【新智元導讀】吳恩達的斯坦福大學CS230課程可謂鼎鼎大名，備受深度學習愛好者推崇，其中第八講主要講了如何閱讀論文、找工作時應該注意什麼。Medium上有位小哥將講座要點做了一番歸納總結，配合講座視頻觀看效果更佳！

首先，我建議觀看吳恩達的講座視頻瞭解更多細節，這是非常有用的。但無論你看不看視頻，這篇文章的內容都應該會很有幫助。因此，我試圖在這裡概述這些建議。

講座視頻觀看地址：

https://youtu.be/733m6qBH-jI?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb

吳恩達主要分享了兩個建議，具體來說就是

1、如何閱讀論文。

2、為機器學習的職業生涯提供建議。

如何閱讀研究論文

如何通過閱讀研究論文實現如何高效，快速地學習。如果你想從學術文獻中瞭解到是否要學習構建一個感興趣的機器學習系統/項目，或者獲取更多知識，並將深度學習作為職業而努力，為了達成這些目標，你應該做些什麼。

具體建議如下：

編制一份論文清單：嘗試創建一份研究論文，中等職位以及您擁有的任何文本或學習資源。

閱讀策略：

基本上，你應該以平行的方式閱讀研究論文;意思是嘗試一次處理多篇論文。具體地說，嘗試快速瀏覽並理解每篇論文，不要全部閱讀，也許你閱讀每篇論文的10-20％，就足以讓你對手中的論文有一個高層次的理解。在那之後，你可能需要決定不再某些論文，或者只是挑出一兩篇論文來完整閱讀。

吳恩達還提到，如果你讀過了：

5-20篇論文（在一個選定的領域，比如語音識別），那麼你可能已經有足夠的知識來實現一個語音識別系統，但可能還不足進行研究，也不足以處於相關領域最前沿。

50-100篇論文：你可能對領域應用（語音識別）有了很充分的理解。

怎麼讀論文？

不要從頭到尾逐字逐句閱讀。具體點說應該：

閱讀標題，摘要和數字：通過閱讀標題，摘要，關鍵網絡架構圖，也許還有實驗部分，將能夠全面瞭解論文中涉及的概念。在深度學習中，有很多研究論文將整篇論文總結為一兩個數字，不需要通過大量文本描述。

閱讀導言+結論+數字+瀏覽其餘部分：引言，結論和摘要是作者試圖仔細總結其工作的地方，以便為審稿人澄清為什麼他們的論文應該被接受發表。另外，瀏覽“相關研究”部分（如果可能的話），本部分旨在強調其他人以某種方式與作者的工作聯繫所做的成果。因此，閱讀這部分可能會有用，但如果你不熟悉相關文獻，這部分有時不好理解。

閱讀論文但跳過數學部分。

閱讀整篇文章，但跳過沒有意義的部分：偉大的研究意味著我們在知識和理解的邊界上發佈事物。

吳恩達還解釋說，當你閱讀論文（即使是最有影響力的人）時，可能會發現某些部分應用得很少或者沒有意義。因此，如果閱讀一篇論文並且文中一些內容沒什麼用（這並不罕見），沒關係，最初可以略讀。除非，你想要精通這些內容，可以隨後再花更多的時間閱讀。

閱讀論文時，請嘗試回答以下問題：

作者試圖完成什麼工作？

使用的方法的關鍵要素是什麼？

換了你自己能夠採用什麼方法？

你想要遵循哪些其他參考？

如果你能夠回答這些問題，就說明你對論文有很好的理解。事實證明，當讀過更多論文時，通過練習你會更快地答出這些問題。因為，許多作者在撰寫論文時都使用通用的格式。

理解論文需要多長時間？

對於機器學習新手來說，可能需要一個小時才能理解一篇相對容易的論文，這很常見。但是，有時你可能會偶然發現需要3個小時，甚至更長時間才能真正理解它的論文。

論文來源：

網上有很多很棒的資源。例如，對於新手而言，語音識別中最重要的論文的博客文章將非常有用。

Twitter：令人驚訝的是，Twitter正在成為研究人員瞭解新事物的重要場所。

重要的機器學習會議：NIPS / ICML / ICLR等。

和朋友交流：找一個社區或一群朋友，對該領域感興趣，分享有趣的研究論文。

對邁向機器學習職業生涯的一些建議

無論你的目標是獲得一份工作（大公司、初創公司和高校教職），還是攻讀碩士和博士研究生，只需專注於做重要的工作，並將你的工作視為一種策略，尋找機會做有用的工作。

招聘人員一般看重什麼？

機器學習技巧。

有意義的工作：表明你可以完成工作中的項目。

要成為成功的機器學習工程師，強有力的求職者，一個非常普遍的模式是開發一個T形知識庫（既要有橫向寬度，又要有縱向深度）。這需要對人工智能中的不同方面有廣泛的理解，並至少在一個領域有非常深刻的理解。

橫向：

在這些領域建立基礎技能的一種非常有效的方法是通過上課和閱讀研究論文。

縱向：

可以通過參與開放相關項目、開源貢獻、研究和實習來構建。

選擇一份工作：

如果想繼續學習新事物，那麼下面所講可能是影響你成功的因素：

除了經理之外，專注於瞭解和評估您將與之合作的團隊（您將與之互動的10-30人）。

不要專注於“品牌”：公司的品牌與您的個人體驗並不是很相關。

因此，如果獲得了工作機會，請詢問將與哪個團隊合作，並且不要接受“先進來，我們稍後將分配團隊”的說法，因為你最終可能加入的團隊可能從事的是你不感興趣的事。這對你的提升沒有幫助。另一方面，如果你能找到一個好的團隊（即使是在一個不知名的公司）並加入，你實際上可以學到很多東西。

最後是一些通用建議：

學習最重要的東西：傾向於選擇能夠讓你學到最多東西的事物。

做重要的工作：從事能夠推動世界前進的、有真正價值的項目。

嘗試將機器學習轉移到傳統行業中：我們在科技行業已經轉變了很多，但我認為最令人興奮的工作之一可能是在傳統行業，因為你可以在這些行業內創造更多的價值。

原文鏈接：

https://medium.com/@mohamedalihabib7/advice-on-building-a-machine-learning-career-and-reading-research-papers-by-prof-andrew-ng-f90ac99a0182