知恵は学習の産物ではなく、生涯それを習得する試みです。
Albert Einstein機械学習に真剣に取り組む人は誰でも、科学論文に何が掲載されているかを理解することを学ぶ必要があります。このような出版物は、それぞれの分野の研究の最前線にいる科学者によって作成されています。これらは、人工知能（AI、人工知能）、機械学習（ML、機械学習）、ディープラーニング（DL、ディープラーニング）および他の多くの分野です。 最新の発見を最新の状態に保ち、自分の知識を拡大するには、科学的な考え方と適切な習慣が必要です。 AI、ML、DLテクノロジーは驚異的な速度で進化しています。したがって、進歩に追いつくためには、関連する知識を蓄積する必要があります。この知識は、科学出版物を扱う過程でのみ取得できます。
ここでは、科学記事を効果的に扱うためのガイドを見つけます。特に、以下のトピックに焦点を当てます。
- 出版物のコレクションを読んで、興味のある分野の知識を得るための体系的なアプローチ。
- 科学記事を読むためのルール。
- 出版物や重要な情報を見つけるのに役立つオンラインリソース。
アンドリューウンとは
この記事は、 Andrew Ng による講義に基づいています。また、インターネットで見つけた自分の推奨事項や有用な情報もいくつか追加しました。
まず、Andrew Ngについて簡単に説明します。
アンドリュー・ングはスタンフォード大学の助教授です。彼はおそらく機械学習で最も有名な（そして最大の聴衆）講師です。アンドリューは、Deeplearning.aiとCourseraの共同創設者でもあります。
人々はどのようにして有用なスキルを身につけますか？
人が彼の周りの人々が示すスキルと習慣を採用することは完全に自然です。博士課程の学生が科学出版物からの情報を効果的に同化するスキルを身につけたのは、このおかげです。これは、ある程度、よく知られている事実です。アンドリューは、私が上記にリンクした彼のビデオ講義の冒頭でこれについて言及しています。
しかし、学生ではないかもしれませんが、私たちは学生ではありません。したがって、一般の人が科学出版物を読んで理解するために必要なスキルをどのように身に付けることができるかという問題に直面しています。
読書資料の選択方法
機械学習の分野で働きたい才能のある人にとっては、何かに特化することが最善です。たとえば、コンピュータービジョン（コンピュータービジョン）の一般的な知識があることは称賛に値します。しかし、空間内のオブジェクトの位置を評価する問題を解決するための基本的な方法（ポーズ推定、PE）を使用する専門知識と経験を持つ人は、適切なプロファイルの専門家を必要とする潜在的な雇用主の観点から、はるかに魅力的に見えます。
PEの問題の例を使用して、興味のあるトピックに関する科学出版物を扱うための方法論を分析してみましょう。
▍1。材料の選択
作業の最初のステップでは、関心のあるテーマに関連するリソースの選択を行います。リソースには、学術出版物、中程度の記事、ブログ投稿、ビデオ、GitHubリポジトリなどが含まれます。
Googleでフレーズポーズ推定を検索すると、私たちは私たちの関心のある問題に関連する主要なリソースへの一連のリンクを自由に持っています。作業のこの段階での目標は、自分に合ったすべてのものを収集することです。これらは、YouTubeビデオ、私たちが関心を持っているマシンビジョンメカニズムの実用的な実装に関するドキュメント、そしてもちろん、科学記事です。ここでは、理想的には、重要であると考える特定のリソース量に制限される必要はありません。主なことはあなたに利益をもたらすことができる材料の最終的なリストを作ることです。
▍2。資料の分析と理解度の評価
ここでは、以前に有用であると認識され、関心のある問題に関連するリソースを分析します。最終リストの作業の前のステップに含まれる資料の理解度を評価する方法があることを考慮することは非常に重要です。Andrew Ngは、各資料の理解度を示す表を作成することをお勧めします。このテーブルは、以下に示すもののようになります。
理解度を評価するために使用されるリソーステーブル
このようなテーブルに追加された各ドキュメントのコンテンツの少なくとも10〜20％を読むことをお勧めします。これにより、そのような材料の量に慣れることができます。これは、材料が私たちのニーズをどのように満たしているかを正確にチェックするのに十分です。
私たちの興味の対象に最も適した資料は、他の資料よりも深く処理する必要があります。最終的には、完全に理解している関連リソースがいくつか見つかります。
たぶん、あなたは今あなたが完全に理解すべき記事や他のリソースの数を不思議に思っているでしょう。
私にはこの質問に対する答えはありませんが、アンドリューには答えがあります。
つまり、5〜20の資料を理解することは、問題の基本的な方向付けを示すと述べています。おそらく、このレベルは、さまざまな技術の実用的な実装への移行には十分です。
50から100の材料の理解について話している場合、これはあなたがその問題に非常に精通していることを意味します。
リソースを分析し、リソースについて1つまたは2つ学習すると、テーブルは次のようになります。
リソースの理解度を評価するために表を更新
▍3。材料の簡単な説明
材料を使った予備作業の3番目のステップは、自分の経験に基づいています。科学出版物を理解しようとするとき、私は自分の言葉で、作品に記載されている主な結果、調査結果、方法を要約した構造化メモを作成します。
読む価値のある資料が見つかったので、次に進みます。
科学記事を読む
理解するために何かを読むとき、その資料を読むだけでは十分ではありません。アンドリューは、記事全体を一度に読むことは理解を深めるための最良の方法ではないかもしれないと言います。
記事を適切にマスターするには、少なくとも3回は読む必要があるという事実に備えてください。
▍4。最初の読書
最初に記事を読むときは、タイトル、注釈、および図に焦点を当てます。
▍5。二度目の読み
2番目の読み物では、序文と結論に特に注意してください。また、写真をもう一度見て、記事の残りをざっと見てください。
記事の紹介セクションと結論セクションには、その内容に関する明確で簡潔な情報が含まれており、記事の著者が行った主な調査結果を要約しています。これらのセクションには通常、サポート情報は含まれていません。ここでは本当に重要なものだけです。これのおかげで、読者は記事の残りの認識に備えることができます。
▍6。3回目の読み
記事の3番目のパスでは、複雑な数学的計算や読者にとって新しい技術の説明をスキップしながら、本文を読みます。また、作業のこの段階では、理解できない用語や新しい用語をスキップできます。
▍7。次の記事は
特定の分野で詳細な調査に従事している人は、誰でも何度か記事を読むことができます。これらの追加のリーディングセッションは、主に数学的計算の分析、テクニックの習得、および不慣れな用語の意味の明確化を目的としています。
通常、情報目的で科学記事を読み、提案された作業方法にすばやく慣れるために、記事の詳細な調査に多くの時間がかかることに気付くでしょう。特に私たちが解決する必要がある数十の記事について話しているとき。
これが私がここで「深い探査」と呼ぶものの例です。私はここで提示されたテクニックを使用してこの記事を読み、それを理解し、それを基にして、自分の記事を4つ書きました（1、2、3、4）。
記事を読むときに自問する質問
アンドリューは、この記事を読んでいるときに自分自身に尋ねる質問のリストを提供します。これらの質問は一般的に、あなたが何について読んでいるのかを理解することを目的としています。私は、記事を理解するという私の主な目標を順調に進めるためのガイドラインとして、次の質問を使用します。
これらの質問は次のとおりです。
- 記事の著者が達成しようとしていること、またはおそらく彼がすでに達成していることを説明してください。
- 問題を解決するための新しいアプローチに出会った場合は、新しい手法または方法論を使用して、それらの主要な要素を説明します。
- 記事の中で、自分にとって何が最も役立つと思いますか？
- 記事に記載されているどの資料を読みたいですか？
調査に役立つその他のリソース
情報の検索では、いくつかのリソースが非常に役立ちました。そのリストを以下に示します。
- r /機械学習
- r /ディープラーニング
- paperswithcode.com
- 主要な専門会議のサイト：NIPS、ICML、ICLR。
- researchgate.net
このようなリストは自分で簡単に作成できます。
結果
長期的な結果は、「レイド」を学ぶことではなく、常に安定した研究によって得られます。
Andrew EunYaは、まだ機械学習とコンピュータービジョンの分野で比較的新しい人物です。控えめに言っても、まだわからないことがたくさんあります。しかし、それにもかかわらず、知識の探求に一貫性があれば、どの分野であっても、一定の平均レベルを超えることができる理解とスキルが得られると確信しています。
Andrew Ngによって提案された科学論文を扱うための方法論を使用して、月に少なくとも4つの科学論文を読む予定です。理解するまで読んでください。正直なところ、LeNetに関する上記の記事を読んで理解するのに1週間半かかりました。しかし、私が多く読めば読むほど、より速く、より良いものになります。これは私だけではありません。
アンドリューは、彼が読むことを計画していたたくさんの記事を常に持ち歩いていると言います。Andrewは機械学習の分野で有名な人物です。彼の習慣と新しいことを学ぶ方法を採用する人は大きな利点になると思います。
科学記事をどのように読みますか？
