Как оставаться современным исследователем в сообществе ML / RL?

11

Как студент, который хочет работать над машинным обучением, я хотел бы знать, как можно начать учебу и как следовать ей, чтобы оставаться в курсе. Например, я готов работать над проблемами RL и MAB, но есть огромная литература по этим темам. Кроме того, эти темы изучаются исследователями из различных сообществ, таких как AI и ML, исследования операций, разработка систем управления, статистика и т. Д. И я думаю, что каждую неделю публикуются несколько статей по этим темам, что затрудняет их отслеживание.

Я был бы благодарен, если бы кто-то мог предложить дорожную карту, чтобы начать изучать эти темы, следовать им и как я должен выбирать и изучать новые опубликованные статьи. Наконец, я желаю узнать новую тенденцию в проблеме RL и MAB.

Katatonia
источник

Ответы:

11

Есть несколько замечательных ресурсов для того, чтобы быть в курсе событий в сообществе ML. Вот лишь горстка, которую мне показал коллега:

  1. Deep Learning Monitor : этот сайт содержит горячие и новые статьи, а также твиты, которые популяризируются сообществом! Вы даже можете оформить документы RL специально здесь

  2. arxiv-sanity : этот сайт обновляется популярными и новыми бумагами, которые попадают на Arxiv

  3. документы с кодом : этот сайт замечательный, потому что он не только ссылается на документы, но и ссылается на их реализацию для воспроизведения или помощи в ваших личных проектах У них даже есть таблица лидеров и отслеживание современного уровня ( SoTA ) на тоннах различных задач

  4. Цикл DL_twitter : вы не можете забыть twitter, учитывая, что большинство исследователей используют его; это всего лишь одна хорошая группа, которая вам может понравиться

mshlis
источник
1
Уважаемый @mshlis. Огромное спасибо. Эти ресурсы кажутся великолепными.
Katatonia
Если я хорошо понял концепцию Deep Learning Monitor и arxiv-sanity, то это своего рода веб-сайт агрегатора контента, который собирает URL-адреса существующих статей. Чего не хватает, так это возможности комментировать и оценивать информацию, равную социальной сети для энтузиастов Deeplearning.
Мануэль Родригес
@ManuelRodriguez Theres также ML
Subreddit