Сколько себя помню, я хотел быть ученым. Однако только в последние несколько лет я начал понимать, что на самом деле значит быть ученым и как мне нравится быть им!
Я работал в нескольких академических и промышленных лабораториях, занимаясь исследованиями машинного обучения и его приложений. Мне посчастливилось получать советы от блестящих исследователей, и большинство вещей, которые я узнал, я приписываю им.
Я думал, что напишу сообщение в блоге и расскажу о некоторых вещах, которые я узнал на этом пути.
Примечание. Я относительно молодой исследователь и уже около двух лет занимаюсь исследованиями в области машинного обучения.
Итак, разобравшись с этим, вот список вещей, которые я хотел бы знать, когда только начинал свою исследовательскую карьеру.
1. Скептицизм
Да, я хотел бы начать с позитивной ноты и посоветовать вам быть пессимистом и ничему не доверять слепо. Важно подвергать сомнению все, с чем вы сталкиваетесь, сейчас более, чем когда-либо, когда эта область движется так быстро с потоком статей, публикуемых каждый день. Когда вы читаете статью, спросите, следовали ли они правильному научному методу, спросите, верны ли основные предположения, которые используются в статье, и подтверждают ли экспериментальные результаты то, что авторы изначально собирались показать.
Что касается ваших собственных экспериментов, отнеситесь к полученным результатам крайне скептически. Попробуйте придумать альтернативные объяснения своим результатам и систематически исключать их одно за другим. Проведите надлежащие исследования абляции, чтобы убедиться, что вы можете установить корреляцию между вашей гипотезой и вашим результатом.
Я знаю, что приятно, когда результаты подтверждают вашу гипотезу, но, рассматривая альтернативные объяснения, вы можете быть более уверены в своей работе.
2. Простота
Начните с простых экспериментов. Очень заманчиво создать сложную модель и надеяться, что она даст самые современные результаты для вашей задачи с первого взгляда. К сожалению, такое случается редко.
Сначала проведите простые эксперименты, установите правильные исходные данные и затем двигайтесь вперед соответственно. [Если вы не абсолютный гений и не знаете, что делаете, продолжайте делать все, что вам подходит. Этот совет для плебеев вроде меня.]
3. Обзор литературы
Есть большая вероятность, что ранее были предприняты попытки решить проблему, которую вы пытаетесь решить. Вы можете сэкономить много времени и усилий, изучив подходы, которые использовались в прошлом для решения вашей проблемы. Понимая, где они работали, а где не работали, вы можете избежать тех же ошибок. Если у вас нет веских оснований подозревать предыдущее исследование, не изобретайте велосипед.
4. Обращение за помощью
Иногда вы можете потерять из виду общую цель своего проекта и почувствовать, что застряли в колее. Попросите кого-нибудь взглянуть на вашу работу. Постороннему человеку легче взглянуть на ваш проект с высоты птичьего полета и поделиться свежими взглядами.
Сделайте так, чтобы людям было проще вам помогать. Предоставьте им короткую презентацию или рецензию, резюмирующую вашу работу, вместо того, чтобы выкладывать на них все свои черновые заметки и код. Они оценят приложенные усилия и, возможно, сделают все возможное, чтобы помочь вам.
И наоборот, прилагайте искренние усилия, когда люди просят вас о помощи. Вы всегда можете сказать «нет», если чувствуете, что они не уважают ваше время и усилия.
Исследования могут разочаровывать, и иногда вам может казаться, что Вселенная против вас. Но не забывайте, что это процесс!
Привет! Я странствующий исследователь машинного обучения, который любит космос, музыку, футбол и иногда переживает экзистенциальные кризисы.
