组内NLP讨论班阶段总结

讨论班进行了三期了，效果比想象的要好很多。但也遇到不少问题：

1. 公式推导和编码实现

    困惑是在讲解模型过程中，不可避免地涉及公式推导和编码实现。讨论班上是否对公式推导进行讲授，讨论班后是否组织大家进行编码实现这两点把握不准。

    理想情况下讨论班应该只是成为一个“引子”，通过大家一起的讨论学习对某一个概念有了大致的了解。在后面学习或者实际应用中碰到该概念或者模型知道它是怎么回事，然后自己查资料来补充、深入了解。但是实际中大部分的自觉性并没有那么高，大家更一方面希望能快速了解数学推导和编码实现，另一方面也舍不得把时间花在讨论班的所讨论的题目上（毕竟，讨论的东西对大家眼前的科研课题没什么大帮助。）。

2. 机器学习模型的讲解

     个人认为比起博客大家写来写去的那些东西，机器学习实战的经验更加重要。有经验的同学能够更好地把理论结合实际编码情况进行讨论，这一点是我这种看博客“纸上谈兵”的学习者所缺少的。后面机器学习讲解希望能找一些实际应用过，遇到过真实问题的同学来做讲解。

     那么问题来了，很多模型，包括很多简单实用的模型（逻辑斯蒂回归、决策树等）平时大家都用的很少，是看是讲是个问题。     

     

3. 前沿热点的追逐

     Memory Network，Reinforcement Learning和GAN这些前沿热点谁来科普下，也是个头痛的事情。组里博士生偏少，硕士生对这些东西也不是特别感兴趣（就我自己看到的情况）。

    自己科研和工程项目任务也重，也没有办法把精力放到讨论班讨论上。现在更多的是参与，负责牵头找有经验的同学或者老师来讲授。后面如何把讨论班持续下去也是一个头痛的问题。