读研攻略--如何选择你的研究方向并展开学习

       我目前就读于中南大学软件工程专业，研究方向是AIOps，主要涉及时间序列的预测和异常检测。因为经历过研一的迷茫，因此想向还处于这个阶段的后进们传递一些我的经验，希望能让你们少踩一点坑，更快的走上研究之路。
       首先，不要纠结选哪个方向，不要想哪个更热门、哪个更好找工作，因为你想破了脑袋、最后决定的是你的导师。一般来说，导师的研究方向就是你的方向，只有这样，他才能为你提供更好的指导，你才越有可能发出高等级的paper。当然，如果你确实目标很明确，那么你应该在选导师的时候重点看看导师的方向，但是你不能确保自己能被心仪的导师看上（你本科是北大清华的话当我没说）。另外，选择导师还应该考虑的是导师的年纪，年轻的导师更有热情和上进心，上年纪的导师有更高的平台更多的资源，自己取舍。
       研一阶段的主要工作是学习各门课程，拿下所有学分，不要挂科，不要挂科，不要挂科！因为第一你会很心痛，一旦挂科，各类奖学金基本上就与你无缘了，为什么说基本上，因为如果你研一就发表了较高水平的文章，那还是可以申请一下的。第二，挂科就拿不到所有的学分，学分不够的话研二是不能申请开题的，一步落后就会步步落后，我见过一个学姐，已经毕业两年了还没拿到毕业证，因为应用统计一直考不过，刚学完都考不过，后面只会越来越难的，因此一定要好好学。
       然后是如何展开专业领域的学习，刚刚进入读研阶段的时候是很难适应那种节奏的，那么应该如何进行呢？说说我的方法：
       1.找一个好的论文集，如果你的研究方向跟我相同，这里推荐一个论文集：时间序列分析必读论文 。除此以外，只要你是做的人工智能，这里应该都有适合你的论文集。

       2.按照时间顺序从后往前读。从后往前读你会了解这个领域的发展历程，各种模型或方法的改进过程。以我的方向为例，最开始的时候一般用的都是较为简单的方法，如基于统计学的、基于高斯等数学模型的；随着时间的推移，渐渐进入了机器学习时代，MLP、CNN等浅层神经网络开始被广泛应用。再往后就出现了遗传算法、萤火虫算法、蚁群算法等对简单网络的优化算法，然后慢慢接近现在的时间后，LSTM、GRU等深度学习模型开始大放异彩，你会发现登上各种顶会顶刊的基本上都是这些最新的模型。经历了这样一个过程后，你应该能找出几个不错的tricks，就可以着手去做实验了。一定不要等到全部弄懂了想好了设计完了再去敲代码，纸上得来终觉浅，绝知此事要躬行，这话在工业领域绝对是通用的。
       3.读的论文不能白读，在读的过程中一定要记录、积累。我的方法是准备两个word文档，第一个叫论文参考文献素材，用于存放论文的引用方式，如：

       第二个叫论文写作素材，用于存放你的记录，这里我放一个框架，你只需改对应的内容即可：
Improved Deep Belief Network for Short-Term Load Forecasting Considering Demand-Side Management
考虑需求侧管理的短期负荷预测的改进深层信念网络
被引：5
发表于：2020 IEEE Transactions on Power Systems 中科院二区期刊
英文摘要：
中文摘要：
关键词：
总结
       此文对电力需求侧管理数据进行了研究，利用汉克尔矩阵增加电价数据的输入，提高了预测精度。此外，采用GB-RBM代替BB-RBM来提高深信度网络处理真实值数据的有效性，并将混合预训练算法与遗传算法相结合来优化深层网络的参数。最后，通过实验验证了该方法的可行性。
借鉴
       借鉴部分记录你可能会用到的如背景、意义、别人对模型和数据集的描述方式、实验的对比方式。对于重要性不同的文字用不同的颜色进行标注。而且这个过程是一个扫盲的过程，所以遇到的所有不懂的专业名词，一定要去查并打上批注。
       等写论文的时候你就会发现这样做的好处。首先，你看过的论文都可以作为你的参考文献，而且你不用再一篇一篇去找引用了；其次，在写引言或介绍的时候，大家的文字都是类似的，你可以直接在前人的基础上去改；最后，方便你复盘，因为论文中的精华都在你的借鉴部分且分颜色进行了标注，可以说是一目了然。
       4.实验。工科的研究生应该绝大多数都是要进行实验的，即便不用像计算机专业去手撕代码也要进行仿真实验。那么我先说一个通用的准则：大胆创新、精益求精。你要知道，创新点是一篇论文的核心，创新点不够是很可能会被编辑秒退的，甚至毕业论文的开题都难过。所以，大胆的绞尽脑汁的去创新去尝试，然后把实验的效果尽最大可能的往好的方向调整，最后是实验结果的展示，如果仅仅把你的实验结果简单的搬到论文里是很难出彩的，你去看SCI一区二区的文章，动辄一二十张图和表。具体的我只能以计算机专业为例：
       ①学一门编程语言，Java或python都行，掌握基本语法和数据结构；
       ②每天到LeetCode或牛客网刷两到三个题。这个非常非常非常重要！不止是锻炼你的逻辑思维，也是你以后找实习找工作的工具，所以这个过程要越早开始越好。
       ③对于已有的模型，先下载源码把它跑通，然后再应用到你自己的模型中去。
       ④大数据时代，得数据者得天下，如果你手上有数据了就充分利用它们，如果没有，就到现有的一些公开数据集平台去下载。这里推荐几个：各领域公开数据集、Machine Learning Repository、OPENNeuro
       ⑤学习一到两种数据分析软件，我比较推荐MatLab和Origin，展示到论文中时会比你直接截的图或下载的图更好。
       最后，希望大家都走出迷茫，都发SCI，都点赞加关注。