第一步. 调研、入门1. 确定一个感兴趣的大领域，好比漫衍式系统或者机械学习，或者深度神经网络。读这个领域经典算法和技术，也可以是几本比力好的书，读完然后再实践实践，动手加深明白。这个历程做完就算是开端入门了。2. 找该领域的顶级集会，好比系统领域的有OSDI、SOSP，机械学习的领域有ICML、CVPR，深度学习的有NIPS、ICLR等等，可以搜CCF集会推荐列表看各领域的顶会列表。

然后看近几年这些顶会的论文，因为这代表了最新的研究热点，咱不是说一味的追热点啊，究竟对于初学者没有足够的领域专业配景，追热点是最快的方法。因为热点往往是该领域最亟待解决的问题，往往是生长最快的小偏向，也最容易发生新结果。

如果是老问题，人家都研究十几年了，给你留下的待解决的问题就很少或者不是很重要。固然如果是有几十年履历的研究者就不必追热点，他们知道该领域哪些是fundamental的问题，哪些是最值得研究的问题。

3. 读了这些前沿论文后，确定一个小偏向，好比漫衍式系统是个大偏向，小偏向可能是机械学习漫衍式训练；大偏向是深度学习，小偏向可能就是graph embedding；大偏向是机械学习，小偏向可能是半监视学习等等。确定小偏向的历程是个知识不停积累的历程，很是重要，这需要你对大偏向有许多相识，对小偏向有更深入更全面的明白，需要读好至少100篇以上论文，需要你知道该小偏向的研究希望历史，这需要你知道该小偏向别人都在哪方面做事情，做该小偏向的顶级研究组都有哪些，他们正在干什么。第二步. 发现问题这步超级难，如果发现了个好问题，那就是乐成的一半。

这个问题最好是重要的、本质的、没有直观解决方法的。4. 确定小偏向后，你需要阅读大量的这个小偏向的论文和相识开源项目，再不停聚焦，再确定一个要革新和优化的小小偏向，这个可能就是论文的主题。小小偏向可能是机械学习漫衍式系统中的parameter server通信模型，可能是dynamic graph embedding等。

然后就要更聚焦地读这方面的相关论文，这时候论文就比力少了，几篇到几十篇到几百篇都有可能，这些论文要精读，花几个月时间研究一篇论文也不为过。5. 挑几个重要的论文事情实现，也可以找开源的运行跑一跑试一试，idea往往从实际运行中来，光靠读是不行的。

这个跑一跑可能需要你实验差别的运行情况，差别的workload数据集，差别的应用场景等。好比，parameter server（PS）模型在当地集群上跑是不是和paper声明的一样、在异构的动态性极强的集群情况下效果怎么样、除了paper提到的算法处置惩罚其他算法的时候效果怎么样、除了paper提到的数据集换另外一类数据集怎么样；graph embedding方法处置惩罚麋集图和稀疏图都怎么样，处置惩罚动态变化的图怎么样，等等吧。

你要发现X方法仅在a情况下好用，在b情况欠好用。这个就是发现问题的历程。固然，没履历的研究者可能很难想到多种情况、多种workload、多种应用场景，这就需要积累。

另外一个发现问题的方法是从实际生产中来，这个固然是最好的，可是往往是大企业情况下才有这个条件。6. 确定你发现的问题还没有被解决。这又需要广泛的阅读和调研，可是问题已经很聚焦了，搜索也会很容易，用你特定问题的关键字在google 搜索（这里强烈建议用google，其他搜索引擎基本搜不到），找到解决相关问题的论文。

看看这些论文是不是已经解决了该问题，如果解决了，你有两种方案：第一，该问题已经解决的很是好了，放弃解决该问题。第二，该问题的解决方案另有问题，我另有更好的措施。我建议后者，最起码只管实验实验。

第三步. 分析问题7. 分析问题发生的本质原因。这个往往和第5步发现问题同时举行。

这一步靠的是功底和积累，靠的是对问题的明白水平。明白的越深刻，分析的越透测，你之后发生的解决思路就越有可能正确和有效。

好比漫衍式机械学习的PS模型在异构情况下、和在处置惩罚数据不匀称的情况下就欠好，本质原因是其同步的集中式通信模型，造成PS集中服务器往往需要等候。传统graph embedding方法接纳批处置惩罚模式，需要graph的全局信息做embedding，固然无法应付动态性很是强的局部更新情况。8. 基于分析，就是对该问题的深刻明白，发生革新的idea。

这个可能很难，可能靠运气，但我以为更多的是靠对问题的明白水平，明白的越深刻，本质原因抓的越准，就越可能发生创新idea。读过一本先容google企业文化的书，google产物的乐成，既不是靠技术能力，也不是靠用户需求，而是靠技术洞见（insight），这就是对问题本质的深刻明白。好比，PS模型在某情况下问题的本质原因是集中式的同步模型，那么我们就可以提出实验异步通信的模型的idea。分析能力跟小我私家的批判性思维、独立思考能力都有关，而这正是中国人欠缺的，可以通过读有深刻看法的书籍文章、经常提问来磨炼。

第四步. 解决问题9. 实现你的idea，做大量实验验证。这需要动手能力，需要编程能力，需要坐得住。10. 验证你的解决方案，凭据实验分析不停优化你的方法。做了大量试验后，获得了若干效果，可能是欠好的效果，可是不要一下子否认自己的解决方案，这不能说明你的idea欠好用。

一个好的方法往往经由千锤百炼，同样，你的idea通常不会一下子就乐成。需要你凭据实验效果分析欠好的原因，然后基于你的明白革新方法，这是一个重复不停迭代的历程。好比，你发现异步PS模型效果还不如原来的呢。

那么关键的。

本文来源：欧宝电竞-www.schjpf.com