經驗1

純屬轉載，有參考價值，更要共勉！ 
知乎原文

題主彷佛沒有明確本身是博士生，如下假設爲博士生。

一、首先，請以一個局外人的理智角度，對你的導師進行以下分類： 
① 圈內大牛，高水平論文不少，目前本身仍在親力親爲參與科研工做，請轉2 
② 簡歷裏面有一些高水平論文，可是彷佛並不能算是大牛，請轉3 
③ 其餘狀況，請轉4

二、這一種狀況是比較理想的，我的認爲你的關於論文的疑惑，其實能夠儘可能多和你的導師交流。不說科研這麼大的話題，單單就寫論文來講，其實有不少的技巧和潛規則，與其本身去試錯，不如從導師那裏多取取經。

三、這種狀況，本身須要多上心，導師可能由於忙於行政之類的緣由不能對你進行直接的指導，那麼本身必定不要聽任自流。國內的現實狀況，導師手下學生實在太多，絕大多數的事情沒有可能幫你考慮。具體到機器學習的研究，能夠先和導師討論肯定一個大體的方向，而後本身尋找一個具體的問題（若是導師一直不能幫你確認大體方向請轉4）。在擬定研究問題的時候，這幾個問題必須有確定的回答： 
① 你是否能夠獲取到最前沿論文中使用的實驗源數據（參照最新會議論文，機器學習領域請參照ICML NIPS AAAI CVPR等） 
② 對於這些實驗源數據，你的計算資源是否能有效承載（例如，只有五年前配置的機器的話，深度學習方向的搞起來會倍加困難） 
③ 對於研究問題自己，以及問題背後的抽象理念，你本人是否定同和喜好（當你研究一類算法，若是本身都以爲不喜歡，出idea的速度會明顯變慢） 
④ 該研究問題，近3年的會議和近5年的期刊文章中，是否還有持續出現 
上面這幾個問題，是有效開展一個研究課題的必要（但並不是充分）條件。能夠看出，和已有的回答同樣，要回答這些問題，要求你必須對這個小問題相關的研究有一 個總體的把握，本身動手寫一個survey是比較好的途徑，參考文獻超過100的時候大概算是入門。到那個時候，你本身就會有各類各樣的想法等待實現，當 然，這些想法裏面大概有40%不靠譜，有40%是別人作過的，有10%你沒能力作，會轉化成你的論文的就是剩下的10%，不過這些都比較簡單了。

四、【一流大學的同窗，以及導師足夠靠譜的同窗，就不用向下看了，意義不大】 
若是你發現落到了這樣的狀況，本身就必定要警戒了。這種狀況對於博士生是極端不利的，稍有不慎就會讓本身將來的幾年極端痛苦（親身經歷）。那麼，我有如下幾點建議： 
① 注意管理時間。即便你是一個努力和注意自我約束的人，你也必定要注意本身的平常科研時間是否被用在了與本身科研相關的事務上。幾個簡單的例子： 
a）大量時間用於作導師的橫向項目，橫向項目與研究課題基本無關或工程性質過強。 
b）在導師的要求下進行相似於數據採集/數據預處理相關的工做內容，而且沒有用到任何具備前沿性的技術。 
c）導師徹底無論，自行尋找研究方向但不得其法。 
② 多動手，少學習。這裏所謂的「少學習」指的是，不要由於你要用到的工具包須要使用你從未接觸過的Python語言，就抱着一本python編程指南啃三星期。這種「學習」基本上是浪費時間，關於matlab、python、hadoop、opencv、nltk……這些耳熟能詳工具的使用，請活用官方文檔、百度以及google，按照你的需求，邊作邊學便可。 
③ 多和導師訴苦。俗話說會哭的孩子有奶吃，不要以爲本身很厲害很清高就悶着頭本身幹，你的導師也許科研能力不行，可是你要認清現實：只有他能夠幫得上你。即便只是給你換一臺性能好的計算機或者大一點的桌子，對你的科研都是促進。 
④ 多寫論文。尤爲是在讀博的初期，不要由於擔憂論文水平不行就不敢動手寫，正確的作法是，在完成了survey過程後，應該保持持續的論文寫做，只要你超過10天沒有寫論文，就應該給本身亮紅燈。緣由以下： 
a）論文是你畢業的籌碼，沒有籌碼，你就什麼都沒有。 
b）論文只要別太爛，寫出來老是能發的，也許被退好屢次，也許投低檔次期刊，但都能發。 
c）寫論文是須要練習的，在寫出好論文以前，通常須要寫好多爛論文。 
d）除非你天賦秉異或者英語極好，不然不管你的創新多麼好，單就語言來講，你剛開始寫的英文論文基本上在外國審稿人看來就是狗屁不通。 
e）多被reject幾回，就知道論文該怎麼寫了。 
⑤ 關於題主說到的，感受各類算法都被改進過了，不知道從何下手的問題。其實主要仍是源自對研究問題和相關方法的不熟悉，並不須要特別擔憂坑已經被填完了的問 題。你能夠去瞄一眼這個論文：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。裏面對比了用於分類的179種算法，這些算法也都是發了論文的，能夠說其中大多數在實際上並無很是好的應用價值。因而你們不要太緊 張，任何一點點小的改進、想法在合理的包裝下均可以是一篇優質的論文。對於題主來講，能夠多考慮一些idea的combining，好比有人用方法1解決 問題A，有人用方法2解決問題B，那麼我用方法2的思路改進方法1從而更好地解決問題A，這就是可以出論文的點。 
⑥ 工欲善其事必先利其器。從論文查閱和下載，文獻管理，筆記管理，數據收集和整理，實驗工具，論文寫做流程等各個方面，多優化本身的工做流程，省下來的時間哪怕用來睡覺都是好的。重複上面說過的，請活用百度和google，固然若是你有靠譜的師兄師姐也能夠。 
⑦ 多學習。這和上面的②不衝突，這裏說的學習，指的是和你科研能力息息相關的基礎知識體系，而不是如何用python實現你的一個簡單想法。不管是經典的課 本（PRML, MLAPP, ESL等）仍是經典的公開課（Ng的機器學習，林軒田的機器學習基石+技法），都是須要花時間去學習的。不然你會發現，你覺得讀懂了論文，其實你仍是不 懂，因此你也無法作出本身的研究。