這篇文章整理了我自己工作之後,如何繼續保持與學術資源聯繫、持續精進的方法,enjoy it!
(圖:OpenAI blog)
一、學術搜尋與下載
畢業後使用學校網絡的門檻變高,使得學術資料的收集較不方便。我現在大部分閱讀的論文都是用 Google Scholar 搜尋之後找 arXiv 下載,大部分 computer science 的論文都可以在這找到,而且全是免費,真是窮人福音!
1. Google Scholar http://scholar.google.com/
Google Scholar 是 Google 於 2004 年 11 月推出的學術搜索服務,以 google 作搜尋引擎的經驗,做學術搜尋還是很值得信任的。一般來說學術文獻蒐尋分成下面兩個場景:
- 查詢已知標題的文章 (或是使用已知的 DOI、作者、期刊名稱)
- 用關鍵字蒐羅某主題的文章
由 Google Scholar 搜尋到的文章可能只是網站連結,還需要進去確認是否為免費下載。
2. arXiv https://arxiv.org/
優點:
- 打破出版商的壟斷和昂貴訂閱費用,讓知識傳播更容易。
- 提早展示自己的研究成果,證明論文原創性 (上傳時間戳記)。
- 提早取得同儕的評論意見,做為改善方向。
- 打破學界和社會大眾的籓籬:更公開、更透明。
缺點:
- 沒有審查機制,難以確保品質。
- 使用 pdf 和 latex,文本分析難度較高。
二、學術頂級會議
在 CV / DL / AI 領域,頂級會議 (top conference) 是發表重大研究成果的主要方式,而不是期刊 (journals),因此要追 state-of-the-art 的成果也以頂級會議的 paper 為主。當然以不同的地區 (歐洲、美洲、亞洲) 或各個研究領域看待不同的會議可能排名會稍有不同,但基本上來說,想上頂級會議還是非常困難的。
下面是目前 (2019) 一些著名的頂級會議整理:
1. Machine Learning
- ICML: International Conference on Machine Learning
- NIPS: Conference and Workshop on Neural Information Processing Systems (NeurIPS)
- ICLR: International Conference on Learning Representations
- COLT: Computational Learning Theory
- UAI: Uncertainty in Artificial Intelligence
- AISTATS: Artificial Intelligence and Statistics
2. Computer Vision
- ICCV: International Conference on Computer Vision
- CVPR: International Conference on Computer Vision and Pattern Recognition
- ECCV: European Conference on Computer Vision
以計算機視覺領域來說,ICCV、CVPR 和 ECCV 是 CV 領域的三大會議。ICCV 兩年舉辦一次 (奇數年),與 ECCV 剛好錯開,ECCV 在歐洲舉辦,CVPR 則是每年在美國舉辦。
3. Data Mining
- SIGIR: ACM Special Interest Group (SIG) on Information Retrieval
- SIGKDD: ACM Special Interest Group (SIG) on Knowledge Discovery and Data Mining
- WWW: The Web Conference
SIG 是 ACM 下的興趣小組 (Special Interests Group),很多 ACM 的興趣小組的會議,就會以 SIG-[name] 稱呼,在這裡分別是 Information Retrieval 和 Data mining。
4. Artificial Intelligence
- AAAI:American Association for Artificial Intelligence
- IJCAI:International Joint Conference on Artificial Intelligence
一樣是兩個老牌會議,但感覺大家在討論 ML 時覺得 AAAI 和 IJCAI 沒這麼頂尖,不過在 AI 領域應當還是翹楚。
三、知名科技公司部落格
Google AI blog
https://ai.googleblog.com/
Deepmind blog
https://deepmind.com/blog/
Facebook AI Research
https://research.fb.com/category/facebook-ai-research/
Microsoft AI Blog
https://blogs.microsoft.com/ai/
Amazon AI
https://blog.aboutamazon.com/amazon-ai
AWS Machine Learning Blog
https://aws.amazon.com/tw/blogs/machine-learning/
Apple Machine Learning Journal
https://machinelearning.apple.com/
NVIDIA News AI
https://news.developer.nvidia.com/category/artificial-intelligence/
OpenAI Research
https://openai.com/research/
最後,還是給自己一點期許:少看天花亂墜的 AI 內容農場,捲起袖子努力算數學、寫程式,才能做出優質的 AI 專案!
Alberto Pepe, Matteo Cantiello, Josh Nicholson - The arXiv of the future will not look like the arXiv
https://www.authorea.com/users/3/articles/173764-the-arxiv-of-the-future-will-not-look-like-the-arxiv
計算機視覺三大頂級國際會議
http://www.sigvc.org/bbs/thread-59-1-1.html
roadu - 為什麽不去讀頂級會議上的論文?適應於機器學習、計算機視覺和人工智能
http://muchong.com/html/201012/2659795.html
知乎
https://www.zhihu.com/
AI會議排名_周志華
http://blog.sina.com.cn/s/blog_631a4cc40100xl7d.html
https://ai.googleblog.com/
Deepmind blog
https://deepmind.com/blog/
Facebook AI Research
https://research.fb.com/category/facebook-ai-research/
Microsoft AI Blog
https://blogs.microsoft.com/ai/
Amazon AI
https://blog.aboutamazon.com/amazon-ai
AWS Machine Learning Blog
https://aws.amazon.com/tw/blogs/machine-learning/
Apple Machine Learning Journal
https://machinelearning.apple.com/
NVIDIA News AI
https://news.developer.nvidia.com/category/artificial-intelligence/
OpenAI Research
https://openai.com/research/
最後,還是給自己一點期許:少看天花亂墜的 AI 內容農場,捲起袖子努力算數學、寫程式,才能做出優質的 AI 專案!
References
https://www.authorea.com/users/3/articles/173764-the-arxiv-of-the-future-will-not-look-like-the-arxiv
計算機視覺三大頂級國際會議
http://www.sigvc.org/bbs/thread-59-1-1.html
roadu - 為什麽不去讀頂級會議上的論文?適應於機器學習、計算機視覺和人工智能
http://muchong.com/html/201012/2659795.html
知乎
https://www.zhihu.com/
AI會議排名_周志華
http://blog.sina.com.cn/s/blog_631a4cc40100xl7d.html