¿Cómo seguir siendo un investigador actualizado en la comunidad ML / RL?

11

Como estudiante que quiere trabajar en el aprendizaje automático, me gustaría saber cómo es posible comenzar mis estudios y cómo seguirlo para estar al día. Por ejemplo, estoy dispuesto a trabajar en problemas de RL y MAB, pero hay grandes publicaciones sobre estos temas. Además, estos temas son estudiados por investigadores de diferentes comunidades como AI y ML, Investigación de Operaciones, Ingeniería de Control, Estadísticas, etc. Y, creo que se publican varios artículos sobre estos temas cada semana, lo que hace que sea muy difícil seguirlos.

Estaría agradecido si alguien puede sugerir una hoja de ruta para comenzar a estudiar estos temas, seguirlos y cómo debo seleccionar y estudiar los nuevos artículos publicados. Finalmente, estoy dispuesto a conocer la nueva tendencia en el problema de RL y MAB.

Katatonia
fuente

Respuestas:

11

Hay algunos recursos maravillosos para mantenerse al día en la comunidad de ML. Aquí hay un puñado que me mostró un compañero de trabajo:

  1. Monitor de aprendizaje profundo : este sitio contiene documentos nuevos y actuales junto con tweets que la comunidad populariza. Incluso puedes ver documentos RL específicamente aquí

  2. Arxiv-sanity : este sitio se actualiza con documentos populares y nuevos que llegan a Arxiv

  3. documentos con código : este sitio es maravilloso porque no solo se vincula a documentos, sino que también se vincula a su implementación para reproducción o asistencia en sus propios proyectos personales. Incluso tienen una tabla de clasificación y realizan un seguimiento del estado del arte ( SoTA ) en toneladas de tareas diferentes

  4. DL_twitter loop : No puedes olvidar twitter, dado que la mayoría de los investigadores lo usan; este es solo un buen grupo que te puede gustar

mshlis
fuente
1
Estimado @mshlis. Muchas gracias. Estos recursos parecen geniales.
Katatonia
Si he entendido bien el concepto de Deep Learning Monitor y arxiv-sanity, entonces es algún tipo de sitio web de agregador de contenido que recopila las URL de los documentos existentes. Lo que falta es la capacidad de comentar y votar la información que es igual a una red social para los entusiastas de Deeplearning.
Manuel Rodriguez
@ManuelRodriguez también tiene un subreddit ML
mshlis