云隐雾匿的博客

在美国叫A Doctor of Philosophy degree, 简称Ph.D.，是最高学位。一是完全掌握一个科研领域，二是在这个领域开创新理论。要通读所有这个领域的文献。一般开始时是看书，然后要找学术期刊杂志，会议论文和研究报告。一般在读博之前，学校会有一些方法来考核你对某一个领域地掌握情况，比如要有相关专业本科或者硕士学位。然后，为了证明对本专业的了解，你需要修研究生专业课程，通过考试并确获得较高的平均分。最后还要通过一个评委会的考核(博士中期考核)，评委都是博士。

观点”的主要目标是延展论文传递的信息，但是“观点”的作者同时能够非常准确的提炼出文章的精华，这为非专业人士提供了很大的帮助。阅读论文时，给自己制定一个边读边写的任务，这能帮我成为一个主动的读者，而不是让我的眼睛呆滞地盯着堆积如山的文字，读一段忘一段。有的时候，当作者写作不够清楚，忽略了一些要点，并留下了多余的废话的时候，我会感到很生气。我认为图表是论文中最重要的部分，因为论文的摘要和正文可以被写成一个引人入胜的故事（，但图表体现的是完全客观的研究结果）。然后，如果我有什么不清楚的，我会去看方法部分。

现在已经有很多关于利用深度学习模型实现 MTL 的文章。在本文中，我准备分享一些利用神经网络实现 MTL 时需要考虑的具体问题，同时也会展示一些基于 TensorFlow 的简单解决方案。我们准备从参数硬共享（hard parameter sharing）的基础方法开始。硬共享表示我们使用一个共享的子网络，下接各个任务特定的子网络。在 TensorFlow 中，实现这样一个模型的简单方法是使用带有 multi_head 的 Estimator。

虽然走了比较长的一段路，但最终的模型其实是很接地气的。

这篇介绍了自然语言处理领域国内外的主要学术组织、会议和论文，参加学术会议，阅读学术论文，是走近学术界、了解学术动态的主要方式，再辅以社交媒体和科技媒体，相信可以让同学比较及时地掌握自然语言处理科研动态。

深度学习pytorch代码流程模板（入门推荐）从参数定义，到网络模型定义，再到训练步骤，验证步骤，测试步骤，总结了一套较为直观的模板。

好的研究想法从哪里来想法好还是不好，并不是非黑即白的二分问题，而是像光谱一样呈连续分布，因时而异，因人而宜。计算机科技领域的发展既有积累的过程，也有跃迁的奇点，积累量变才会产生质变，吃第三个馒头饱了，也是因为前面两个馒头打底

笼统的讲，人机对话可以分为以下四个子问题：自然语言聊天、任务驱动的多轮对话、问答和推荐。

一文带你了解情感分析的方法有几种

深度学习Pytorch代码框架推荐更有条理的代码

常见数据集网站UCI（http://archive.ics.uci.edu/ml/index.php）：UCI数据库是加州大学欧文分校提出的用于机器学习的数据库，如果正在寻找与机器学习库相关的数据集，通常是第一个去的地方。Kaggle（https://www.kaggle.com）：另一个找到免费数据集的好地方。天池（https://tianchi.aliyun.com）：中国著名的数据科学竞赛平台，也提供数据。GitHub（https://github.com）：一个非常全面的数据