1. 如何选论文

阅读研究论文，跟进该领域的SOTA（state-of-the-art）。选择论文的方式可以有如下几种。

• 媒体。如微博、知乎、微信公众号等。
• *会议。
• 身边人推荐。对一个领域需要持续阅读，每周读坚持几篇，但没有短期收益，长期来看，读5-20篇可以做到基本了解，而读50-100篇就可以做到十分了解了。

2. 如何读论文

基本方法是快速泛读几篇，之后详读一篇，并反复迭代这个过程。对于读某一篇论文，绝对不要从第一个字一直读到最后一个字，而是从粗到细、有选择的多读几遍。打印出来阅读比读电子版更有效，需要前后反复跳读

• 第一遍：title -> abstract -> 所有图表
• 第二遍：introduction -> conclusions -> 所有图表
• 第三遍：读全文，但是跳过related works和数学推导
• 第四遍：读全文，跳过看不懂的地方

其中，详读所有图表的原因是，深度学习的很多论文提出的方法用一张网络结构图就可以概括，而表格通常是汇报各种实验结果。跳过related works的原因是，如果你对该领域不了解，related works部分基本看不懂。跳过看不懂的地方的原因是，不要迷失在论文中，而且并不是论文所有部分对未来都有用。最后，读完之后需要多思考：(1). 该论文想要完成什么？(2). 这个方法的关键是什么？(3). 我能用到什么？(4). 哪些引用我希望关注。

3. 不要沉溺在论文的海洋

现在人工智能正值热潮，每年新发表的论文非常多。而机器学习是实践科学，尤其是当你不是该领域专家时，事先很难知道哪种方案在实际中效果最好，通常需要尝试很多的思路。机器学习实战的过程是思路、代码实现、实验结果的迭代循环。迭代循环的越快，取得的进展越大。不要在开始前想的过多，尤其不要一开始就想着设计和构建一个完美的系统，最初的方案要越早构建和训练越好，之后根据偏差/方差分析和误差分析确定下一步的工作方向，并进行迭代。