发表服务
作为一个老“水母”，来回答一下。当然我博士期间也有获奖的好的代表作，刚开始为了好好工作，有志青年的代表我，为了一个实验还去google，M实习去跑，和多个大佬沟通，资格考过了之后，有了女朋友，没啥压力了，好好做科研，做ispiring的科研的时候，一年能出1-2篇顶会一作吧。
说明：本文欢迎转载，请注明作者、出处与原文链接。前几天刚过完ACL2019投稿季，给不少同学的论文提供了修改建议。其中很多论文，特别是初学者的论文的问题都很相似。一想到未来还要给更多新同学重复这些话，决定…
2、如果你主卖的就不是性能，就不需要，比如我主卖速度快，在性能只掉一点的情况下，速度大幅度提升，这就完全不用sota了。如果此时你还到了sota，还会写论文的话，那基本问题不大了。我个人觉得什么时候需要：
清华大学刘知远：如何写一篇合格的NLP论文.刚刚，清华大学副教授、博士生导师刘知远老师在知乎上发表了一些文章，为学习NLP的同学提供了论文写作指导。.机器之心经授权转载此文章。.前几天刚过完ACL2019投稿季，给不少同学的论文提供了修改建议...
每天给你送来NLP技术干货！来自：微软亚洲研究院随着AI领域越来越火热，各大顶会的论文发布似乎也越来越难：AAAI2020放榜，8800篇提交论文创历史记录；CVPR2020...
2016硕士论文迟迟无法定题，偶然听到隔壁室友在做机器翻译的研究，那是我第一次了解到NLP2017阴差阳错，拒绝了某厂的Sp走进了另一所大学开始攻博，方向NLP2018有了第一篇关于NER的论文2019还缺一本好书YHT同学留言：
nlp方向任务做了不少，有思路咨询的话可以私聊。。注：也有nlp论文共同阅读群，每周都会分享最新nlp论文+讨论（各种大厂在职+名校硕士），如有想参加的也可以私聊。参加需要参与分享。
重赏之下必有勇夫。高中生还有naturalscience的呢，大家都懂说，肯定有大佬加持而已。回过来，CV/NLP这两个要求知识积累相对少。新的领域大家都是靠小修小补做实验，比如Science批评说，81种剪枝算法几乎没任何效果区别。
如果论文的主题是全新的，这样一来我们就没有现有的对比工作，或者所有现有的工作都是在另外的领域完成的。我们需要对涉足新领域的论文保持兴趣。论文介绍的是研究资源。在像NLP这样依赖于有监督机器学习的领域中，数据集的开发与建模工作同等重要。
1.了解NLP的最基本知识：Jurafsky和Martin的SpeechandLanguageProcessing是领域内的经典教材，里面包含了NLP的基础知识、语言学扫盲知识、基本任务以及解决思路。.阅读此书会接触到很多NLP的最基本任务和知识，比如tagging,各种parsing，coreference,semanticrole...
作为一个老“水母”，来回答一下。当然我博士期间也有获奖的好的代表作，刚开始为了好好工作，有志青年的代表我，为了一个实验还去google，M实习去跑，和多个大佬沟通，资格考过了之后，有了女朋友，没啥压力了，好好做科研，做ispiring的科研的时候，一年能出1-2篇顶会一作吧。
说明：本文欢迎转载，请注明作者、出处与原文链接。前几天刚过完ACL2019投稿季，给不少同学的论文提供了修改建议。其中很多论文，特别是初学者的论文的问题都很相似。一想到未来还要给更多新同学重复这些话，决定…
2、如果你主卖的就不是性能，就不需要，比如我主卖速度快，在性能只掉一点的情况下，速度大幅度提升，这就完全不用sota了。如果此时你还到了sota，还会写论文的话，那基本问题不大了。我个人觉得什么时候需要：
清华大学刘知远：如何写一篇合格的NLP论文.刚刚，清华大学副教授、博士生导师刘知远老师在知乎上发表了一些文章，为学习NLP的同学提供了论文写作指导。.机器之心经授权转载此文章。.前几天刚过完ACL2019投稿季，给不少同学的论文提供了修改建议...
每天给你送来NLP技术干货！来自：微软亚洲研究院随着AI领域越来越火热，各大顶会的论文发布似乎也越来越难：AAAI2020放榜，8800篇提交论文创历史记录；CVPR2020...
2016硕士论文迟迟无法定题，偶然听到隔壁室友在做机器翻译的研究，那是我第一次了解到NLP2017阴差阳错，拒绝了某厂的Sp走进了另一所大学开始攻博，方向NLP2018有了第一篇关于NER的论文2019还缺一本好书YHT同学留言：
nlp方向任务做了不少，有思路咨询的话可以私聊。。注：也有nlp论文共同阅读群，每周都会分享最新nlp论文+讨论（各种大厂在职+名校硕士），如有想参加的也可以私聊。参加需要参与分享。
重赏之下必有勇夫。高中生还有naturalscience的呢，大家都懂说，肯定有大佬加持而已。回过来，CV/NLP这两个要求知识积累相对少。新的领域大家都是靠小修小补做实验，比如Science批评说，81种剪枝算法几乎没任何效果区别。
如果论文的主题是全新的，这样一来我们就没有现有的对比工作，或者所有现有的工作都是在另外的领域完成的。我们需要对涉足新领域的论文保持兴趣。论文介绍的是研究资源。在像NLP这样依赖于有监督机器学习的领域中，数据集的开发与建模工作同等重要。
1.了解NLP的最基本知识：Jurafsky和Martin的SpeechandLanguageProcessing是领域内的经典教材，里面包含了NLP的基础知识、语言学扫盲知识、基本任务以及解决思路。.阅读此书会接触到很多NLP的最基本任务和知识，比如tagging,各种parsing，coreference,semanticrole...
发表服务