本文记录下我从进入大学开始在各个实验室打杂，和各位学长学姐嘘寒问暖总结出来的经验，分享给实验室最没有地位的广大本科生。
-
paperwithcode 用来搜论文的匹配代码。paperwithcode是我用来查论文代码的必经网站，因为自己动手复现论文太浪费时间，所以先找paperwithcode，没有的话再去问作者要（没错就是直接写邮件问作者要）。
-
semanticscholar用来搜机器学习或者深度学习或者算法类的文章，它最大的不同在于它可以搜到很多论文的辅助材料，比如作者的报告的ppt，报告的现场视频之类。semanticscholar是我有时关于一个课题从来没有了解过的时候会去查相关ppt和视频之类的网站。我真的很想要找一个能够找到计算机所有顶会高清现场版录播的网站，但是没有找到，不知道同行有什么推荐？
-
.有一些搞不懂的论文，可以尝试去youtube看看作者或者热心网友有没有讲论文的视频，youtube有一些学术会议报告的现场视频，如果能看到作者的视频就会对理解文章非常有帮助。
-
想要复现别人的论文，不要自己硬搞，直接去paperwithcode上搜代码，搜不到就写邮件跟作者要，这样最快。
-
web of science是一个非常全面的学术库，我一般从复旦图书馆进，我在做关键词筛选的时候会在web of science上下载2000-3000篇左右的bib，然后用图谱分析软件vosviewer去做聚类图，就可以找到一些有用的关键词（这个难度有点高，我觉得我说的太简单了）。这是我有时做交叉方向时还不熟悉关键词到底用什么的时候的备选方案。可以看王树义老师对vosviewer的指导文章
-
如果论文数据库对我们复旦不开放，就去scihub下（最大的下载盗版论文的网站）。
-
researchgate是最大的学术社交网站（学术狗仔队），比如你可以上去follow老师和学长，就可以看到他们最近的学术活动，像我就会去看我崇拜的学长最近发了什么文章。
-
arxiv上有计算机物理数学等的论文预印版，预印版指文章还没有发表出来但是作者想提前发布给大众看以防止被别人抢学术成果的网站，arxiv上的论文是公开的。
-
下载mendeley或者zotero作为自己的论文资料整理库
-
比如我们在文章里看到一个缩写，比如FACS，你不知道什么意思，就可以全局搜索command+F去找第一次这个缩写出现的位置，因为写论文的时候缩写出现的第一个位置作者是一定会全写这个缩写并给出解释，这对于有很多缩写方法的时候特别好用.
-
google dataset search能搜到所有数据库，你如果自己有课题只要有了公开数据其实就可以做，就和我当时一样，google的dataset特别全。
-
lancet digital health也是我领域的顶刊。我最近才知道柳叶刀竟然还有这个期刊，徐sir之前没跟我说过，他说这个期刊和nature communication一个级别。
-
鉴于我看过无数学科的论文了，我发现每个学科的论文的阅读技巧都不一样。解决办法就是google： how to read 学科名 paper这个问题，几乎每个学科都会有自己的关于如何阅读自己学科的论文的指导，比如我查过并获益的 how to read algorithm paper;how to read neuroscience paper; how to read math paper;how to read cs paper 。
-
(individual 的陶瓷经验1) reach out to give help. At your local university， look on PubMed for published papers in the area of interest that were published by labs and professors at that university. E-mail the professors the professors that you’re a programmer and would like to become more familiar with the topic, and ask if they are willing to take on a new student/volunteer RA, or if they know of anybody who would be. You’ll likely find one very quickly.
-
关于某个学科phd未来的求职或者salary去哪里了解。搜phd graduate location，或者搜salary survey for certain dicipline。
-
寻找国际上能做的open research project，我现在有了一点点经验，有很多学科有自己的open research发布平台（我是从神经科学发现这种平台的），可能会比较类似各个学科的kaggle吧，这个我还要再搜搜。
-
我在harvard-mit的官网上找到的how to find your supervisor的说明书，真的是我如获至宝拿到的最好的如何找导师的指导。
-
我在神经科学领域发现的学术族谱网站追溯全球的神经科学教授们的师生关系，不知道其他学科有没有neurotree。
-
论文的代码（深度学习或者机器学习的）复现流程 1. 寻找代码：优先参考paper作者给的源代码，如果是caffe这种，就在github上搜有没第三方的高star实现。 2. 运行代码：拿到代码之后先跑通测试demo以及简单的训练。如果机器丰富的话，可以找个样例数据集跑下训练，check能否达到paper中的效果； 3. 分析代码：对代码中的各个模块进行分析，一般包括model，loss，data_iterator等模块。同时配合pdb之类的调试工具来逐条运行看看输出。 4. 模仿写代码：按照上述分析出的结构来改写。尽量保证结构一致性（大佬可忽略）。重要的函数或者class可以写一些测试样例来保证输入输出和源代码的函数的运行结果是一致的。 5. 跑通自己写的代码：跑通之后，就逐步调试来达到复现的效果。 6. 可以参考mmdetection的代码结构。
-
作为学生如何追踪科研热点，我现在采取的方法比如追踪基金。像国内老师就可以看他在国家科学基金最近申请了什么项目，就可以判断出来他最近在干什么，甚至可以看如果他最近基金时间要到了就说明他快有大成果了可以考虑加入他们。如果是国外可以考虑追踪nih的基金（这个我还没有研究过）。此外在学术狗仔网站researchgate和学术交友网站academia关注大佬看他们的动态。
-
对于自己的研究领域混乱，可以采用写annotated bibgraphy去梳理，如何写网上的教程多了去了，我就不说了。
-
markdown和latex是学术入门的输入法，有空看一下。使用overleaf网站进行协作式latex写论文。mathpix是一个可以通过截图把数学公式转latex的超级方便的小应用，我几乎每天都用。此外论文里的表格我也用的网页端一些可以在线画表转latex的方法进行。
-
博士毕业后转行做咨询，science为大家提出的建议。https://www.sciencemag.org/careers/2014/09/science-careers-guide-consulting-careers-phd-scientists
-
关于博士之后如何转行的重要参考消息。Next Scientist ,就像他们自己介绍的一样，“Helping PhD Students Stay Motivated, Graduate And Then Find A Job In Industry”，用一整个网站的内容解答你可能有的所有疑问。THE FUTURE OF THE PHD (Specials in Nature, 2011) Nature News Special : Future of the PhD, 我非常推荐阅读Nature上关于PhD Career的多次探讨。Preparing for life after the PhD: re-train your brain-PhD Talk，整个博客分享了作者自己的读博生涯，这篇文章尤其值得一看。Careers After Biological Sciences, 都说专业带上生物，工作就更难找。我是不太赞同，事实上，生物博士可能是为数不多被咨询和金融界认可的博士学位了。带着跨界的心去看这个问题，会有很多新的认识。这个网站很赞，汇集了不同选择的生物博士的分享，非常推荐生物博士们看一看。
25.videolecturenet上有各种计算机会议的珍贵视频。
待更还有好多要写的····