高质量读研：教你如何写论文、做科研-张军平
元数据
- 书名： 高质量读研：教你如何写论文、做科研
- 作者： 张军平
- 简介： 到底该怎么读研？如何做好科研？如何通过同行评议来提升论文的质量？如何能够更好地回复评审提出的问题？怎样排解心理压力？相信这些都是在读研究生所关心的问题。针对在读研究生的实际需求，复旦大学张军平教授特别写作本书。 全书共30 篇，旨在解决研究生在学习、科研、心理等方面的问题，帮助读者完整了解读研生涯的每个细节，更好地完成学业，不荒废科研生涯，成为更优秀的自己！本书在最后提供了多个附录，包含实用论文工具、实用代码工具、专业画图工具、期刊和会议推荐，可以为学生提供参考。 本书适合在读研究生（含硕士研究生、博士研究生），以及想了解研究生学习，尤其是理工科研究生学习的人群阅读。
- 出版时间 2022-06-01 00:00:00
- ISBN： 9787115585882
- 分类： 教育学习-教育
- 出版社： 人民邮电出版社有限公司
高亮划线
02 时商与基础误区
-
📌 没有经过科研训练的本科生，在刚成为研究生时，总会担心基础不牢，想当然地认为必须先把基础知识掌握和巩固好，才好切入科研课题的研究，甚至认为基础知识不扎实就没办法找到研究课题或方向的突破口。于是，他们会习惯性认真地、反复地看相关专业的基础书，甚至觉得最好把每本书章节后面的习题也都刷一遍，才能提升科研能力，让自己正式做研究时心里有底。图2-1 科研书山这种做法有好的一面，基础稳固了，在思维逻辑、知识体系上会很严密。然而，对研究生来说，从时商的角度来考虑，这并不是合理的方式。
- ⏱ 2022-08-28 09:48:00
人工智能基础书籍
-
📌 科研书山”的基础是永远打不完的。以我相对熟悉的人工智能方向为例。如果要先打基础，学生应该选择一些经典的教科书来学习和入门。比如早期大家都爱看的、Duda等撰写的《模式分类》（Pattern Classification）［1］，曾经被视为红宝书的、很多人喜欢做书后习题的Bishop撰写的《模式识别与机器学习》（Pattern Recognition and Machine Learning）［2］。再比如在亚马逊平台机器学习领域长期销售量第一的，由三位斯坦福大学统计系的著名教授（Trevor Hastie、Robert Tibshirani 和Jerome Friedman）合作撰写的《统计学习要素》（第二版）（The Elements of Statistical Learning，2nd ）［3］，“统计味”和“干货”十足，是一本对人工智能中的机器学习有着不同视角但非常有价值的书。该书中文版也已经于2021年1月面世，由清华大学出版社出版，是我翻译的。还有近年来，国内绝对畅销的、知识点全面且精炼的，由机器学习专家南京大学周志华教授撰写的《机器学习》（因封面和样例常用西瓜，俗称“西瓜书”）［4］。而最近这几年特别受大家追捧的、提出生成对抗网的Ian Goodfellow与2019年图灵奖得主Yoshua Bengio等合写的《深度学习》（Deep Learning）［5］也是近年来研究人工智能深度学习网络模型的重要参考资料。图2-2 作者翻译的《统计学习要素》如果觉得自己统计和数学基础好，还可以看看Devroye等写的《模式识别的概率理论》（A Probabilistic Theory of Pattern Recognition）［6］，这本书通篇是从模型预测未知样本能力的泛化上界的角度来理解人工智能核心技术的。也可以读从博弈论角度切入的，Nicolò Cesa-Bianchi等写的《预测，学习和博弈》（Prediction，Learning and Games）［7］，该书在学习假设上，抛弃了常规机器学习里的独立同分布假设，即采样的数据与未知的分布具有相同分布且独立采样。要想了解小样本下的变量间推断机制或具有可解释性的机器学习方法，还得看曾与人工智能领域著名教授吴恩达共同办过在线教育网站Coursera的斯坦福大学教授Daphone Koller用她很有特色的数学表达写出来的上千页巨著《概率图模型》（Probabilistic Graphical Model）［8］。她也曾以此书为基础，精心制作过一套完整的在线视频讲解课程，有很好的参考价值，非常值得看看，有兴趣的读者可以搜索观看。
- ⏱ 2022-08-28 09:49:11
以点带面的基础学习
-
📌 怎样的读书方法，才更适合研究生尤其是三年期甚至更短学制的研究生呢？不妨换个角度，重新定义基础。个人以为，基础应该优先定位在对具体研究方向的前沿的把握上，而非对相对笼统的整个研究领域的宽泛了解上。尤其是在现今研究方向越来越细分化、专业化的前提下，专业领域书籍中的知识在研究生期间并非全会用到。总之，宜以点带面，而不要以面带点。从研究生培养的角度来看，可能这样做在时商上才能更有效率，不会浪费时间，也有利于研究生在校期间学有所成。
- ⏱ 2022-08-28 09:50:07
从会议、期刊找点
-
📌 如何找点呢？最简单的办法是从近期发表的、相关专业的学术期刊或会议论文着手。比如人工智能领域著名期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（《IEEE模式分析和机器智能》）和IEEE Transactions on Neural Networks and Learning Systems（《IEEE 神经网络和学习系统》），以及一些顶级会议如NeurIPS（Neural Information Processing Systems，神经信息处理系统大会）、ICML（International Conference on Machine Learning，机器学习技术国际会议）、IJCAI（International Joint Conference on Artificial Intelligence，国际人工智能联合会议）、AAAI （American Associate of Artificial Intelligence，美国人工智能协会）、ICLR（International Conference on Learning Representation，国际表征学习大会）等。通常来说，这些期刊和会议上的文章平均水平较高，创新性较强，能帮助大家更好地了解最前沿的科研进展。值得注意的是，现在人工智能处在第三波热潮中，即使是顶级会议，论文还是太多，如CVPR 2021（IEEE Conference on Computer Vision and Pattern Recognition，IEEE国际计算机视觉和模式识别会议）的论文接收数量有1663篇，接收率为23.7%。即使一篇一篇认真阅读，也很难找到真正想要了解的学习资料。所以，明确选题很关键。
- ⏱ 2022-08-28 09:50:46