He publicado dos artículos de revisión, en los que me referí a más de 100 otros artículos. Recientemente, presenté una revisión sistemática donde solo pude encontrar 15 documentos / estudios. La razón es que es un área de investigación tan específica que no había mucho trabajo disponible (según mis criterios de inclusión / exclusión).
Cuando leemos muchos artículos, escribir una reseña es el primer pensamiento que viene a la mente. Muchos investigadores también piensan que publicar un artículo de revisión es una buena herramienta para aumentar su número de citas (¡aunque no necesariamente!). Antes de comenzar a escribir un artículo de revisión, recomendaría que siempre se tenga en cuenta lo siguiente:
- ¿Comprobar si otros han hecho una revisión similar recientemente? ¿Cómo sería diferente tu opinión?
- ¿Piensa cómo su revisión mejorará el conocimiento en el campo?
- ¿Tiene alguna taxonomía / estructura en mente para esta revisión? ¿Por qué alguien leería una gran cantidad de texto en tu periódico?
- ¿Ha identificado suficientes direcciones futuras para este campo? ¿Está en condiciones de resumir los desafíos, limitaciones y problemas en el campo? Un documento de revisión sin estos punteros es inútil.
Con la reciente popularidad y el número de artículos en aprendizaje profundo (DL), puede haber cientos de artículos para ser revisados en una revisión general. Sin embargo, si encuentra un área específica dentro de DL, entonces esa carga puede ser eliminada. Encontrar esa área de nicho, que es de importancia e interés para los demás, es la clave.
- ¿Cuáles son algunos de los beneficios y desventajas de los modelos discriminativos y generativos?
- ¿Aprender implementando un buen enfoque, o leyendo y usando marcos como TensorFlow?
- ¿Cuál es la guía genérica y la mejor guía para aprender TensorFlow desde la plataforma Python? ¿O hay otras bibliotecas mejores que TensorFlow?
- ¿De qué manera las competencias de minería de datos y aprendizaje automático ayudan / restan valor a estos campos académicos y sus aplicaciones comerciales?
- ¿Qué es el aprendizaje no supervisado?
Buena suerte.