期刊论文——学位论文
tips:下载目标期刊和会议的高引论文,学它的结构和写法

科技论文的书写顺序

  • 实验与结果
  • 核心方法
  • 整理出结论
  • 撰写引言
  • 起草摘要和题自
  • 静置与通读

静置:刚写完:啊我真是天才,多么天衣无缝之作!
静置两周后:什么辣鸡文章,狗都不看
继而知道哪里需要修改完善

学会利用工具

  • grammarly:修改基本语法错误
  • GPT协助润色
  • overleaf:在线编辑排版latex

科研的正确姿势

  • 不要认为所有人都能很快明白你的工作
    学会站在听众与读者立场表达自己
  • 不要浅尝辄止,而是由浅入深
    循序渐进从易到难,完善自己的方法
  • 不要认为学术报告的内容与自己无关就不热衷
    其他领域的方法可能适用于自己领域科研问题

研究生时间线

自己推导的,适用于放养导师,全靠自己从0开始科研的三年制全日制研究生,不适用于研一就发文章的大佬

个人思考

入门一个领域的步骤(以深度学习NLP为例)

参考:徐嘉诚:DeepGuide.md

  1. 基本能力——编程能力、英语能力、数学功底
  2. 行业通识教育:课本,课程——《神经网络与深度学习》邱锡鹏
    扩展选择:https://www.zhihu.com/question/26006703
  3. 锻炼的动手能力——《神经网络与深度学习》邱锡鹏-配套NLP-Beginner:自然语言处理入门练习
    掌握Pytorch框架,并通过代码实现加深对理论的理解,熟练使用Google和Stackoverflow,以及各种group、论坛
  4. 了解研究领域概况——阅读行业最新综述论文——例如大模型领域,阅读A Survey of Large Language Models
    这一步相比于第二步,会除了CNN、RNN外,补充学习到最新的知识,例如指令调优(instruction tuning)和对齐调优(alignment tuning)的概念和意义,同时通过综述论文学习又不失系统性
  5. 选择具体领域,深耕并进一步阅读,培养领域科研嗅觉

你可能感兴趣的:(其他,人工智能)