欢迎来到天天文库
浏览记录
ID:45565375
大小:47.18 KB
页数:20页
时间:2019-11-14
《MIT如何做研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、MIT人工智能实验室:如何做研究?麻省理工学院人工智能实验室AIWorkingPaper316作者:人工智能实验室全体研究生编辑:DavidChapman版本:1.319/年9译者:柳泉波北京师范大学信息学院200()级博士生摘要木文的主旨是解释如何做研究。我们提供的这些建议,对做研究木身(阅读、写作和程序设计),理解研究过程以及开始热爱研究(方法论、选题、选导师和情感因素),都是极具价值的。备注人工智能实验室的WorkingPapers用于内部交流,包含的信息由于过于初步或者过于详细而无法发表。不像
2、止式论文那样,会列出所有的参考文献。1简介1.1这是什么?并没有什么灵丹妙药可以保证在研究中取得成功,本文只是列举了一些对能会有所帮助的非止式意见。1.2目标读者是谁?本文档主要是为MIT人工智能实验家新入学的研究牛•而写,但対于其他机构的人工智能研究者也很有价值。即使不是人工智能领域的研究者,也可以从中发现对口己有价值的部分。1.3如何使用?要精读完本文,太长了一些,最好是采用浏览的方式。很多人觉得下面的方法很有效:先快速通读一遍,然后选取其中与自己当前研究项H有关的部分仔细研究。(1)本文档被粗略
3、地分为两部分。笫一部分涉及研究者所需具备的各种技能:阅读、写作和程序设计等。第二部分讨论研究过程本身:研究究竟是怎么回事,如何做研究,如何选题和选导师,如何考虑研究屮的情感因索。很多读者反映,从长远看,第二部分比第一部分更冇价值,也更让人感兴趣。(2)如何通过阅读打好AI研究的基础。列举了重耍的AI期刊,并给出了一些阅读的诀窍。(3)如何成为AI研究领域的一员。与相关人员保持联系,他们可以使你保持对研究前沿的跟踪,知道应该读什么材料。(4)学习AI和关领域的知识。对几个领域都用有基本的理解,对于一个或
4、者两个领域要精通。(5)如何做研究笔记。(6)如何写期刊论文和毕业论文。如何为草稿写评审意见,如何利用別人的评审意见。如何发表论文。(7)如何做研究报告。(8)关于程序设计。AI程序设计与平常大家习惯的程序设计有什么不同。(9)如何选导师。这是研究生住涯的最更要的问题,不同的导师具有不同的风格,本节的意见有助于你找到合适的导师。导师是你必须了解如何利用的资源。(10)关于毕业论文。毕业论文将占据研究生生涯的大部分时间,本部分涉及如何选题,以及如何避免浪费时间。(11)有关研究方法论。木节的内容较少,尚
5、不完善。(12)研究过程屮的情感因素。这或许是最重要的一节,包括如何面对失败、如何设定目标、如何避免不安全感、如何保持口信和享受快乐等。2阅读很多研究人员要花一半的时间阅读文献。其实从別人的工作中也可以很快地学到很多东西。本节讨论的是AI中的阅读,在第4节将论述其他相关主题的阅读。阅读文献耍始于刚刚入学的今日。一旦你开始写作论文,就没有多少时间了,那时的阅读主耍集中于与论文主题相关的文献。在研究生的头两年,大部分的时间要川于做课程作业和打棊础。此时,阅读课本和出版的期刊文章就可以了。(以后,你将主要阅
6、读文章的草稿,参看第3节)。在本领域打下坚实的基础所需要的阅读量,是令人望闻却步的。但既然AI只是一个很小的研究领域,因此你仍然可以花儿年的时间阅读木领域已出版的数屋众多论文中最基木的那部分。一个冇用的小技巧是首先找出那些最基木的论文。此时可以参考一些有用的书目:例如研究生课程表,其他学校(主要是斯坦福人学)研究生录取程序的建议阅读列表,这些可以让你冇一些初步的印彖。如果你对AI的某个了领域感兴趣,向该领域的高年级研究生请教本领域最重要的十篇论文是什么,如果可以,借过来复印。最近,出现了很多精心编辑的
7、有关某个子领域的论文集,尤其是Morgan-Kauffman出版的。AI实验室冇三种内部出版物系列:WorkingPapers,Memos和TechnicalReports,正式的程度依次增加,在八层的架了上可以找到它们。回顾最近几年的出版物,将那些非常感兴趣的复制下来。这不仅是由于其屮很多部是意义重大的论文,对于了解实验室成员的工作进展也是很重要的。有关AI的期刊有很多,幸运的是,只有一部分是值得看的。最核心的期刊是ArtificialIntelligence(也有写作”theJournalofAr
8、tificialIntelligenceu或者”AIJ”的)。AI领域真正具备价值的论文最终都会投往AIJ,因此值得浏览每一年每一期的内容;但是该期刊也冇很多论文让人心烦。ComputationalIntelligence是另外一木值得一看的期刊。CognitiveScience也出版很多意义重人的AI论文。MachineLearning是机器学习领域最重要的资源。IEEEPAM1(PatternAnalysisandMachineIntelligenc
此文档下载收益归作者所有