要结合机器学习/深度学习做科研，从入门到写论文最快需要多久啊？？

这是我在知乎上看到的一个问题，应该是说出了许多需要用机器学习深度学习来做课题研究生的心声，为了发论文和毕业可真是太难了！

 其实从入门DL到开始写论文，只要几个月就够了:

 第一步：学习深度学习，没基础的看吴恩达老师的机器学习课程/有基础的可以看李沐老师的动手学深度学习，跟着教程敲（代码）下来，能让你对深度学习有一个基本的认识。 期间可以适当看一些经典、前沿的论文、综述，顺便看看AI相关书籍来补充理论，时间大概在一个半月左右(文末会给大家分享相关的综述、书籍资料)。

 

 第二步：找你到的研究方向，这一步要做的就是不断积累这个方向的代码经验。Paper with code、arxiv、Github上都能找到许多开源代码，如果你嫌一篇篇找太麻烦，也可以在这份人工智能论文与代码仓库(AI热门方向几乎都涵盖在内)里找到自己的研究方向，当中98%的论文都是包含实现代码的，你可以选择性下载自己需要的论文和代码(文末有分享)。

 

 第三步：理解论文代码，当你有了论文和代码之后，就是不断重复配置环境、跑代码、修改数据集/网络等等这个过程，同时在读代码的过程中也要精读对应的论文，了解其输入、输出是什么，这样才能高效提升对论文的理解能力。

 

 第四步：尝试创新，完成了前三步之后你就可以逐渐搭建自己的训练框架，也能搞懂这个领域大多数人是怎么做研究的了，这时就可以不断尝试新方法。

 一般使用的思路主要有两种:

(1)在自己任务的Baseline上加模块，目的就是为了涨点；

(2)把其他领域的方法借鉴过来解决一个特定的问题。

这两种思路各有优缺点：

前者思路明确，就是不断挑好的方法模块去试，但也正因为这样有时候挺难达到SOTA(当然，SOTA不是发论文的必要条件!)；

后者做的人可能比较少、竞争小，但没有明确的思路甚至连要解决什么问题都不明确，需要自己去探索。

两种方法都是可以的，具体怎么选择可以结合实验室基础和自身条件去判断。

 

 第五步：开始写论文，在你确定了要解决的问题并且寻找到了一个解决办法之后，剩下的就是不断跑实验，积累数据。包括基本数据、对比数据、自身方法数据，跑出来一个基本的效果之后，感觉自己心里有底了，就可以开始写论文了

路线中提到的综述、论文与代码、书籍PDF，可以添加我的小助手无偿分享给你~