AI领域：如何做优秀研究并写高水平论文？

深度强化学习报道

来源：周志华教授报告PPT

编辑：DeepRL

每个人从本科到硕士，再到博士、博士后，甚至工作以后，都会遇到做研究、写论文这个差事。论文通常是对现有工作的一个总结和展示，特别对于博士和做研究的人来说，论文则显得更加重要。

那么该如果做突出研究，并写出高水平的论文呢？

那么该如果做突出研究，并写出高水平的论文呢？

那么该如果做突出研究，并写出高水平的论文呢？

本文整理了著名人工智能学者周志华教授《做研究与写论文》的PPT(时间比较早，但方法永远不会过时)。其详细介绍了关于为什么要做研究？如何做研究，选择研究方向、选择研究课题(Topic)，学习领域知识、选期刊投稿、稿件处理过程、写高水平论文的方法与技巧等方面的知识，是一份非常优秀的做研究和写论文指南，值得每个人细读（推荐指数：★★★★）

周志华个人简介

他于2001年1月留校任教，2002年破格晋升副教授，2003年获 国家杰出青年科学基金，随后被聘任为教授，2004年获博士生导师资格，2006年入选教育部长江学者特聘教授。现任南京大学 校学术委员会委员、计算机科学与技术系 主任、人工智能学院 院长，主要从事人工智能、机器学习、数据挖掘等领域的研究工作。主持多项科研课题，出版《机器学习》(2016)、《Ensemble Methods: Foundations and Algorithms》(2012)、《Evolutionary Learning: Advances in Theories and Algorithms》(2019)。

更多详见：https://cs.nju.edu.cn/zhouzh/

主要代表著作

第一部分

第二部分

郑重声明：本文内容为周志华教授报告PPT，解释权系原作者所有，本文分享仅供大家学习参考使用，切勿做其他用途。

希望大家看完本文，能够对自己有所启发，并祝愿各位能做出突出研究。

原文PDF下载链接

https://pan.baidu.com/s/17Mq8y7DFRoY7sGESF9vZhQ 

提取码: nmvk 

深度强化学习实验室

算法、框架、资料、前沿信息等

长按二维码关注我们吧

GitHub仓库

https://github.com/NeuronDance/DeepRL

欢迎Fork,Star,Pull Request

微信交流群助手：

NeuronDance

▼

往期精彩回顾

▼

第一篇： 【重磅】61篇NIPS2019深度强化学习论文及部分解读

第二篇： 深度强化学习框架-OpenSpiel(DeepMind开源28种DRL环境+24种DRL算法实现)

第三篇： 基于模块化和快速原型设计的Huskarl深度强化学习框架

第四篇： DRL在Unity自行车环境中配置与实践

第五篇： 解读72篇DeepMind深度强化学习论文

第六篇： 《AutoML》：一份自动化调参的指导

第七篇： ReinforceJS库（动态展示DP、TD、DQN算法运行过程）

第八篇： 过去10年NIPS顶会强化学习论文(100多篇)汇总（2008-2018年）

第九篇： ICML2019-深度强化学习文章汇总

第十篇： DRL在阿里巴巴推荐系统的应用---《深度强化学习在阿里巴巴的技术演进与业务创新》

第十一篇： 深度强化学习十大原则

第十二篇： “超参数”与“网络结构”自动化设置方法---DeepHyper

第十三篇： 深度强化学习的加速方法

第十四篇： 深入浅出解读"多巴胺（Dopamine）论文"、环境配置和实例分析