В 2019 году я впервые начал работать с командой над исследовательским проектом. Это был мой первый опыт в качестве исследователя, и до сих пор это катание на американских горках. Я встречал джуниоров, которые часто хотят заняться исследованиями на уровне бакалавриата или магистратуры, но часто теряются. В этом блоге я хотел бы ответить на некоторые распространенные вопросы, которые часто задают люди, начинающие исследования на уровне бакалавриата или магистратуры.
Я учусь на 2 курсе BTech/1 курсе MTech; как выбрать домен?
Когда вы присоединитесь к курсу, у вас будет представление о различных областях исследований. Я могу говорить за информатику; наиболее популярными областями исследований являются AI/ML, кибербезопасность, блокчейн-технологии, IoT и т. д. Вы можете попробовать почитать блоги или посмотреть видео на YouTube (например, канал Yannic Kilcher для ML), чтобы получить представление о работе, проделанной в этих областях. домены. Еще один отличный источник, чтобы понять текущие тенденции исследований в области, — это перейти в Академию Google и прочитать обзорные статьи в определенной области. В обзорных статьях обсуждаются последние разработки в рамках одной большой исследовательской проблемы и часто сравниваются результаты, что является отличным ресурсом для понимания сути дела.
Я знаю свой домен. Что мне нужно сделать в первую очередь?
Это смущает многих студентов (включая меня). Мы просто не знаем, как сделать первые детские шаги в новый мир. Самый простой способ начать — просмотреть профили факультетов вашего университета. Вам нужно проверить их исследовательские домены и посмотреть, чей домен вас больше всего интересует. Выберите свою нишу, а затем начните с чтения их последних научных работ. Быстрый просмотр их веб-сайта или страницы Google для ученых даст вам список их публикаций. Это чтение даст вам представление о том, какие исследования его интересуют. Как только вы определили свою область, обратитесь к профессору.
Дополнительный балл: вы также можете поговорить с доктором философии. кандидатов и постдоков в вашем университете, чтобы понять их исследования.
На что похож процесс «исследования»?
Исследовательский проект направлен на решение нерешенных проблем или предложение лучших решений по сравнению с существующими решениями. Как мы можем построить алгоритмы для обнаружения рака по изображениям МРТ? Как компьютер может перевести текст с одного языка на другой? Как сделать биочипы для автоматического контроля параметров здоровья на ходу?
Основной рабочий процесс «проведения исследования» довольно прост. Сначала проведите литературный обзор. Читайте статьи, написанные по теме, над которой вы работаете. Этот обзор литературы даст вам представление о методах предыдущих исследователей и проблемах этих подходов.
Во-вторых, вооружившись знаниями предыдущей работы, вы можете разработать новый метод решения проблемы. В этой части вам будет в значительной степени помогать доктор философии. кандидаты, магистранты и постдоки.
Третий этап включает проведение экспериментов по методу. Вы проведете множество контролируемых экспериментов над своим дизайном, а также сравните и проанализируете результаты. Этот шаг может занять больше всего времени. Это также может быть довольно обескураживающим, потому что ваши исследования чаще всего не дают желаемых результатов. Вы не должны терять надежду и продолжать.
Заключительный этап. Вы получили хорошие результаты? Вы разработали новое решение с большим потенциалом? Отлично, напишите исследовательскую работу, чтобы опубликовать свои выводы.
Что такое литературный обзор и как его проводить?
Очень важная часть вашего исследовательского пути. Обзор литературы — это процесс чтения исследовательских работ, опубликованных ранее в исследовательской области. Вашим лучшим другом в этом отношении будет Google Scholar, где вы можете вводить слова для поиска и читать газеты. Вам рекомендуется читать документы с хорошими номерами цитирования. Число цитирования показывает, сколько людей сослалось на работу. Чем больше число цитирований, тем выше качество статьи. Также рекомендуется обращаться к самым последним документам (не старше 5 лет). Отчасти это связано с тем, что область исследований в области компьютерных наук (особенно в машинном обучении) меняется с пугающей скоростью. Некоторые даже считают исследования 6–7-летней давности практически доисторическими.
