转载这篇文章，主要是有两句话特别认同：
“持续而缓慢的学习，而不是临时抱佛脚，才能带来长久的成长。”
——吴恩达
“智慧不是学校教育的产物，而是终身学习的产物。”
——阿尔伯特·爱因斯坦
以下为原文：
在人工智能和机器学习领域中，了解前沿学者的最新研究的能力是每位严肃认真的机器学习从业人员都应该掌握的一项技能。为了跟上行业前沿并增加知识，机器学习从业人员需要具有学术性的思维和习惯。AI、ML和DL的发展日新月异，我们必须掌握前沿研究的知识，而这些知识只能通过阅读论文才能获得。
CS230是斯坦福大学开设的深度学习课程，由吴恩达主讲，他在第8课中就如何读论文提出了一些建议。
计算机视觉工程师Richmond Alake将课程内容总结为7个建议，写成文章发表在Medium上，短短数日已收获四千赞。
AI科技评论将文章编译，希望为在科研道路上挣扎、或即将进入这个坑的学生，带来一丝启发：
本文将教你如何有效阅读论文，包括系统阅读论文集的方法，以及阅读单篇论文的方法。在阅读论文集时，需要搜集资源、做阅读进度跟踪表格、自己总结。在阅读单篇论文时，需要分层次，按照需求逐渐深入理解论文。在读完论文后，还要回答几个问题，从而对论文的外延相关性有更好的理解。
阅读论文集
我们以“姿势估计”为例子，介绍如何阅读与专业主题相关的研究论文。
1、集中精力阅读领域主题相关的资源，包括研究论文、中篇文章、博客文章、视频、GitHub repo等。
在搜索引擎上输入“姿势估计”就能快速找到热门资源。首要的目标是整理所有相关资源，例如YouTube视频、实现文档以及论文等等。理想情况下，不要限制重要资源的数量，但是一定要创建有用的论文、视频和文章的list。
2、深入研究与主题有关的任何资源。吴恩达建议绘制跟踪对资源的理解水平的增长的表格，类似于下表。如果你对某个资源的理解程度是10%-20%，在第一列打勾，如果理解程度是20%-40%，在第二列打勾，以此类推。
确保浏览每篇论文至少10％-20％的内容，这样可以对已有资源得到足够的大概认识，并能够准确地评估其相关性。
对于相关度更高的论文/资源，要更深入地理解它们。然后，你就可以确定一些适当的资源，这些资源包含你完全可以理解的内容。
那么多少论文/资源才算足够呢？
吴恩达说，理解5到20篇论文后，就能对领域有一个基本认识，也许足够让你做出技术实现。吃透50-100篇论文后，就能对领域有很好的理解。
如果你的理解进度表格看起来是下图的样子，那基本表示你get到了重点。
3、进行结构化注释，用自己的话总结论文中的关键发现和技术。
阅读单篇论文
想读一遍就理解论文是不可能的，吴恩达说，至少要准备阅读论文三遍，以充分理解。
4、阅读第一遍时，首先阅读标题、摘要和图形。
5、阅读第二遍时，需要阅读引言、结论，第三遍阅读图形和其余部分。
论文的引言和结论部分包含论文的关键信息以及所有研究发现。这两个部分提供的信息通常会忽略附录部分，并且仅包含关键信息。读完这两个部分，就可以为继续阅读其他部分打下基础。
6、第三遍需要阅读论文的全部内容，但可以跳过任何不熟悉的复杂数学公式，而且还可以跳过所有不了解或不熟悉的术语。
7、对于深入研究领域的人而言，可能还需要读多几遍。这几遍将主要集中于对论文中的数学、技术和未知术语的理解。
对于那些出于信息和工程目的阅读论文的人，深入研究可能会非常耗时。
自问自答
在阅读论文时应该问自己以下几个问题，这些问题可以帮助你了解论文中的关键信息。
1、论文作者旨在实现或可能实现的目标是什么？
2、如果在论文中介绍了新方法，那么新方法的关键要素是什么？
3、论文中哪些内容对自己有用？
4、还要阅读哪些参考文献？
结论
“持续而缓慢的学习，而不是临时抱佛脚，才能带来长久的成长。”
——吴恩达
吴恩达说过，他经常随身携带几篇论文，抽空阅读。如果一个人在获取知识时始终如一，无论是哪个领域，都会获得超越普通人的理解和专业知识。
“智慧不是学校教育的产物，而是终身学习的产物。”
——阿尔伯特·爱因斯坦
via https://towardsdatascience.com/how-you-should-read-research-papers-according-to-andrew-ng-stanford-deep-learning-lectures-98ecbd3ccfb3
