PKU-DAIR实验室新手科研入门指南Repo重磅上线！

      北京大学数据与智能实验室（Data And Intelligence Research Lab at Peking Univeristy，PKU-DAIR ）致力于数据库系统、大数据管理与分析以及人工智能等领域的前沿研究。团队长期在理论和技术创新上不断探索，已在国际顶级学术会议或期刊发表论文200余篇，并推出多个开源项目，与多家知名企业开展了卓有成效的合作。

      为帮助新手快速熟悉和进入相关科研领域，PKU-DAIR 实验室特别推出了新手入门指南Repo。本仓库基于课题组的科研积累，提供全面的入门论文、开源文档和技术指南等分享，旨在帮助初学者快速熟悉数据管理(Data Management, DM) 和 人工智能 (Artificial Intelligence, AI) 等前沿领域，具体包括AI系统、DB+AI、自动化机器学习、AI Agent等方向，搭建坚实的技术基础。无论你是刚入门的小白，还是希望加深理解的探索者，这里的资源将为你的学习与研究之旅提供有力支持。

资源亮点：

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

• 科研入门指南

从基础到进阶，掌握高效阅读论文的技巧，以及如何做好研究的相关知识，帮助你更快融入学术环境，独立开展研究。具体包含以内容:

• "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
• 科研入门指南--如何做好科研, 如何写好论文?
• 如何读好学术论文?

•  研究方向一览

1. AI系统方向：涵盖人工智能的基础知识、机器学习和深度学习系统框架，以及分布式训练和推理服务等关键技术。具体包含以下子方向:

• AI基础入门
• ML/DL系统框架
• 分布式训练
• LLM推理服务
• Diffusion（文生图、文生视频）推理服务

2. AutoML方向 ：专注于自动化机器学习，涉及超参数优化、网络结构搜索和模型压缩等主题，提升机器学习的效率。具体包含以下子方向:

• AutoML与超参数优化
• 网络结构搜索(NAS)
• 模型压缩
• 大语言模型与AutoML

3. Database方向 ：探索数据库系统的基础及其与人工智能的融合，包括经典数据库、AI4DB和向量数据库等内容。具体包含以下子方向:

• Classical Database System
• AI4DB
• Vector database

4. AI Agent方向 ：研究智能代理的规划、感知和执行等能力，帮助构建更智能的系统。具体包含以下子方向:

• 综述
• Agent规划
• 数据获取与感知
• 执行与工具使用
• Agent Benchmark

5. Data-Centric ML方向：关注数据驱动的机器学习方法，包括ML、LLM的基础知识、算法和针对特定领域的应用。具体包含以下子方向:

• 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. 扩散模型方向：介绍扩散模型的基本原理和应用，包括图像和视频生成、3D/4D生成技术。具体包含以下子方向:

• 扩散模型基础
• 扩散模型加速
• 文生图/视频
• 3D/4D生成

7. AI for Science方向：结合人工智能与科学研究，涵盖蛋白质建模、小分子建模和生物数据分析等重要领域。具体包含以下子方向:

• 综述
• 蛋白质建模
• 小分子建模
• DNA/RNA/Cell

8. Graph方向 ：研究图神经网络及其在数据中心学习和图学习中的应用，推动图数据处理的发展。具体包含以下子方向:

• GNN基础
• 异构图GNN
• 以数据为中心的图学习
• GNN加速
• GNN与LLM结合

      我们希望通过这些丰富的资源，帮助有志科研的同学尽快找到自己的方向和兴趣，在科研道路上更顺利地前行。

       欢迎大家积极关注我们的Repo，提出宝贵的意见和issue，也欢迎加入我们课题组共同进行探索和创新，在科研的旅途中不断成长！期待在知识的海洋中与你相遇，共同迎接未来的挑战与机遇！

实验室简介

北京大学数据与智能实验室（Data And Intelligence Research Lab at Peking Univeristy，PKU-DAIR实验室）由北京大学计算机学院崔斌教授领导，长期从事数据库系统、大数据管理与分析、人工智能等领域的前沿研究，在理论和技术创新以及系统研发上取得多项成果，已在国际顶级学术会议和期刊发表学术论文100余篇，发布多个开源项目。课题组同学曾数十次获得包括CCF优博、ACM中国优博、北大优博、微软学者、苹果奖学金、谷歌奖学金等荣誉。PKU-DAIR实验室持续与工业界展开卓有成效的合作，与腾讯、阿里巴巴、苹果、微软、百度、快手、中兴通讯等多家知名企业开展项目合作和前沿探索，解决实际问题，进行科研成果的转化落地。