arXiv에 관한이 질문을 읽고 이전에 알지 못했던 GitXiv에 대한 링크를 찾은 후 사람들이 해당 지역의 최신 연구에 대한 최신 정보를 유지하기 위해 어떤 웹 사이트 / 리소스를 사용하는지 궁금했습니다.
arXiv에 관한이 질문을 읽고 이전에 알지 못했던 GitXiv에 대한 링크를 찾은 후 사람들이 해당 지역의 최신 연구에 대한 최신 정보를 유지하기 위해 어떤 웹 사이트 / 리소스를 사용하는지 궁금했습니다.
답변:
데이터 과학자로서 컴퓨팅, 소프트웨어 및 데이터 도메인에 대한 최신 연구를 따라야합니다. 그리고 다음은 (Gtxiv에 숨어있는 것을 제외하고) 계속 업데이트하기 위해해야 할 일입니다.
세미나와 컨퍼런스에 참석하는 것이 가장 좋습니다. 활발한 연구원들과 이야기 할 때, 현장에서 무슨 일이 일어나고 있는지, 소문, 필터링되지 않은 의견 등에 대해 더 많은 배경을 공유 할 것입니다.
나는 물리학에서 옛날에 많은 연구를했던이 그룹의 연구자들이 있었지만, 현장에있는 사람들은 그것이 쓰레기라는 것을 알고있었습니다. 따라서 회의에 참석하지 않으면 파악하기 어렵습니다.
업데이트 : Google Scholar 및 ResearchGate에도 프로필이 있습니다. 둘 다이 포털을 통해 게시하고 읽는 논문을 기반으로 논문을 추천합니다. 두 가지 모두 소음이 많이 들지만 Google Scholar는 관련있는 흥미로운 논문을 더 자주 암시합니다. 나는 또한 거의 항상 Scholar에서 가장 먼저 찾게되므로 내가 어떤 종류의 물건을 자주 찾는 지 잘 알고 있습니다.
아마도 당신이 찾고있는 가장 중요한 것은 당신이 어떤 분야에 있든 당신에게 흥미롭지 않은 "정크"를 신속하게 제거하는 방법입니다.
최근에 출판 된 논문을 게재하는 저널의 이메일은 좋지만 RSS 피드와 같은 것이 더 좋습니다. 그러면 피드 리더에서 결과를 집계 할 수 있습니다. 여러 저널의 결과를 한 곳에 모으면 제목을 "읽기", "읽지 않음"및 "아마도"와 같은 더미로 빠르게 분류 할 수 있습니다. 그러나 종종 당신의 초점 영역을 다루는 저널이 너무 많아서 다루기가 어려울 수도 있습니다.
관심있는 논문을 배우고 자동으로 분류 할 수있는 머신 러닝 유형 추천 엔진에 대한 희망을 갖고 있습니다. Netflix / Amazon 추천 서비스와 비슷하지만 저널 기사에 적합합니다. 아직 진심으로 추천 할 수있는 것은 없지만 Sparrho 와 함께 놀았 으며 제대로 작동하는 것 같습니다. 내가 아는 또 다른 추천 엔진 사이트는 PubChase 이지만 그것은 생의학 전용입니다.
추신 : 나는 전형적인 기계 학습 연구 논문을 읽는 데 약간의 시간이 걸리고이 연구 논문의 평신도 요약을 읽는 것을 신경 쓰지 않는 나와 같은 단순한 필사자를 도우려는 의도 로이 질문에 대답합니다.
최신 기계 학습 및 딥 러닝 연구를 최신 상태로 유지하기 위해 보통 다음 소스 에서 평신도 용어 로 작성된 연구 기계 학습 논문 요약을 살펴 봅니다 .
다시 말하지만, 이것은 전형적인 연구 논문을 살펴 보는 데 오랜 시간이 걸리는 경향이 있으므로 최신 연구를 최신 상태로 유지하기 위해하는 일입니다.