前一阵子和实验室的师兄聊天，因为最近我也在思考是否读 PhD 的事情，师兄给我分享了一位他很喜欢的老师在自己的 Webpage 上面写的一段给 Machine Learning 方向 PhD 的指导。这简直就是我当下迷茫状态中最需要的指导之一，我想要去了解如果作为一个 PhD 我该成为什么样子、我会遇到哪些情况、我应该怎么面对我遇到的不同的情况。
在简单地阅读之后，我发现我之前的很多观念都被颠覆了，这样清晰有条理的分析 PhD 应该做到的事情具有极高的指导价值，所以今天这篇文章我就来分享分享其中我觉得很新鲜、对我来说非常有收获的几点。
原文大家可以在这里很容易地读到：https://users.aalto.fi/~heinom10/guidelines.html，相信这些 Guidelines 不仅对于 PhD，而且对于 Master 和致力于做 Research 的 Bachelor 都很有指导意义。
那么我们开始。
正文
Computational sciences are (1) reading, (2) writing, (3) communicating and (4) coding/experiments; in this order of importance. Maximize your time spent on (1,2,3) to minimize time spent on (4).
说实话上来第一句话给我就是开幕雷击，我从前的想法是有时间就要多写代码，当写得代码多了就自然量变引起质变，从而获得能力的提升。但是事实似乎不是这样的，在做 Research 的过程中，努力的方向才是最重要的，而 Code 和 Experience 只是为了验证我们的方向而存在的工具，如果花费了太多的时间困在 Code 上，就会容易漫无目的的探索，从而浪费很多的时间和精力。
当然这肯定不是说 Code 不重要，而是我们要尽可能缩减 Code 的时间，把最多的精力和时间用在大量的阅读和分析优秀的论文上。获得了第一份收获。
All ML problems have already been solved by someone in some paper (almost surely).
非常认可的一句话，我还是很有自知之明的，我能遇到的问题，前面那么多 Dalao 肯定早就遇到过好多次了，还是那句话，不要重复造轮子，有现成的就用现成的，既能节约精力还能学习别人的技术。
Make sure to read every week, spend ~20% of your time reading and another ~20% writing.
大概就是如果每天工作 10 个小时，至少需要花费 2 个小时阅读论文，2 个小时撰写论文。从现在开始给自己设立一个目标吧。
Don’t hide from your supervisors. We love to talk about science, we love to be challenged and proven wrong, we love to hear about your ideas and progress. If you spend a week reading, don’t say that “I have no new results”; you have made lots of progress by learning new things, describe this progress. Keep (i) a research diary, (ii) literature review, (iii) technical project report. Share this as a single-click url for your supervisors.
笑死，这段可以当作如何在组会水贡献的教学。但是确实有用，看来每个 Research 都是类似的，不是每周都顺利地可以拿到进展。
Courses, Wikipedia or blogs do not give deep understanding, and you want to have read at least few serious textbooks cover-to-cover. Start by reading Deisenroth’s book and one probabilistic ML book, and continue to other books.
在刚开始我 Master 阶段的时候我还为自己出自 Math 背景而有点自信，但是一年过去了我越来越发现自己知识差的太多了，大受打击。知识是永远不够的，需要持续学习，而且这段话我尤其认同，Wiki 还有网络上搜索到的知识永远是非常零碎的，本科的数学教育给了我一个非常重要的提示：就是学习一个方向的知识，一定要从始至终，这样才会获得相应的思维。
Markus 教授也分享了好几个其他 Researcher 的指导，都是非常有价值的，不管是即将踏入 Research 大门的朋友还是在 Research 过程中摸爬滚打到朋友，都非常值得看一看。
祝大家 Research 顺利，早发论文，早日毕业！