选自 eugenevinitsky.github.io/posts
作者：Eugene Vinitsky
机器之心编译
编辑：悉闲
学无止境，但合理规划学习和研究将助力你提高博士生涯的学习成效。
考博不易，顺利且高效地读下来更不易。在这段求学生涯中，找到一条属于自己的高效学习之路显得尤为重要。
如何做呢？2023 年秋季将在纽约大学工学院（NYU Tandon）担任助理教授的 Eugene Vinitsky 畅想了他将如何为自己的博士生规划高效的学习之路。本文虽然面向多智能体强化学习（MARL）领域的研究者，但除了一些期望获得的特殊技能，提到的这些做法基本是通用的。
来源：https://twitter.com/EugeneVinitsky/status/1579248319280254977
成功的研究生涯第一年或第二年是什么样的？这很难说。本文可以帮大家制定一个学习标准，这样你就不至于苛求自己，也不必为实现一些不切实际的期望而倍感压力。同时能意识到，学习这些内容确实需要付出相当的时间和精力，不要对自己太过放松。
如果你在努力达成这些目标，我们正好可以探讨一下，看看你理解掌握的程度如何，存在什么问题，以便找到帮助你的办法！作者希望这些期待对你有所助益，能帮你实现目标，而非给你带来压力。一年级学生的主要任务是上课，可以设定以下基本目标。如果你能轻松达成甚至超越这些目标，你应该高兴自豪，但假如没能超出预期，也不要有太大压力。
每周要有 15-20 小时用于研究。然而，你未必能一直保持紧张高效的学习状态，所以如果你多花费了一些时间，例如浏览代码库或者搞清楚如何在集群上运行代码，也不要苛责自己。这同样是一种收获！这是我们的内在期望。我并不是在给你上紧发条，而是希望你在研究生期间能学会自我激励、自主学习。学习以课业为主，但要明白，课业只能让你基本理解所学内容。开始对课程内容只是粗浅理解，但随着不断探索掌握其中要义，你会有更深刻明晰的见解，学会区分这两者很重要；知识的随需随查和内化可用，二者之间也有很大区别。就实际成果来说，我认为一年级结束时你如果能达到以下几点，就是很不错的状态：- 充分熟悉你选择的机器学习库（最好是 PyTorch 或 JAX）。如果你熟悉如何编写 PyTorch 代码，其它的掌握起来也不难，这些库基本大同小异；
- 深入理解 Richard S. Sutton 和 Andrew G. Barto 的相关课题，前期学习优化课程和控制课程；
- 大量阅读我推荐阅读清单上的论文，它们可以说是根据你的兴趣定制的。
最后，找到你喜欢的系列研讨会并认真参加，会给你带来以下益处：- 从对某个课题一无所知到对其结构有所了解直到完全掌握，这个过程会带给你极大的成就感。注意：如果像大多数人一样，你不清楚研讨会前几个月的内容（研讨会通常面向熟悉特定研究领域的学生，因而会跳过一些入门信息），也不必气馁。但如果你上了三个月左右的研讨会还一无所获，告诉我，我们一起分析原因是什么；
能从中获取一些研究信息，或许对你将来的研究方向有所启发。一年级学生需要写一篇论文，一起列出大纲共同构思设计；主题可能和你兴趣或实验研究内容相关。论文第一作者可能是其他人，你初步涉足，只是提供一些帮助。我很乐意带领你设计这篇论文，但更期待你的思路，希望你能通过自己的努力和洞察拿出令人满意的成果。
注意：研究生容易陷入一个误区，认为前期只要专注于自己的课业就行了，只有达到某种预期水平才能投身研究。但并非如此，研究本身就是一种技能，只有在实践中积极探索，才能不断提高。一年级应该可以申请两到三项奖学金，我们可以具体讨论申请哪些。拿到一项奖学金，你就可以相对自由地追求自己的兴趣，不必担忧资金状况。这些奖学金能让你的博士研究生生活更加轻松愉快。
要有一个全面细致的研究笔记，可以参考一下我在《实现高成效研究的个人准则》（Personal Rules of Productive Research ）中的建议。建议不一定都对你有帮助，但我希望你试试看！我从心底认为不书写记录就无法深入思考；你也许不同意我的观点，但真的可以试一下。还望你们告知我哪些对你有所帮助，哪些可能没什么用。链接：http://eugenevinitsky.github.io/posts/personal_rules_of_productive_research.html我们一般情况每周开会，忙的时候可能每两周开一次。同时我没法凭空知晓你的想法，那么我坐着和你一起阅读你的研究笔记也就不会特别高效。所以，如果你能针对研究做一个内容提要就很好，可以是会议前一天给我分享 LaTex 文档，也可以是一个非正式的演示文稿，谈谈你目前的研究进展。这样我们就可以逐步改进继而得出完善的研究概要。
你可以规划一下，列出你愿意用两到三年时间着力解决的问题，而且要时常改进。如果你此时已经拿到奖学金，那就太棒了。如果没有，就再次申请！此时你应该对所选语言（可能是 Python）驾轻就熟了。如果同时在研究硬件方面的内容，那么也应熟悉 C++ 或其他能实时运行的软件。你应该在具体的学科领域学习一些高级课程，巩固你可能缺漏的知识点。这个阶段我就不应该继续提一般性看法了，而要提供一些有针对性的具体建议。不过我们还应就此探讨一下！正常情况下我们在第一年就会完成一篇论文。所以在此阶段，你对项目可能会有很多想法，这时我们需要共同打造一个项目，融合你我兴趣，但以你为主。合理的预期是今后一年至少写一篇论文，或者根据你的具体情况完成两篇。这一阶段就轮到你确定自己的研究方向了！目前你应该清楚接下来要专注于什么课题。你应该有完善的工具箱可以充分利用！此刻要确定研究方向的是你，而不是我。此时唯一的期望就是：- 设定一个清晰的阶段目标，明确两三年内要解决什么问题。现阶段你对此应该已有深入思考，因为中途改变目标会很难办。但这种情况也不无可能，所以如果发现陷于困局或者你不愿意继续研究当前的问题或课题了，也不要过分紧张；如果你已经全面深入地考虑过此类情况，那就会好很多；
- 此时（或更早）是参与组织研讨会的大好时机，可以借此机会把自己介绍给所在领域的大咖和志同道合的同学等。这也是我在博士期间做的最有用的事情之一；
- 学习：这里可能又有一个误区，就是一心沉迷于论文写作，置学习于不顾，如果是这样，你将永远困于仅掌握的单一技能。《关于机器学习研究的个人指南》（An Opinionated Guide on ML Research） 和《高效研究原则》（Principles of Effective Research） 中有一些很好的建议。
链接 1：http://joschu.net/blog/opinionated-guide-ml-research.html链接 2：https://michaelnielsen.org/blog/principles-of-effective-research/原文链接：http://eugenevinitsky.github.io/posts/expectation_setting.html
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：[email protected]
