Jak pozostać aktualnym badaczem w społeczności ML / RL?

Jako student, który chce pracować nad uczeniem maszynowym, chciałbym wiedzieć, jak można rozpocząć studia i jak je śledzić, aby być na bieżąco. Na przykład jestem gotów pracować nad problemami RL i MAB, ale na te tematy jest ogromna literatura. Co więcej, tematy te są badane przez naukowców z różnych społeczności, takich jak AI i ML, badania operacyjne, inżynieria sterowania, statystyki itp. I myślę, że co tydzień publikowanych jest kilka artykułów na te tematy, co sprawia, że ​​tak trudno jest ich przestrzegać.

Byłbym wdzięczny, gdyby ktoś mógł zasugerować mapę drogową, aby zacząć studiować te tematy, podążać za nimi oraz jak wybrać i studiować nowe opublikowane artykuły. Wreszcie, jestem gotów poznać nowy trend w problemach RL i MAB.

Istnieje kilka wspaniałych zasobów, aby być na bieżąco w społeczności ML. Oto garść, którą pokazał mi współpracownik:

1. Deep Learning Monitor : ta strona zawiera gorące i nowe artykuły oraz tweety, które są spopularyzowane przez społeczność! Możesz nawet sprawdzić dokumenty RL właśnie tutaj

2. arxiv-sanity : ta strona aktualizuje się popularnymi i nowymi dokumentami, które trafiły do ​​Arxivu

3. dokumenty z kodem : ta strona jest cudowna, ponieważ nie tylko zawiera linki do dokumentów, ale także linki do ich implementacji w celu reprodukcji lub pomocy w twoich osobistych projektach. Mają nawet tabelę wyników i śledzą najnowocześniejsze rozwiązania ( SoTA ) w wielu różnych zadaniach

4. DL_twitter loop : Nie można zapomnieć o Twitterze, biorąc pod uwagę, że większość badaczy go używa; to tylko jedna fajna grupa, którą możesz polubić