阅读文献与职业规划
本篇文章是对 Stanford CS230: Deep Learning | Lecture 8 的总结。本次Lecture介绍了如何阅读paper以及在职业选择上的一些建议。在下面的笔记中,我也加入了自己的一些想法,仅供参考。
阅读文献
- 将需要阅读的内容列一个表格,包括:papers (arXiv), blog, medium (当然也包括知乎专栏,简书,CSDN中的优秀博文)。每一个表格只包括一个单独的研究方向,比如data2text,sentiment analysis方向等。在列表中,我会大致按照年份对文章进行排序,这符合该研究方向的发展进程。下面是我设置的列表结构:
type | papers’ name | link | year | 20% | 40% | 60% | 80% | 100% |
---|---|---|---|---|---|---|---|---|
blog | blog’s name | link | 2019 | √ | √ | √ | × | × |
paper | paper’s name | link | 2020 | √ | √ | √ | √ | × |
- 准备好所有的需要阅读的材料后,开始阅读文献。每五篇为一个batch,先对每一篇做略读,大概明白讲了什么,然后评估重要性。当略读完这五篇后,对不同重要程度的文章进行不同程度的精读。然后每五篇进行如上操作。
- 如何精读文章:
- 10%-20%:阅读 title, abstract & figures;理解讲了什么,评估文章重要性。
- 20%-40%:阅读 Intorduction, conclusions, figure (again);了解文章对所述方法的介绍,得到了什么结论,并再次对文章的图片进行理解(因为很多时候图片是对文章所述方法的最精炼概括)。
- 40%-60%:阅读 除了数学公式的任何部分;全面了解文章。
- 60%-80%:通读全文,全面理解文章。
- 80%-100%:重现文章。
- Math:徒手推导文章公式 (rederive from scratch);
- Code:徒手实现文章所述方法 (如果作者提供源码,下载并运行;如果没有,可以尝试自己手动实现,但是可能会踩很多坑……)。
- 要读多少篇论文?
- 5-20篇:对一个领域有很好的了解
- 50-100篇:对一个领域有非常深度的了解
- 阅读文章时需要思考几个问题:
- What did the author try to accomplish?
- What were the key elements of the approach?
- What can you use yourself?
- What others do you want to follow?
- 论文来源:Twitter, ML reddit, NIPS / KML / KIR, Friends
职业规划
- HR看重的是skills (ML quiz, Coding)
- 武装自己——T型路径:
- 水平方向:
ML, DL, PGM, NLP, CV, … - 垂直方向(focus one topic ↑):
courses →project → open source project → research / internship
- 水平方向:
- 既要有广度(水平方向),又要有深度(垂直方向)。不能只focus一项。
- 贵在坚持。可以选择每周2篇paper的频率,这需要1年的时间才能有明显成效。
- 工作选择:
- 与great people在一起工作
- 关注team(10-50 人)。Team的人会影响你并不是公司的名声。真正影响你的是,同事是否努力,工作氛围如何,领导是否能力很强等等。
- 大公司内的小Team最好,如果是大Team,可能会被“发配”去做非常无聊的事儿
- 小心轮岗…指不定轮到哪去……(感觉轮岗是一个tradeoff,轮岗可以了解更多的业务条线,对全流程会有整体把握,对以后的带领团队或者升职有可能有作用……一己之见慎重参考)
本篇文章也参考了此博文:C230 DL AndrewWu 2018-L8 职业目标与论文阅读