在阅读了有关arXiv的问题并找到了我以前没有意识到的GitXiv的链接之后,我想知道人们使用了哪些网站/资源来了解其领域的最新研究?
在阅读了有关arXiv的问题并找到了我以前没有意识到的GitXiv的链接之后,我想知道人们使用了哪些网站/资源来了解其领域的最新研究?
Answers:
作为数据科学家,我需要跟上有关计算,软件和数据领域的最新研究。以下是一些我可以随时更新的信息(除了潜伏在Gitxiv中):
参加研讨会和会议是最好的方法。当您与活跃的研究人员交谈时,他们将分享有关该领域正在发生的事情,谣言,未经过滤的观点等的更多背景信息。
我记得我在物理学的年代,我们有一群研究人员发表了很多文章,但是那些从事该领域研究的人都知道这是垃圾。因此,如果您不参加会议,将很难弄清楚。
更新:我在Google Scholar和ResearchGate中也有个人资料。两者都根据您在这些门户网站上发表和阅读的论文来推荐论文。我发现两者都会产生很大的噪音,但是Google学术搜索会更频繁地提示相关有趣的论文。我也几乎总是首先在Scholar中查找,因此它很清楚我经常寻找什么样的东西。
您可能正在寻找的主要内容是一种快速清除对您所从事的领域不感兴趣的“垃圾”的方法。
列出最近发表论文的期刊电子邮件是不错的选择,但RSS提要之类的东西则更好,它使您可以将结果汇总到所选的提要阅读器中。将多个期刊的结果放在一个位置使您可以快速将标题分类为“读取”,“不读取”和“也许”之类的堆。但是,经常有如此多的期刊涉及您的关注领域,以至于这些期刊都很难做到。
我对机器学习类型推荐引擎抱有希望,该引擎可以学习我感兴趣的论文类型并自动对它们进行分类。有点像Netflix / Amazon推荐服务,但用于期刊文章。我尚无法全力推荐,但我与Sparrho一起玩过,而且效果不错。我知道的另一个推荐引擎站点是PubChase,但这仅是生物医学的。
附言:我只是回答这个问题,目的是帮助像我这样的凡人,他们需要很长时间才能阅读典型的机器学习研究论文,并且不介意阅读这些研究论文的外行总结。
为了跟上最新的机器学习和深度学习研究的最新进展,我通常会从以下来源对机器学习研究论文进行总结,这些论文以通俗易懂的方式撰写:
再说一遍:这是我要跟上最新研究的工作,因为我倾向于花很长时间阅读一份典型的研究论文。