PKU-DAIR實(shí)驗(yàn)室新手科研入門指南Repo重磅上線！

      北京大學(xué)數(shù)據(jù)與智能實(shí)驗(yàn)室（Data And Intelligence Research Lab at Peking Univeristy,，PKU-DAIR ）致力于數(shù)據(jù)庫系統(tǒng),、大數(shù)據(jù)管理與分析以及人工智能等領(lǐng)域的前沿研究。團(tuán)隊(duì)長期在理論和技術(shù)創(chuàng)新上不斷探索,，已在國際頂級學(xué)術(shù)會(huì)議或期刊發(fā)表論文200余篇,，并推出多個(gè)開源項(xiàng)目,，與多家知名企業(yè)開展了卓有成效的合作。

      為幫助新手快速熟悉和進(jìn)入相關(guān)科研領(lǐng)域,，PKU-DAIR 實(shí)驗(yàn)室特別推出了新手入門指南Repo,。本倉庫基于課題組的科研積累，提供全面的入門論文,、開源文檔和技術(shù)指南等分享,，旨在幫助初學(xué)者快速熟悉數(shù)據(jù)管理(Data Management, DM) 和 人工智能 (Artificial Intelligence, AI) 等前沿領(lǐng)域，具體包括AI系統(tǒng),、DB+AI,、自動(dòng)化機(jī)器學(xué)習(xí)、AI Agent等方向,，搭建堅(jiān)實(shí)的技術(shù)基礎(chǔ),。無論你是剛?cè)腴T的小白，還是希望加深理解的探索者,，這里的資源將為你的學(xué)習(xí)與研究之旅提供有力支持,。

資源亮點(diǎn)：

      Repo Github鏈接：https://github.com/PKU-DAIR/Starter-Guide 

• 科研入門指南

從基礎(chǔ)到進(jìn)階，掌握高效閱讀論文的技巧,，以及如何做好研究的相關(guān)知識,，幫助你更快融入學(xué)術(shù)環(huán)境，獨(dú)立開展研究,。具體包含以內(nèi)容:

• "Crafting Your Research Future", Charles X. Ling and Qiang Yang
• "The Most Common Habits from English papers written by Chinese students", Felicia Brittman
• Advice on how to succeed in graduate school", Marie desJardins
• "Letter to research students" , Duane Bailey
• "Efficient Reading of Papers in Science and Technology", Michael J. Hanson
• "The Task of the Referee", A. J. Smith
• "How to do Research At the MIT AI Lab", MIT AI Lab
• 科研入門指南--如何做好科研, 如何寫好論文?
• 如何讀好學(xué)術(shù)論文?

•  研究方向一覽

1. AI系統(tǒng)方向：涵蓋人工智能的基礎(chǔ)知識,、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)系統(tǒng)框架，以及分布式訓(xùn)練和推理服務(wù)等關(guān)鍵技術(shù),。具體包含以下子方向:

• AI基礎(chǔ)入門
• ML/DL系統(tǒng)框架
• 分布式訓(xùn)練
• LLM推理服務(wù)
• Diffusion（文生圖,、文生視頻）推理服務(wù)

2. AutoML方向 ：專注于自動(dòng)化機(jī)器學(xué)習(xí)，涉及超參數(shù)優(yōu)化,、網(wǎng)絡(luò)結(jié)構(gòu)搜索和模型壓縮等主題,，提升機(jī)器學(xué)習(xí)的效率。具體包含以下子方向:

• AutoML與超參數(shù)優(yōu)化
• 網(wǎng)絡(luò)結(jié)構(gòu)搜索(NAS)
• 模型壓縮
• 大語言模型與AutoML

3. Database方向 ：探索數(shù)據(jù)庫系統(tǒng)的基礎(chǔ)及其與人工智能的融合,，包括經(jīng)典數(shù)據(jù)庫,、AI4DB和向量數(shù)據(jù)庫等內(nèi)容。具體包含以下子方向:

• Classical Database System
• AI4DB
• Vector database

4. AI Agent方向 ：研究智能代理的規(guī)劃,、感知和執(zhí)行等能力,，幫助構(gòu)建更智能的系統(tǒng)。具體包含以下子方向:

• 綜述
• Agent規(guī)劃
• 數(shù)據(jù)獲取與感知
• 執(zhí)行與工具使用
• Agent Benchmark

5. Data-Centric ML方向：關(guān)注數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法,，包括ML,、LLM的基礎(chǔ)知識、算法和針對特定領(lǐng)域的應(yīng)用。具體包含以下子方向:

• Data Centric ML Basic
• LLM and VLM Basic
• Data Centric LLM and VLM Algorithms
• Data Centric LLM and VLM Systems
• Data-Centric Domain-Specific LLMs

6. 擴(kuò)散模型方向：介紹擴(kuò)散模型的基本原理和應(yīng)用,，包括圖像和視頻生成,、3D/4D生成技術(shù)。具體包含以下子方向:

• 擴(kuò)散模型基礎(chǔ)
• 擴(kuò)散模型加速
• 文生圖/視頻
• 3D/4D生成

7. AI for Science方向：結(jié)合人工智能與科學(xué)研究,，涵蓋蛋白質(zhì)建模,、小分子建模和生物數(shù)據(jù)分析等重要領(lǐng)域。具體包含以下子方向:

• 綜述
• 蛋白質(zhì)建模
• 小分子建模
• DNA/RNA/Cell

8. Graph方向 ：研究圖神經(jīng)網(wǎng)絡(luò)及其在數(shù)據(jù)中心學(xué)習(xí)和圖學(xué)習(xí)中的應(yīng)用,，推動(dòng)圖數(shù)據(jù)處理的發(fā)展,。具體包含以下子方向:

• GNN基礎(chǔ)
• 異構(gòu)圖GNN
• 以數(shù)據(jù)為中心的圖學(xué)習(xí)
• GNN加速
• GNN與LLM結(jié)合

      我們希望通過這些豐富的資源，幫助有志科研的同學(xué)盡快找到自己的方向和興趣,，在科研道路上更順利地前行,。

       歡迎大家積極關(guān)注我們的Repo，提出寶貴的意見和issue,，也歡迎加入我們課題組共同進(jìn)行探索和創(chuàng)新,，在科研的旅途中不斷成長！期待在知識的海洋中與你相遇,，共同迎接未來的挑戰(zhàn)與機(jī)遇,！

實(shí)驗(yàn)室簡介

北京大學(xué)數(shù)據(jù)與智能實(shí)驗(yàn)室（Data And Intelligence Research Lab at Peking Univeristy，PKU-DAIR實(shí)驗(yàn)室）由北京大學(xué)計(jì)算機(jī)學(xué)院崔斌教授領(lǐng)導(dǎo),，長期從事數(shù)據(jù)庫系統(tǒng),、大數(shù)據(jù)管理與分析、人工智能等領(lǐng)域的前沿研究,，在理論和技術(shù)創(chuàng)新以及系統(tǒng)研發(fā)上取得多項(xiàng)成果,，已在國際頂級學(xué)術(shù)會(huì)議和期刊發(fā)表學(xué)術(shù)論文100余篇，發(fā)布多個(gè)開源項(xiàng)目,。課題組同學(xué)曾數(shù)十次獲得包括CCF優(yōu)博、ACM中國優(yōu)博,、北大優(yōu)博,、微軟學(xué)者、蘋果獎(jiǎng)學(xué)金,、谷歌獎(jiǎng)學(xué)金等榮譽(yù),。PKU-DAIR實(shí)驗(yàn)室持續(xù)與工業(yè)界展開卓有成效的合作，與騰訊,、阿里巴巴,、蘋果、微軟,、百度,、快手、中興通訊等多家知名企業(yè)開展項(xiàng)目合作和前沿探索,，解決實(shí)際問題,，進(jìn)行科研成果的轉(zhuǎn)化落地,。