有任何问题问我，请开issue！

技能学习

1. 熟练掌握Git技巧，和使用Github搜索代码和资料的能力（必备技能）；

2. 熟练掌握Python编码和工具栈（必备技能）；

• https://pytorch.org/tutorials/

3. 学习Machine Learning/Deep Learning的相关基础知识（必备技能，3.1必选，3.2-3.4选一）：

• 3.1 [Classification and Regression] https://www.coursera.org/learn/machine-learning?irclickid=UNMVRMV4txyNTQsQlh0EeyfHUkAQGYUWWQAP2w0&irgwc=1&utm_medium=partners&utm_source=impact&utm_campaign=1359989&utm_content=b2c https://www.bilibili.com/video/BV1ZB4y1s7QT/?spm_id_from=333.337.search-card.all.click&vd_source=c92fc244f6b5a1a8e14577f8fc8605e8
• 3.2 [Deep Learning] https://www.coursera.org/specializations/deep-learning?irclickid=UNMVRMV4txyNTQsQlh0EeyfHUkAQGYTfWQAP2w0&irgwc=1&utm_medium=partners&utm_source=impact&utm_campaign=1359989&utm_content=b2c https://www.bilibili.com/video/BV1qP411e7GJ/?spm_id_from=333.337.search-card.all.click&vd_source=c92fc244f6b5a1a8e14577f8fc8605e8
• 3.3 [Stanford 224n NLP方面] https://web.stanford.edu/class/cs224n/ https://www.bilibili.com/video/BV1jt421L7ui/?spm_id_from=333.337.search-card.all.click
• 3.4 [Stanford 231n CV方面] https://web.stanford.edu/class/cs224n/ https://www.bilibili.com/video/BV1nJ411z7fe/?vd_source=c92fc244f6b5a1a8e14577f8fc8605e8

4. 一些其他非常重要的材料，看得越多越好（扩展技能）：

• [QXP神经网络与深度学习] https://nndl.github.io/
• [Pytorch+DL] https://github.com/ShusenTang/Dive-into-DL-PyTorch
• [全材料整理] https://github.com/Mikoto10032/DeepLearning
• [机器学习原理] https://github.com/shunliz/Machine-Learning
• [李沐大神的视频专栏] https://github.com/mli/paper-reading 推荐，特别是一些经典论文的解读

5. 科研，阅读和协作

• [适合CS新生] https://github.com/qiyuangong/How_to_Search_and_Read_a_Paper 建议必读
• [How to read a computer science research paper?] https://www.youtube.com/watch?v=foflxVMuF6A 建议必读
• [QXP如何写论文] https://xpqiu.github.io/slides/20181019-PaperWriting.pdf
• [科研工具] https://github.com/bighuang624/AI-research-tools
• [Latex和Overleaf] https://www.overleaf.com/learn/latex/Learn_LaTeX_in_30_minutes

阅读训练

1. 每位同学在Github Organization内建立自己的readling-list项目，命名为reading-list-{姓名拼写首字母+年级}，如23级研究生张三同学的repo为reading-list-zs23
2. 以markdown形式在readme中记录自己的阅读条目和进度，一个比较好的参考：https://github.com/zhongpeixiang/AI-NLP-Paper-Readings
3. 论文阅读范畴和质量标准：来自数据库领域、机器学习领域、数据挖掘和信息检索领域、自然语言/图像/时空等方向的优秀论文，精读论文应来自CCF列表 A类B类会议和期刊、清华 TH-CPL列表、IEEE/ACM Trans、JCR Q1/Q2期刊、Nature/Science相关子刊等
4. 论文阅读速度标准：硕士生同学应做到每周精读1-2篇及粗读3-5篇；博士生同学应做到每周精读2-3篇及粗读5-7篇；筛选论文不算入粗读论文
5. 值得精读的论文的三大原则：有开源实现、有较高引用数、方向较为匹配，不确定可以来问我
6. 定期开展seminar交流，同学们依次做presentation和QA，加强该方面技能的训练

FAQ：

• Q: Arxiv preprint和非上述列表能读吗？ A: 能，但原则上应该是Google Scholar上引用量大或被引速度快的文章
• Q: 没有开源实现一定不能精读吗？ A: 不一定。很多论文没有公开代码，至少在文章里没有写明；如果特别相关以及影响力较大，可以通过写邮件方式来询问或者找相关的开源版本实现