研究生如何做研究PPT课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
9
多阅读-不断更新自己的知识结构
个人推荐一种比较好的方法，借用Google Reader 等 RSS工具订阅相关刊物，随时关注相关领域的最新研 究进展。
10
多阅读-不断更新自己的知识结构
如何阅读？ 由点到面：
选择实践工作中的某个或某些疑点，热点，由一个小枝节， 检索较全的文献，一般近期（3年内）的20篇左右已经相当 多了；
有了一定的知识基础以后，对于繁杂的文献，要有个 人的判断;
追踪某个专题、某个专家的研究进展，比较对于同一 专题的论点的发展，掌握其新的方法或新结论，或注 意作者观点的改变，探究其原因;
对于高质量高水平的期刊，定期浏览，从面上了解学 术进展和热点，根据个人的兴趣和工作进展，逐篇仔 细阅读新作.
12
多阅读-不断更新自己的知识结构
碰到非常难的文献，或者与自己领域很相关，但是 暂时又难以读懂的文献怎么办？ • 首先不要害怕，读不懂没有关系，先了解大致内容 ，知道文章中写了什么，采用了什么方法就可以了 • 等到自己的知识不断的积累和拓展，过上一段时间 后，自己再去阅读以前不懂的文章，那么效果就会 是完全两样
学习别人是怎么发现解决问题的，了解目前对这个问题的共 同看法和分歧；
然后，扩展开来，根据兴趣和研究的目的，知道在该研究领 域：谁的文章被引用的次数多，谁的文章最多最新最有启发 性。上网找全文看。逐步扩展自己的视野，构建个人的专业 知识结构和看法。
11
多阅读-不断更新自己的知识结构
如何阅读？ 由杂到精:
6
多阅读-不断更新自己的知识结构
知识工程、数据挖掘方面的期刊包括：
《IEEE知识与数据工程汇刊》（IEEE Transactions on Knowledge and Data Engineering）
《数据挖掘与知识发现》（Data Mining and Knowledge Discovery） 《知识与信息系统》（Knowledge and Information Systems） 《智能数据分析》（Intelligent Data Analysis） 《信息系统》（Information Systems）
涉及数据挖掘，侧重机器学习：
JOURNAL OF MACHINE LEARNING RESEARCH （JMLR） MACHINE LEARNING （ML） IEEE TRANSACTIONS ON NEURAL NETWORKS（TNN）
8
多阅读-不断更新自己的知识结构
人工智能其它方面的期刊：
7
多阅读-不断更新自己的知识结构
相关方面的期刊包括：
涉及数据挖掘，侧重模式识别：
IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE (TPAMI)
PATTERN RECOGNITION (PR) NEURAL COMPUTATION PATTERN RECOGNITION LETTERS（PRL） NEUROCOMPUTING NEURAL PROCESSING LETTERS
and Techniques》 ； Bishop等的《Pattern Recognition and Machine Learning》； ……
3
多阅读-不断更新自己的知识结构
随时关注和自己的topic相关的研究领域的前沿，包括重要期刊和会议. 致力于数据挖掘领域研究的一些主要会议包括: ACM SIGKDD知识发现与数据挖掘国际会议（KDD） IEEE数据挖掘国际会议（ICDM） SIAM数据挖掘国际会议（SDM） 欧洲数据库中知识发现的原理与实践会议（PKDD） 亚太知识发现与数据挖掘会议（PAKDD） 数据挖掘的文章也可以在其他主要会议上找到，如 ACM SIGMOD/PODS会议 超大型数据库国际会议（VLDB） 信息与知识管理会议（CIKM） 数据工程国际会议（ICDE） 机器学习国际会议（ICML） 人工智能国际学术会议（AAAI）
Techniques》； 侧重统计学习的书籍：Hastie等《The Elements of Statistical
Learning》、《All Of Statistics》； 侧重机器学习或模式识别的一些书包括： Duda等的《Pattern Classification (2nd)》； Mitchell的《Machine Learning》； Witten和Frank的《Data Mining: Practical Machine Learning Tools
目录
科研心得
• 多阅读 • 多总结 • 多交流
工作简介
1
目录
科研心得
• 多阅读 • 多总结 • 多交流
工作简介
2
多阅读-不断更新自己的知识结构
读书，读好书
比如和数据挖掘、机器学习相关的经典书籍有如下一些： 引论性教科书包括Han和Kamber的《Data Mining, Concepts and
ARTIFICIAL INTELLIGENCE IEEE TRANSACTIONS ON EVOLUTIONARY
COMPUTATION IEEE TRANSACTБайду номын сангаасONS ON SYSTEMS MAN AND
CYBERNETICS PART B-CYBERNETICS COMPUTATIONAL INTELLIGENCE INFORMATION SCIENCE APPLIED SOFT COMPUTING SOFT COMPUTING …
《智能信息系统杂志》（Journal of Intelligent Information Systems）
《数据与知识工程》（Data & Knowledge Engineering） 《专家系统应用》（Experts Systems with application） 《基于知识的系统》（Knowledge-Based Systems） 《决策支持系统》DECISION SUPPORT SYSTEMS 《专家系统》EXPERT SYSTEMS
多阅读-不断更新自己的知识结构
个人推荐一种比较好的方法，借用Google Reader 等 RSS工具订阅相关刊物，随时关注相关领域的最新研 究进展。
10
多阅读-不断更新自己的知识结构
如何阅读？ 由点到面：
选择实践工作中的某个或某些疑点，热点，由一个小枝节， 检索较全的文献，一般近期（3年内）的20篇左右已经相当 多了；
有了一定的知识基础以后，对于繁杂的文献，要有个 人的判断;
追踪某个专题、某个专家的研究进展，比较对于同一 专题的论点的发展，掌握其新的方法或新结论，或注 意作者观点的改变，探究其原因;
对于高质量高水平的期刊，定期浏览，从面上了解学 术进展和热点，根据个人的兴趣和工作进展，逐篇仔 细阅读新作.
12
多阅读-不断更新自己的知识结构
碰到非常难的文献，或者与自己领域很相关，但是 暂时又难以读懂的文献怎么办？ • 首先不要害怕，读不懂没有关系，先了解大致内容 ，知道文章中写了什么，采用了什么方法就可以了 • 等到自己的知识不断的积累和拓展，过上一段时间 后，自己再去阅读以前不懂的文章，那么效果就会 是完全两样
学习别人是怎么发现解决问题的，了解目前对这个问题的共 同看法和分歧；
然后，扩展开来，根据兴趣和研究的目的，知道在该研究领 域：谁的文章被引用的次数多，谁的文章最多最新最有启发 性。上网找全文看。逐步扩展自己的视野，构建个人的专业 知识结构和看法。
11
多阅读-不断更新自己的知识结构
如何阅读？ 由杂到精:
6
多阅读-不断更新自己的知识结构
知识工程、数据挖掘方面的期刊包括：
《IEEE知识与数据工程汇刊》（IEEE Transactions on Knowledge and Data Engineering）
《数据挖掘与知识发现》（Data Mining and Knowledge Discovery） 《知识与信息系统》（Knowledge and Information Systems） 《智能数据分析》（Intelligent Data Analysis） 《信息系统》（Information Systems）
涉及数据挖掘，侧重机器学习：
JOURNAL OF MACHINE LEARNING RESEARCH （JMLR） MACHINE LEARNING （ML） IEEE TRANSACTIONS ON NEURAL NETWORKS（TNN）
8
多阅读-不断更新自己的知识结构
人工智能其它方面的期刊：
7
多阅读-不断更新自己的知识结构
相关方面的期刊包括：
涉及数据挖掘，侧重模式识别：
IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE (TPAMI)
PATTERN RECOGNITION (PR) NEURAL COMPUTATION PATTERN RECOGNITION LETTERS（PRL） NEUROCOMPUTING NEURAL PROCESSING LETTERS
and Techniques》 ； Bishop等的《Pattern Recognition and Machine Learning》； ……
3
多阅读-不断更新自己的知识结构
随时关注和自己的topic相关的研究领域的前沿，包括重要期刊和会议. 致力于数据挖掘领域研究的一些主要会议包括: ACM SIGKDD知识发现与数据挖掘国际会议（KDD） IEEE数据挖掘国际会议（ICDM） SIAM数据挖掘国际会议（SDM） 欧洲数据库中知识发现的原理与实践会议（PKDD） 亚太知识发现与数据挖掘会议（PAKDD） 数据挖掘的文章也可以在其他主要会议上找到，如 ACM SIGMOD/PODS会议 超大型数据库国际会议（VLDB） 信息与知识管理会议（CIKM） 数据工程国际会议（ICDE） 机器学习国际会议（ICML） 人工智能国际学术会议（AAAI）
Techniques》； 侧重统计学习的书籍：Hastie等《The Elements of Statistical
Learning》、《All Of Statistics》； 侧重机器学习或模式识别的一些书包括： Duda等的《Pattern Classification (2nd)》； Mitchell的《Machine Learning》； Witten和Frank的《Data Mining: Practical Machine Learning Tools
目录
科研心得
• 多阅读 • 多总结 • 多交流
工作简介
1
目录
科研心得
• 多阅读 • 多总结 • 多交流
工作简介
2
多阅读-不断更新自己的知识结构
读书，读好书
比如和数据挖掘、机器学习相关的经典书籍有如下一些： 引论性教科书包括Han和Kamber的《Data Mining, Concepts and
ARTIFICIAL INTELLIGENCE IEEE TRANSACTIONS ON EVOLUTIONARY
COMPUTATION IEEE TRANSACTБайду номын сангаасONS ON SYSTEMS MAN AND
CYBERNETICS PART B-CYBERNETICS COMPUTATIONAL INTELLIGENCE INFORMATION SCIENCE APPLIED SOFT COMPUTING SOFT COMPUTING …
《智能信息系统杂志》（Journal of Intelligent Information Systems）
《数据与知识工程》（Data & Knowledge Engineering） 《专家系统应用》（Experts Systems with application） 《基于知识的系统》（Knowledge-Based Systems） 《决策支持系统》DECISION SUPPORT SYSTEMS 《专家系统》EXPERT SYSTEMS