高效的机器学习研究者

 Sanity Preserver的最新研究，让模型训练不眠不休，最大限度的利用Stack Overflow.....除了这些，还有哪些是成为高效ML研究者必备的呢?

近日，一位网友在 Reddit 上发帖提问：「高效的机器学习研究者，都有什么样的习惯?」对此，不少网友纷纷留言支招，好不热闹。

而此前，Open AI 的创始成员之一和研究科学家 John Schulman也专门写过一篇《机器学习研究指南》，从选择研究问题的能力到研究驱动力，再到具体的研究方法上，提出了自己的独到建议。我们先来看：

一、培养选择正确的研究问题的能力

在机器学习研究中，具备正确选择研究问题的能力，甚至比你本身拥有的技术能力更重要。而这种能力是通过长时间观察哪些想法最终成功、哪些观点最终被遗忘而培养出来的：那些成功的想法可能会发展成为一些领域内新观点和新进展的基石，而那些最终被忽略的想法可能是因为它们太过复杂或太过脆弱，又或者是带来的增量进展过小。

这种日积月累的观察，能够让你学习到，哪些观点是有长远价值的，哪些观点可能只能够“昙花一现”。

对于这种能力的培养，大家可能也在探索一些捷径，下面这几种方法可为大家提供一些参考：

第一，阅读大量的论文，并有批判性地对这些论文进行评价。如果有可能的话，尽可能邀请机器学习领域的出色研究者来共同探讨这些论文。

第二，尝试加入研究主题相似的研究小组，以此汲取他们的研究经验，并培养良好的团队协作能力。

第三，在研究问题的选择上，可以向前辈研究者或其他有经验的研究者寻求建议。需求他人的建议并不可耻，而当你最终决定好一个正确的研究问题时，你的技能潜力就会被激发出来，并能够很大程度很好地进行研究。

（编辑：广元站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!