Research ======== 工具 ---- 谷歌学术、MIT/卡梅隆/北大清华图书馆资源库、公司内部知识库(如商汤/阿里) 博客 ---- - https://medium.com/ - https://towardsdatascience.com/ - https://ai.googleblog.com/ - https://deepmind.com/blog/?category=research - https://research.fb.com/ - https://www.academia.edu/ ## 论文 顶级会议 ~~~~~~~~ `如何收集和整理论文（面向CS专业） `__ - NLP：ACL / NAACL / EMNLP … - CV: CVPR / ICCV / ECCV … - ML: ICML / ICLR / NIPS / AAAI … - Data Mining & Information Retrieval: WWW / KDD / IJCAI … Sci-Hub ~~~~~~~ http://www.sci-hub.io/ 备用站点：http://www.sci-hub.cc/ 中国版以及备用站点：http://www.sci-hub.cn/、http://www.sci-hub.xyz/ 谷歌学术 ~~~~~~~~ 谷歌学术网址，http://scholar.glgoo.org/、https://xs.glgoo.net/、http://scholar.hedasudi.com/ 也有镜像网站合集http://www.dirmor.com/ Library Genesis ~~~~~~~~~~~~~~~ Library Genesis号称是帮助全人类知识无版权传播的计划。网站上论文很多，下载方便，还有很多外文书籍和中文书籍，几乎每天都在更新。http://gen.lib.rus.ec/ arXiv ~~~~~ www.arxiv.org arXiv， 是archive（归档）的意思，是一个由康乃尔大学维护的免费的多学科论文预出版（preprint）数据库。所谓预出版，就是说论文还没有经过同行评审，文责自负，文章质量参差不齐，所以一般不会作为正式的学术成果。不过有的学科习惯上先把文章公开到arXiv上，然后再提交到会议上。 arXiv 是我们搜索、浏览和下载学术论文的重要工具。近 30 年来，arXiv 为公众和研究社区提供了开放获取学术论文的服务。这些论文涉及物理学的庞大分支和计算机科学的众多子学科，如数学、统计学、电气工程、定量生物学和经济学等等。 Chrome extension that adds video explanations to research papers on arxiv.org: https://github.com/amitness/papers-with-video arxiv-sanity ~~~~~~~~~~~~ 特斯拉的人工智能高级总监 Andrej Karpathy：http://www.arxiv-sanity.com/ 感兴趣相关度排序、个人图书馆、推荐系统、都在看什么\ `2 `__ https://arxiv.xixiaoyao.cn/ semanticscholar\ `3 `__ ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ https://www.semanticscholar.org/ metacademy ~~~~~~~~~~ https://metacademy.org/ metacademy看作一副机器学习和人工智能的知识图谱，在上面搜索任意机器学习或者人工智能的知识概念，它会告诉你学习这个知识点需要什么前置知识，需要多长时间掌握，并罗列出相关的课程。 AMiner\ `3 `__ ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 输入关键词就能找到对应的学者： https://www.aminer.cn/ https://www.aminer.cn/ai2000/country/China 著名学者 ~~~~~~~~ AI 领域大多数有影响力的人物（比如谷歌的 Peter Norvig，Facebook AI 研究的 Yann LeCun 以及微软的 Eric Horvitz） 论文 ~~~~ https://openreview.net/ CV领域Paper论文常见单词(一) - 王大东的文章 - 知乎 https://zhuanlan.zhihu.com/p/58860096 https://ying-zhang.github.io/misc/2016/we-love-paper/ 代码 ---- Papers with Code\ `1 `__ ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 机器学习资源网站 Papers with Code 自创立以来，凭借丰富的开放资源和卓越的社区服务，成为机器学习研究者最常用的资源网站之一。网站还根据细分领域的指标对论文进行了整理和排序。以图像配准（Image Registration）为例。指标、论文、代码，安排得明明白白。 2019 年底，Papers with Code 正式并入 Facebook AI。最近，它又有了新举措：与论文预印本平台 arXiv 展开合作，支持在 arXiv 页面上添加代码链接。 Browse State-of-the-Art: https://paperswithcode.com/sota Github - Awesome\ `3 `__ ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 以 awesome 为名，进行某个领域资料的高质量整合。 实践 ~~~~ 推荐网站：https://www.kaggle.com/ mathpix ------- 手写/截图 转 LaTex公式：https://mathpix.com/ LaTex如果所有公式都要自己手打还是很痛苦的。（虽然很多时候一篇Deep Learning方向的paper公式数量只有十个左右（这还是在强行加上LSTM等被翻来覆去写烂的公式的情况下）） http://deepdive.nn.157239n.com/ 报告 ---- http://www.zft-park.com.cn/index.php?m=Article&a=show&id=384 数据 ---- https://www.jiangdabai.com/downloads