1回答

liuyubobobo

2022-07-22

已采纳

如果你是指机器学习领域“经典”的论文，sklearn 的 User Guide 下，每一部分的 Reference 都有对应的文献引用：https://scikit-learn.org/stable/modules/linear_model.html

我的课程不涉及深度学习部分，对于深度学习部分的论文阅读，这个代码仓是一个很好的 roadmap（sklearn 的 User Guide 可以视作是传统机器学习相关论文的 roadmap）：https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap

这几年比较火的一个网站是这个 Papers with code，收集了这个领域的公开了代码仓的论文。也就是论文中的内容你都可以下载相关代码来研究：https://paperswithcode.com/

arxive 就不用说了：https://arxiv.org/

ResearchGate：https://www.researchgate.net/topic/Machine-Learning/publications

然后就是根据你在的具体领域，去关注相关的会议了。什么 NIPS, ICML, ICLR。

继续加油！：）

1

2

慕仙3296778

非常感谢！

2022-07-22

共2条回复