经验1

纯属转载，有参考价值，更要共勉！ 
知乎原文

题主彷佛没有明确本身是博士生，如下假设为博士生。

一、首先，请以一个局外人的理智角度，对你的导师进行以下分类： 
① 圈内大牛，高水平论文不少，目前本身仍在亲力亲为参与科研工做，请转2 
② 简历里面有一些高水平论文，可是彷佛并不能算是大牛，请转3 
③ 其余状况，请转4

二、这一种状况是比较理想的，我的认为你的关于论文的疑惑，其实能够尽可能多和你的导师交流。不说科研这么大的话题，单单就写论文来讲，其实有不少的技巧和潜规则，与其本身去试错，不如从导师那里多取取经。

三、这种状况，本身须要多上心，导师可能由于忙于行政之类的缘由不能对你进行直接的指导，那么本身必定不要听任自流。国内的现实状况，导师手下学生实在太多，绝大多数的事情没有可能帮你考虑。具体到机器学习的研究，能够先和导师讨论肯定一个大体的方向，而后本身寻找一个具体的问题（若是导师一直不能帮你确认大体方向请转4）。在拟定研究问题的时候，这几个问题必须有确定的回答： 
① 你是否能够获取到最前沿论文中使用的实验源数据（参照最新会议论文，机器学习领域请参照ICML NIPS AAAI CVPR等） 
② 对于这些实验源数据，你的计算资源是否能有效承载（例如，只有五年前配置的机器的话，深度学习方向的搞起来会倍加困难） 
③ 对于研究问题自己，以及问题背后的抽象理念，你本人是否定同和喜好（当你研究一类算法，若是本身都以为不喜欢，出idea的速度会明显变慢） 
④ 该研究问题，近3年的会议和近5年的期刊文章中，是否还有持续出现 
上面这几个问题，是有效开展一个研究课题的必要（但并不是充分）条件。能够看出，和已有的回答同样，要回答这些问题，要求你必须对这个小问题相关的研究有一 个总体的把握，本身动手写一个survey是比较好的途径，参考文献超过100的时候大概算是入门。到那个时候，你本身就会有各类各样的想法等待实现，当 然，这些想法里面大概有40%不靠谱，有40%是别人作过的，有10%你没能力作，会转化成你的论文的就是剩下的10%，不过这些都比较简单了。

四、【一流大学的同窗，以及导师足够靠谱的同窗，就不用向下看了，意义不大】 
若是你发现落到了这样的状况，本身就必定要警戒了。这种状况对于博士生是极端不利的，稍有不慎就会让本身将来的几年极端痛苦（亲身经历）。那么，我有如下几点建议： 
① 注意管理时间。即便你是一个努力和注意自我约束的人，你也必定要注意本身的平常科研时间是否被用在了与本身科研相关的事务上。几个简单的例子： 
a）大量时间用于作导师的横向项目，横向项目与研究课题基本无关或工程性质过强。 
b）在导师的要求下进行相似于数据采集/数据预处理相关的工做内容，而且没有用到任何具备前沿性的技术。 
c）导师彻底无论，自行寻找研究方向但不得其法。 
② 多动手，少学习。这里所谓的“少学习”指的是，不要由于你要用到的工具包须要使用你从未接触过的Python语言，就抱着一本python编程指南啃三星期。这种“学习”基本上是浪费时间，关于matlab、python、hadoop、opencv、nltk……这些耳熟能详工具的使用，请活用官方文档、百度以及google，按照你的需求，边作边学便可。 
③ 多和导师诉苦。俗话说会哭的孩子有奶吃，不要以为本身很厉害很清高就闷着头本身干，你的导师也许科研能力不行，可是你要认清现实：只有他能够帮得上你。即便只是给你换一台性能好的计算机或者大一点的桌子，对你的科研都是促进。 
④ 多写论文。尤为是在读博的初期，不要由于担忧论文水平不行就不敢动手写，正确的作法是，在完成了survey过程后，应该保持持续的论文写做，只要你超过10天没有写论文，就应该给本身亮红灯。缘由以下： 
a）论文是你毕业的筹码，没有筹码，你就什么都没有。 
b）论文只要别太烂，写出来老是能发的，也许被退好屡次，也许投低档次期刊，但都能发。 
c）写论文是须要练习的，在写出好论文以前，通常须要写好多烂论文。 
d）除非你天赋秉异或者英语极好，不然不管你的创新多么好，单就语言来讲，你刚开始写的英文论文基本上在外国审稿人看来就是狗屁不通。 
e）多被reject几回，就知道论文该怎么写了。 
⑤ 关于题主说到的，感受各类算法都被改进过了，不知道从何下手的问题。其实主要仍是源自对研究问题和相关方法的不熟悉，并不须要特别担忧坑已经被填完了的问 题。你能够去瞄一眼这个论文：Manuel Fern andez-Delgado et.al. Do we Need Hundreds of Classi ers to Solve Real World Classi cation Problems? ,Journal of Machine Learning Research 15 (2014) 3133-3181。里面对比了用于分类的179种算法，这些算法也都是发了论文的，能够说其中大多数在实际上并无很是好的应用价值。因而你们不要太紧 张，任何一点点小的改进、想法在合理的包装下均可以是一篇优质的论文。对于题主来讲，能够多考虑一些idea的combining，好比有人用方法1解决 问题A，有人用方法2解决问题B，那么我用方法2的思路改进方法1从而更好地解决问题A，这就是可以出论文的点。 
⑥ 工欲善其事必先利其器。从论文查阅和下载，文献管理，笔记管理，数据收集和整理，实验工具，论文写做流程等各个方面，多优化本身的工做流程，省下来的时间哪怕用来睡觉都是好的。重复上面说过的，请活用百度和google，固然若是你有靠谱的师兄师姐也能够。 
⑦ 多学习。这和上面的②不冲突，这里说的学习，指的是和你科研能力息息相关的基础知识体系，而不是如何用python实现你的一个简单想法。不管是经典的课 本（PRML, MLAPP, ESL等）仍是经典的公开课（Ng的机器学习，林轩田的机器学习基石+技法），都是须要花时间去学习的。不然你会发现，你觉得读懂了论文，其实你仍是不 懂，因此你也无法作出本身的研究。