如何保持ML / RL社区的最新研究者？

作为一个想从事机器学习的学生，我想知道如何开始我的学习，以及如何跟随它以保持最新。例如，我愿意研究RL和MAB问题，但是关于这些主题的文献很多。而且，这些主题是由来自不同社区的研究人员研究的，例如AI和ML，运筹学，控制工程，统计等。此外，我认为每周都有几篇关于这些主题的论文出版，因此很难追踪。

如果有人可以提出一个路线图来开始研究这些主题，关注它们以及我应该如何选择和研究新发表的论文，我将非常感激。最后，我愿意了解RL和MAB问题的新趋势。

machine-learning reinforcement-learning research markov-decision-process

— 卡塔通尼亚
source

在ML社区中，有一些很棒的资源可以保持最新状态。以下是几个同事给我看的：

深度学习监控器：此站点包含热门和新论文以及社区流行的推文！您甚至可以在这里专门查看RL论文
arxiv-sanity：此网站更新了流行和新论文，使其登上Arxiv
带有代码的论文：这个站点很棒，因为它不仅链接到论文，而且还链接到论文的实现，以在您自己的个人项目中进行复制或帮助。他们甚至拥有排行榜，并跟踪大量不同任务的最新技术水平（SoTA）
DL_twitter循环：鉴于大多数研究人员都在使用Twitter，因此您不能忘记它。这只是您可能喜欢的一个不错的团体

— 麦克利斯
source

亲爱的@mshlis。非常感谢。这些资源似乎很棒。

— Katatonia

如果我对深度学习监控器和arxiv-sanity的概念非常了解，那么它是某种内容聚合器网站，它收集现有论文的URL。缺少的功能是对信息进行评论和投票的能力，这相当于深度学习爱好者的社交网络。

— Manuel Rodriguez

@ManuelRodriguez还有一个ML subreddit

— mshlis '19