Як залишатися сучасним дослідником у ML / RL-спільноті?

Як студент, який хоче працювати над машинним навчанням, я хотів би знати, як можна розпочати навчання та як слідкувати за ним, щоб бути в курсі сучасних. Наприклад, я готовий працювати над проблемами RL та MAB, але на ці теми є величезна література. Більше того, ці теми вивчаються дослідниками різних спільнот, таких як AI та ML, Operation Research, Control Engineering, Statistics тощо. І, я думаю, що щотижня публікується кілька робіт на ці теми, які ускладнюють їх виконання.

Буду вдячний, якщо хтось може запропонувати дорожню карту, щоб почати вивчати ці теми, слідкувати за ними і як я повинен відбирати та вивчати нові опубліковані документи. Нарешті, я готовий знати нову тенденцію в проблемі RL та MAB.

Є кілька чудових ресурсів для того, щоб бути в курсі спільноти ML. Ось лише жменька, яку мені показав колега:

1. Deep Learning Monitor : Цей веб-сайт містить гарячі та нові статті, а також твіти, які популяризуються громадою! Ви навіть можете оформити документи на RL тут

2. arxiv-sanity : цей сайт оновлюється популярними та новими паперами, які переходять на Arxiv

3. папери з кодом : цей сайт чудовий тим, що він не тільки посилається на документи, але й посилається на їх реалізацію для відтворення або допомоги у ваших власних особистих проектах. У них навіть є таблиця лідерів і відстежують найсучасніші технології ( SoTA ) для багатьох різних завдань

4. Цикл DL_twitter : Ви не можете забути щебетати, враховуючи, що більшість дослідників ним користуються; це лише одна приємна група, яка вам може сподобатися