西渡营

 找回密码
 立即注册
搜索
查看: 10007|回复: 0

[规划] 【原创】我的美博申请

    [复制链接]

350

主题

763

帖子

6万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
66431
发表于 2019-5-5 11:52:32 | 显示全部楼层 |阅读模式
原创 吕博翔

背景

我叫吕博翔,2015年毕业于华师一附中,2015年至2018年在卡耐基梅隆大学读本科,专业为统计与机器学习,辅修数学和计算机科学。2018年至2019年在卡耐基梅隆大学读硕士,专业为机器学习,在这次申请季中得到了芝加哥大学布斯商学院计量经济与统计博士,威斯康星大学麦迪逊分校统计博士,以及丰田理工学院芝加哥分校计算机博士的录取,最后选择了芝加哥大学布斯商学院,研究方向为概率图模型,凸函数优化,以及高维数据。

从2015年进校开始,我就对于机器学习,尤其是统计机器学习有着浓厚的兴趣。机器学习是一个跨度非常大的学科,其中我感兴趣的方向比较贴近于大数据,数据科学这一块:我希望能够从定量的角度来分析我们可以如何处理数据,通过理论研究来帮助人们跟好的分析数据,理解数据。

2018年是我第一次申请博士。因为本科只读了三年,研究经历和其他人相比不那么起眼,同时,也碰巧赶上了人工智能的大热,导致录取难度直线上升。而自己申请时预估不足,所有博士项目都没有得到好的结果。最后录取了卡耐基梅隆大学的机器学习硕士,录取率大概在1%的样子,也是自己想读的专业方向上最好的硕士项目之一了。

提前规划的重要性

今天我想分享的第一点就是提前规划的重要性。从上面的背景介绍中大家可能看出来了,我进校的时候就对于读博这一件事饶有兴趣,并且也大致确立了专业方向。刚好我在读大学之前考了一些相关的AP课程,如计算机科学,微积分,统计等,令我可以尽快开始专业课的学习。而这一点,在我看来,对于我的发展有着莫大的帮助。

大二上学期,我已经开始与研究生一起学习一些统计、机器学习的课程,而大二下学期我和很多博士生一起深入学习了统计机器学习中的理论。提前修这些课程不仅帮助我打好了良好的基础,同时也帮助我找到了比较好的研究项目:当我和教授们说到我上过的课程的时候,有些教授愿意为我提供机会,让我进入研究项目组。等到了大三,我已经可以积极参与项目组的研究,并且为硕士生的机器学习课程担任助教。

这里面我觉得最重要的一点就是我的规划开始的很早。我在大一的时候就开始和adviser讨论提前学习硕士乃至博士级别的相关课程的可行性,并且自己也制定了一个比较清晰的计划,让我在选课时能有的放矢,选择真正对我重要的课程。这也帮助了我在比很多同学先一步接触到了我自己想学习的专业内容,并且找到研究。这里面有很多极其聪明的同学,但是因为我的积累稍微多一点,在专业上面懂的内容可能会稍微多一点。

热门专业的陷阱

说到机器学习不可避免的就是现在机器学习的大热:仿佛所有人都在讨论机器学习。但我在这里可能想介绍一下热门之下,对于学生的潜在压力。诚然,机器学习大热代表着高薪,代表着出来就有工作,代表有前途,但是同样的,对于机器学习的热衷也导致这个方向上的竞争格外激烈。

机器学习这一块挤了太多的聪明人了。我这一级的本科生可以开玩笑说是阿法狗的一代:2015年9月入学,而2016年3月,在我们大一下学期的时候,阿法狗便击败了李世石。类似的征兆着人工智能的成功的项目也在我们的本科期间逐渐出现:大二一开学,匹兹堡的街头变多出了优步的无人驾驶车辆,象征着无人驾驶的发展。

人工智能的发展不仅仅限于产品之多,也在于研究方向的多样性,尤其是我们大学期间深度学习的各类研究方向:对抗生成网络,机器翻译,强化学习中的深度学习,图像识别等等等等(稍微详细一点的说的话,GAN的文章发表于2014年,seq2seq与attention mechanism在的文章发表于2016年,ResNet发表于2015年,Deep Q Learning也发表于2016年)。这些研究方向不仅多样,而且表现极其好,很值得研究。同时,他们也大多在我们的大一,大二的时候发表,代表着这届学生大一大二进实验室做研究,寻找研究方向的时候会倾向于这些方向,导致了有众多学生选择机器学习作为研究方向,其中不乏清华北大的佼佼者。

但是这样的热门也导致了这个领域的竞争极其激烈:我看了一下我录取的硕士项目的学生背景,国内本科背景的均是985出身,不乏清华大学,北京大学的佼佼者。在竞争激烈的时候,如何调整自己的定位,寻找自己真正喜欢的方向而不是单纯的从众,在我看来是一件极其重要的事情。

了解自己

竞争这么激烈的情况下,如果选择了一个自己不喜欢或是没有兴趣的方向,是很难得到理想的结果的。今年的申请过程中,我就做出了一个令我父母最开始有些疑惑的决定:我打算把自己的申请重心转到统计,应用数学,运筹学之上,而不是仅仅申请计算机专业。

为什么?因为我的研究方向本身比较强调数理、统计的基础,而不是单纯的写码。说来惭愧,我自己对于写代码也没有很大的兴趣。在这样的情况下,如果我要去学习深度学习,不仅痛苦,而且效果也不好:我不会像真正对这个领域感兴趣的人那样,花很长时间去写代码,调整参数,实现新的模型,因为我对这些不是很感兴趣。

可能会有人要问了,那么这些专业,真的适合吗?在我看来是适合的。卡耐基梅隆大学有着很好的电子与计算机工程专业,里面也有很多博士生在做深度学习,在研究图像识别。同样的,麻省理工学院的运筹学中心也有着几位运筹学的大牛。机器学习最重要的基本教科书之一,Elements of Statistical Learning,更是由斯坦福大学的统计系教授撰写的。毕竟机器学习本身就是一个交叉学科,涉及到的技术众多,如果只是把自己的兴趣限定在一个小方向上,不一定能找到自己最适合的方向,也可能会面临很多不必要的竞争。

了解专业

这一点和上面的内容关系非常紧密:只有真正了解了自己的专业方向,才可能做出最适合自己的决定。这里面的了解不仅仅是大致的了解自己喜欢的方向是什么,可能也需要去了解,这个方向上自己可能遇到什么样的挑战,这些挑战应该如何解决,自己方向上有什么不错的选择。

在这里我就想举一个例子:丰田理工学院芝加哥分校。这间学院只有一个系,计算机科学系,而且研究方向也是残缺的,并不研究操作系统,密码学等方向。但是,这个学院在机器学习届却有着很好的名声,也有着我的研究方向上的一位大牛,Nathan Srebro教授。如果只是单纯的看US News上的专业排名,类似于这样的机会很多就消失了,只有真正的去关注文章,去和业内人士聊天,才能找到适合自己的方向,做出真正适合自己的决定。

中介的帮助

在这里我也想感谢陈示亮老师和负责我文书的曾老师。我觉得找中介对我来说是有用的。我不能代表所有人,我只能说下找中介对我自己的帮助。

  • 申请季往往非常忙碌:研究,课业压力,再加上申请,有时候很容易忘记一些要做的事情。在整个申请过程中陈老师一直会提醒我什么时间应该做什么事情,令我不必再为申请担心太多,保证我可以按时完成申请应该做的任务。
  • 文书修改可以令我安心:有一个值得信赖的人帮忙看一遍文书永远是好事,而这次申请的时候我也不必太为我的简历或者文书担忧,因为我相信我的文书老师可以给我中肯的建议,帮助我修改自己的文书,并且很快的给我反馈。

经作者授权,版权归本网站及作者,转载请注明出去

  欢迎关注风雨留学公众号   
公众号二唯码.jpg    

风雨小助手.jpg
  欢迎到微信群来交流!
















回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

手机版|Archiver|西渡营 ( 鄂ICP备13011341号-1

GMT+8, 2021-10-17 13:26 , Processed in 0.099190 second(s), 24 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表