白交 發自 凹非寺量子位 報道 | 公衆號 QbitAI

吳恩達教你如何讀論文，高效瞭解新領域。

就算是博士，也很難對所有的關鍵技術都參透瞭解。那麼如何有效瞭解一個新領域，是研究者們必備的一項技能。

最近，一位博主就親身示範了吳恩達的方法，在Medium上，兩天即獲得1.7k贊。

方法具體如何呢？我們就以「姿態估計」這一技術爲例，來介紹一下這個方法吧。

系統閱讀論文集

既然有了目標，第一步收集資源，並整合起來。

論文、博客文章、GitHub資源庫、視頻……在谷歌上搜索「姿態估計」這個詞，得到所有關於這個關鍵詞的資源都要整理下來。

這一階段，資源數量是沒有限制的。只要是你認爲重要的資料都可以整理，但要注意，一定要創建一個有用的論文、視頻和文章的短名單。

第二步，將你認爲的與主題相關的任何資源進行深入研究。

這時候，你可以繪製一張表格。

對每種資源的理解程度，做一個實時的跟蹤。

具體來講，最好的方式就是對所有你收集到的資源都有一個10%～20%的理解程度。

這樣，就確保你已經對你所收集到的資源，有了足夠的瞭解，並且還能準確的評估其相關性。

很好，你已經對這項技術基本入門了。

更進一步，仔細研讀相關程度更高的文章資源。這時候，就出現了一個問題，大概多少論文足夠了呢？

吳恩達說：對5～20篇的論文的理解，那麼就說明你對這個領域以及研究進展有了基本的瞭解。

如果研讀到了50～100篇，那麼已經非常瞭解這個領域了。

這時候，你的表格可能是這樣。

如果可以的話，還可以做一下筆記，用自己的話總結論文當中的關鍵發現、技術和研究。

論文至少要看三遍

接下來，就集中介紹一下如何研究一篇論文。

吳恩達認爲，要理解一篇論文，一次將一篇論文從第一個字讀到最後一個字，可能並不是最佳方式。

正確的打開方式是，一篇論文至少要看三遍。

第一遍，仔細閱讀論文中的標題、摘要和關鍵詞。

第二遍，閱讀文中的導言、結論以及圖表，快速掃描一下論文剩下的內容。

這一步主要是要把握論文中的關鍵信息，不光是導言和結論，還包括文章中任何小結論的總結，文中涉及的補充信息都跳過。

第三遍，閱讀論文的整個部分，但是要跳過任何可能陌生看不懂的數學公式，技術術語。

不過，如果你需要對這個專業領域有一個「深入」的理解，那就必須要搞懂那些公式術語了。

問自己問題

如何檢測你對這篇文章的關鍵信息有了基本的瞭解？問自己問題吧！

吳恩達提供了一系列的問題，在閱讀的時候詢問自己。這裏就摘取一部分。

1、Describe what the authors of the paper aim to accomplish, or perhaps did achieve.這篇論文作者的目標是什麼，或者也許已經實現了什麼。

2、If a new approach/technique/method was introduced in a paper, what are the key elements of the newly proposed approach?如果文中引入了一種新方法/技術，那麼這一新提出的方法/技術的關鍵要素是什麼？

3、What content within the paper is useful to you?論文中，有哪些內容對你有用。

4、What other references do you want to follow?你還想關注哪些參考資料/文獻？

此外，還分享了一些有用的在線資源。

The Machine Learning Subreddit：https://www.reddit.com/r/MachineLearning/

The Deep Learning Subreddit：https://www.reddit.com/r/deeplearning/

Paper With Code：https://paperswithcode.com/

Research Gate：https://www.researchgate.net/

還有一些頂級會議，比如NIPS、ICML、ICLR…

不過，吳恩達也強調：

Learn steadily rather than short burst for longevity.

穩紮穩打，而不是短時的突擊，才能長久的學習。這不光是對機器學習領域，還對整個學術領域有益。

這位博主根據吳恩達的方法，每個月至少閱讀四篇論文，來達到理解的目的。

吳恩達他自己也在視頻裏說，他就隨身攜帶着一批論文，有時間就拿出來研讀。

希望這個方法對你有所幫助～如果你有很好的學習論文的方法，也歡迎跟我們分享。

博文鏈接：

https://towardsdatascience.com/how-you-should-read-research-papers-according-to-andrew-ng-stanford-deep-learning-lectures-98ecbd3ccfb3

視頻鏈接：

https://www.youtube.com/watch?v=733m6qBH-jI