第一篇：【世毕盟人工智能申请】系列微讲座第五场：机器学习(ML)
【世毕盟人工智能申请】系列微讲座第五场：机器学习（ML）
今天的嘉宾是Lin学长，本科学的是纯生物，强行生转纯CS博士申请，收获Harvard CS PhD全奖博士offer，大写的服！
嘉宾分享：
Hi大家好，我是林祖迪。很高兴今天能在这里和大家分享一下申请的经验～先自我介绍一下吧，我本科是清华大学生物专业的，跨专业申请CS PhD，拿到了Harvard CS的offer，方向为machine learning，我的主要研究方向是计算机视觉。在Machine Learning这个分支里面，computer vision算是最火的方向之一了。今天我就和大家聊一聊我是怎么喜欢上这个方向的，并且聊一聊转专业申请的经历吧！
我觉得Machine Learning这个方向的申请主要看三个能力： 一是数学能力。
PhD学生和Master学生的培养目标是不同的，PhD更强调的是成为一个学术人才，研究型人才。所以数学能力是申请中对方committee或者教授非常在意的一个点。
就拿我自己来说吧，虽然我是生物方向的，但在决定要学CS以后我修了很多数学系的专业课，包括实分析、复分析、计算复杂性理论等。我在和CS教授的交流时他们就说如果是数学背景很好的学生申请Machine Learning的PhD他们会很欢迎的。
第二点就是自学的能力。
我在大三暑期科研的时候加入了Harvard一个做neurological image processing的实验室。在之前我没有任何这方面的背景，仅仅是觉得这个研究方向很有意思，可以让我们研究哺乳动物的大脑，并从中抽象出可能的新的machine learning方法，像大家所熟知的卷积神经网络（CNN）就是从当年对猫的视觉皮层的研究中慢慢抽象出来的。我觉得这个方向很有意思，就大胆地给Harvard的教授发了邮件，去他的实验室做暑研。在假期的时候我从学python做起，很努力地去补欠缺的知识，在两个月的时间里顺利地完成了一个课题，也被邀请到在希腊举办的MICCAI 2016会议做了口头报告。Professor给我说他觉得我的学习能力很不错，我也顺利地从他那里拿到了强推。这封推荐信对我最后的成功申请很重要，因为老板是Harvard的，又是美国科学院院士。
第三个我觉得很重要的点就是发掘问题的能力吧。
这是一个很抽象的东西，我们做Machine Learning的，除了要研究算法本身的原理以外，更多地是要去利用数据，在真实世界发挥作用。我觉得美国的教授非常看重学生发掘问题的能力。和有些国内的老师不同，许多国内的老师喜欢听话的学生，喜欢学生按照自己的安排来，但是美国的老师很在乎学生自主做课题的能力。所以在你的ps里，CV里，还有有可能的面试中，一定要能够表现出对数据，对课题outcome的思考，这样才能得到老师的喜欢。
当然，作为申请来说，GPA，TOEFL，GRE这些东西肯定也是很重要的，但从PhD的申请上来看，我觉得你所展示出的科研能力（PS，CV，推荐信）是最重要的。
Q&A环节
问：学长去的是BME 的image processing实验室吗？
答：不是的，是Harvard 分子生物学系一个老板那里，他做Neuroimaging，我在暑研期间做的是用Deep Learning进行图像分割和重构。
问：请问学长，ML方向是研究算法，提出新的模型吗？方便讲一下现在的研究内容吗？ 答：Machine Learning的研究大概分成两块吧，一块是研究算法，比如新的模型，新的优化理论，这部分偏数学。另外还有做应用的，比如人脸识别，自动驾驶，甚至是AlphaGO下围棋。
问：请问学长，申请寒暑假科研，一般是怎样的流程，需要注意哪些问题？ 答：我的暑期科研是直接给老板发邮件的。你要告诉老师你想做什么，会做什么，如果老板实验室有位置的话我觉得还是挺愿意招学生的。当然有些大牛老板不容易联系到。
问：请问Machine Learning的CV方向和直接申请CV区别是什么呢？
答：拿Harvard来说（我只申请了这一个CS项目。。），就一个CS Program，但是申请是会有选项，比如你想做Machine Learning，computational complexity，network，等等。我就选的machine leaning方向，但是在我的PS中我说想做computer vision，有的CS大校比如CMU可能分得更细一些吧。
问：我做的是计算生物学的deep learning，请问有什么建议？ 答：我觉得你可以申请一些计算生物学的项目，录取概率比申CS可能会高一些。
问：学长好，请问如何培养独立科研能力？
答：最直接的办法就是加入实验室，多跟着老板做课题。平时自己多读文献。大概两年我觉得，能有一个明显的提升。我在大二上开始在实验室工作的。
问：学长认为如今机器学习的前景如何？另外，科研是不是重于学习呢？纯cs申请现在情况是不是不太好呢？ 答：机器学习未来几年在学术界和工业界应该是还有大发展的，不过现在这个方向过于火爆了，申请难度不小。科研重于学习这个我不同意。成功的科研一定依赖于扎实的学术基础，所以要好好修课，但是更要学会应用。
问：学长你好，对于非数学系的学生的话有哪些数学课是推荐选修的呢？ 答：我觉得实分析、复分析、离散数学、凸优化、概率论这些是最重要的。
问：请问学长暑期的话是上CS非ML的课好呢（暑校）还是做暑研（两个月）好呢，现在CS相关课程只有数据结构、微机原理、机器学习、凸优化。答：你是大二还是大三？大三的话最好还是去做暑研。大二的话可以修课打基础，不急。
问：请问软件工程Master转CV方向phd好转吗？
答：我觉得如果数学背景好，英语好肯定是可以申请的。读了Master最好得有拿得出手的文章。
问：科研是否重于实习？
答：多做研究型的实习，比如去大公司的研究部门，像汽车的研发部门，基金公司的技术部门，还有科技公司做实习，将实习和科研结合起来。
问：请问学长，如果本科有顶刊或顶会一作论文还有合著作者强推的话，gpa这类的硬要求会不会降低呢？
答：这个不好说。有的学校GPA和TG的线卡得很严，如果不到线别的再好也没用。最好是GPA，GT过线的基础上（不用太高），有文章和强推。
问：请问学长认知神经科学的发展前景怎么样呢？
答：美国这面推出了一个Brain Initiative计划，投入了很多钱。我觉得未来十年内肯定是有大发展的。
问：请问学长对类脑计算了解吗，哪些学校或教授做的好？从neuro imaging，或电生理来做类脑建模您觉得有前景吗？
答：类脑计算这一块我觉得MIT不错，英国的University College London也有几个很厉害的老板，比如Peter Dayan。我也在研究从neuro imaging来做类脑建模，应该还是很有前景的。Google这面提供了很多Funding。
问：请问学长，Kaggle和Data Challenge这种比赛对硕士申请有帮助吗，如何体现呢？ 答：当然有帮助。这种International的比赛如果能获得前几名，写在你的CV上，能大大地帮助申请。
问：学长你好请问现在cv的phd申请会卡国内非清北华五的学校吗？怎么在学校劣势的情况下凸显自己的优势呢？我有实验室老师在商汤科技，那么他其实是不是可以给我提供一些资源呢？烦请学长予以解答谢谢~
答：说实话，清北的申请者会有一些优势，像我暑期的老板在中国只知道清北。不过我觉得你不要灰心，比如你发了顶会文章，高GPA+TG，还有老板的强推。只要能展现出自己的能力，本科在哪就不那么重要了。同一水平下可能好学校优势大些，但是你比别人强学校就不重要了。
问：请问一下学长，大三暑期实习的话，阿里巴巴的java工程师和搜狐北研的数据研发，应该选择哪一个呢？感觉阿里名气会大一点，但不知道是否能够体现出科研？对申请硕士而言？ 答：这个我不好说。但我的建议是，看哪里能做出科研的成果，而不是单看名气。硕士的话也许大公司会好一些
谢谢大家！今天就到这里吧～最后也欢迎大家加入GGU，有许多比我更厉害的学长学姐能够给大家更好的建议～～
第二篇：【世毕盟转专业申请专场微讲座】(世毕盟留学)
【世毕盟转专业申请专场微讲座】
第一位分享嘉宾介绍：
B学姐，13级浙江大学竺院金融试验班，转专业申请运筹、统计、Modeling等硕士，收获Columbia MS Operations Research, CMU MS Statistical Practice（高就业率项目，大陆本科生录取率低）, Duke MS Statistical and Economic Modeling录取！
B学姐：
大家好我叫BH，浙江大学2013级金融学试验班学生。
给大家报下三维：3.88（10%）/109（s: 23）/157+167+4 和本专业不同，我的申请方向是：运筹学及统计。
讲座中间如果有大家非常在意的点，也可以直接问～ 首先先给大家介绍一下我基本的申请状况吧 申请学校及录取情况：
1.Columbia MSOR(AD)运筹 2.CMU MSP(AD)统计
3.DUKE MSEC(WL-> AD)经济与计算 4.Cornell IEOR(WL-> REJ)运筹
5.Cornell Tech ORIE(WL)运筹与信息工程 6.UCB MS STAT(REJ)统计
今天，我想跟大家谈谈申请硕士的一些过程和小感想，主要从“转专业申请”、“选校”和“其它材料准备”三个方面谈一谈。总体上看，自己三维不是特别特别拔尖的，但到申请阶段后期会发现其实周边相同水平的学生都去了不错的学校。
我觉得申请最重要的三点是：1）信心。2）三维已经确定的情况下，申请的一些小策略确实能帮助大家很多。3）当然，更重要的是认真准备申请材料，绝不偷工减料，要尝试去了解学校、了解他们到底想要什么样的学生。那我开始正文了～
PART 1.转专业申请情况介绍
首先谈一谈我转专业的动机吧。我本科读的是金融，大二在瑞典交换的时期非常认真的思考了一下职业轨迹的问题，决定留学并转方向申请，有下面两点原因：
1、当时浏览了非常多的国外学校各个院系的网页，也在youtube上看了很多的招生宣传的视频，认为运筹这一类偏理科的专业非常对我的胃口，就业面也比较广。
2、我高中读的是理科竞赛班，比起纯金融（cfa）课程，我更加擅长带推理计算的科目。不仅在金融学习上没有优势，而且通过一些实习也发现自己不喜欢在股票及投资市场工作。
在现在这个时间点反思，我觉得当时做这个转专业的决定还是过于仓促了。几乎只考虑到了自己的兴趣爱好。如果是现在大
二、大三的学生，并且正在考虑转专业问题的话，除了自己的兴趣之外，我建议大家综合考虑一下以下几个方面： 1.转专业的跨度有多大，自己目前背景状况能否申请该专业？大家提交的申请材料是会包括以下几个硬件：核心课程／科研／实习／推荐信，可以从这几个方面思考一下，看看自己的资源／时间够不够补充／完善这些硬件。
2.转专业申请难度，这一点包括三个方面：1）开设所转专业的学校数量／开设时间； 2）所转专业与本专业的关系。比如金融—>金工（难度升级）、经济（平级）、商业分析（难度降低）。3）本专业学生申请方向过于集中、且自身背景明显有差距的需要考虑申请专业及学校招生数量。
3.转专业后的职业发展路线妥不妥当。这是很容易被忽略的一点，需要设想一下在一年／一年半毕业之后，结合本科／硕士的各种经历能不能找到一份合适的工作？HR会不会喜欢这样的背景? 能不能在学习硕士专业课的同时刷题／准备工作的各种面试及笔试。
谈谈我的过程，为了转专业，我在大三上时在专业课外强行另修了大约五门数学／编程课，并且做一份数据分析的pta（不然比较难找到合适的暑期实习）。现在再次反思的话，首先核心课是重要的，只要能满足学校首页（或是申请表格中间列举的课程列表）就可以。大家可以首先自己登陆想去的学校查询一下，看看自己能不能满足。一般申请网页上会单独要求大家填写的核心课情况，包括：课程名／成绩／书本名称／学分。大家可以提前查看，如果还没有修读，可以修读有证书的网课或是采取下学期修读补充成绩单的方式。
此外，学校要求必修的课程尽量补好，不是必修的，自己衡量一下会不会掉绩点再选择。
对于转专业硕士申请来说，实习也可能有非常大的作用。比如申请偏应用的专业能找到一份实习，提供做案例、做实务的机会，可以证明你已经能很好的运用所学工作了。从学校角度考虑，毕业生找工作成功率／就业质量是非常重要的。另，工科／cs学生实验室经验是可以替代工作经验的，写材料角度对就可以。金工一类使用研究经历替代实习不太靠谱。美赛之类当应用经历写也不是很靠谱。大家可以对照着补充自己的经历。
进入下一个part～
因为我算是一个商科学生，非常清楚本专业国内就业环境，在选申请学校时只考虑两个方面因素：地理位置／知名度。
当时是这么想的，我选的学校都是投行／咨询招聘的“一类”学校，如果没办法找到更为妥当的国外就业坑就可以往国内走、继续做金融／商科老本行。
其他要点还有：专排／综排、校友资源、就业质量、项目及课程质量、宜居程度、甚至是“小伙伴是不是一起申请”等等很多很多方面，大家可以挑一两个自己觉得非常重要的做为选择标准。
其他要点还有：专排／综排、校友资源、就业质量、项目及课程质量、宜居程度、甚至是“小伙伴是不是一起申请”等等很多很多方面，大家可以挑一两个自己觉得非常重要的做为选择标准。
了解的方法有：
1）通过以下论坛看历年数据：寄托天下／一亩三分地／Chasedream／gradcafe。2）中介／学长学姐帮助判断。
3）看项目官网和询问小秘，可以得到以往学生的硬指标。如果有一些学校或者项目明确对托福／gre有偏好（例如duke、cornell、哥大金工等），尽早落实好这些指标。
另外，也需要明确该校是否对海本学生有强烈偏好，海本会增强该校就业质量，并且身份问题容易解决，英文更好。估量该学校录取学生及陆本数量这点非常重要。
一般来说选校比例为：20%冲刺、60%适合、20%保底。各年录取情况也有可能出现较大波动，所以选择较为心仪的保底项目比较重要。
做为金融／金工／量化学生也可以考虑用新加坡／欧洲内陆／甚至是东京大学G30学院一类的大学做保底。但如果同时申请香港／英国可能会面临高额占位费（9～10w），需要提前了解好学校日程安排。
由于我本专业本科就业情况良好，我是用工作来做保底的。但是我还是建议大家选择一所保底校，可以有效避免几个月没有ad，心理煎熬的状态。金融／商业数据／统计／会计类可以考虑罗彻斯特大学。理工科并且背景还不错的学生建议申请宾大，结果出来的比较早，交钱ddl可以后延。
我还有一个建议是：在选校阶段多用一些时间！！比如我所申请的数据分析方向有相当多的名字：运筹下的data analytics（DA），部分学校的统计项目、data science(DS)、computation、information engineering(IE)、business analytics(BA)等等。
这些项目的申请难度有很大差别，开设新项目的频率也很高，需要自己仔细地寻找适合的项目, 在这一点上我并没有做的非常好，有很多申请难度相同并且非常好的项目，我是直到申请结果公布的时候才知道的。
给大家再推荐一些数据分析方向的好项目：UPenn SC，Gatech MSOR，Cornell ORIE
Stanford、Columbia MSE/ Harvard CSE/ CMU Stat/ 北卡、西北 Analytics/ Brown、NYU DS/ Cornell Tech ORIE，USC 37
下一个部分：PART 3.申请材料及过程
在我申请过程中，申请材料的准备主要参照了世毕盟给的公开课。可以说的方面太多了，我就简单地谈一下各个环节需要注意的地方：
［文书］：文书有两类，一类叫SOP（statement of purpose）主要是写申请的目的。一类叫PHS（personal history statement）UC系列一般会要求，主要是写申请者的背景，什么样的家庭环境和社会环境造就了你的个性和你的专业兴趣，在成长中遇到过什么重要的事。
文书主要是考察：1.和项目的匹配程度。2.简历中无法体现出的。3.热情。建议在了解完全教职员情况、系主要研究方向以及该校偏好的情况下逐校逐篇修改自己的文书。举个例子，比如杜克经济虽然有一些学生最后做了投行、金工方向的工作，但招生时期不喜欢特别特别金工方向的学生，文书简历中需要弱化自己的方向性，这一些情报中介或者学长学姐可以告诉你。
［简历］：按模板写，把好的经历有重点地展现出来
［补充材料］：如果被wl了一定要一定要努力找材料补充过去。身边有几个学生被拒了通过这一方式最后要到了ad。
［面试］：考察基本素养，快速准备的方式就是去论坛里找面经背好。同一批面试可以在论坛中问一下先面试的同学。
现在很多学校采取海面，面试时候放轻松，英语说清楚，网络稳定就可以（很重要，浙大vpn50，加ss，在紫金港面！）。如果谈进阶版本的话就要注重内容，面试逻辑和工作面试是一样的，尽量多谈一些自己的经历（对问题的理解／遇到什么问题／如何解决／解决后的收获），然后再做一个总结。
［英语］确实有一些项目有英语测试的暗指标，需要了解清楚。我申请的几个学校中，杜克经济系重点看gre数学有没有满分，哥大的金工需要110+／330+，康奈尔实际录取比写的要高，论坛上一轮wl的学生全部都是在gre320＋。申请cs，托福一定要一定要过百。大多学校采取一刀切。
上面一句纠正一下：康村or学院一轮wl都在320不到330的地方
考试确实非常痛苦，可以采取连续突击的方法，或者去香港及境外考试。现在申请者的水平都还蛮高的，除了国内学生，还有美本／港本／新本学生在一起竞争，英语虽然占比重很小，但是却是一个基本件。
我想跟大家谈的就是以上部分啦～结构上可能有一些跳，都是自己申请中踩到了坑的到的经验，希望或多或少能帮助大家一些～
第二位分享嘉宾G学长，南京大学物理学院，GPA不足80，转专业申请材料专业，收获Columbia、布朗、WUSTL材料硕士，SUNNY-Buffalo应用物理全奖博士录取！
G学长：
大家好初来乍到，请多关照。
http://mp.weixin.qq.com/s?__biz=MjM5NDgxNTQwNQ==&mid=2650715804&idx=1&sn=07b4aa383cf54a8ea686c3c68f397662&chksm=be881a5e89ff9348b8776d7b3e370d362d676e5efd1263e9e91e16bd09be9b2b4f793d04afa4&mpshare=1&scene=2&srcid=0510nZw6vv3dD0TGpNONPRAj#rd
首先发个官方糖，简单介绍一下我的情况 GPA 77，排名应该是后40%。。
托福103，GRE 149+170+3.5，2015年9月至今在南大纳米磁学组做科研 2017年2-3月美国Buffalo物理系合作可言
科研* 目前发表了一篇共同一作，if 8.26 两篇一作在投，国内专利两项
录取了Columbia, Brown, WUSTL 的材料科学MS；录取了Columbia, Brown, WUSTL 的材料科学MS；SUNY-Buffalo 应用物理系PhD（TA）
主要介绍一下我失败的一些教训，以及万一不幸大二末或大三决定出国，但苦于成绩比较低，该如何尽力自救。
跟GGU合作自16年8月起，主要的时间表是： 8-9月：申请策划，开始套磁，文书准备，推荐信 10-11月：选校，文书润色，教授精套，论文投稿 12月：开始申请，寒假科研启动。。1-2月：焦急等待，找指导老师诉苦。。2月至今：收获offer，准备下一段旅程
首先简要说一下选校和选专业的注意点 选校：排名，地理位置，就业，学费……要考虑的因素很多，最终决定的一点是，如果这个学校录取了，是否愿意去？排除了冗余结果后剩下的便是真正喜爱的学校，再在这个名单中选择冲刺，正常和保底校。
专业：就业前景和个人喜好是决定专业选择的主要因素，高年级的学长学姐，相关领域的老师教授，还有GGU的指导老师和mentor，都能在这个过程中提供丰富的信息和经验，以致能达到一个自己满意的结果
至于MS和PhD的选择，除去经济因素以外，最主要的是自身职业的规划，至少5年的博士生涯需要足够的热情与精力，以应对可能的夜晚对自身意义的无止尽追问（认真脸）
对于GPA或ＧＴ成绩不理想的情况，最好的是能及时补救，一个好的三围能带来很多优势，但如果这方面存在劣势，对于理工科而言，科研成果是一个很大的加分点
科研刚起步时，快速查找文献和获取文献中的有效信息是很重要的技能。Review类的文章很适合对一个新领域进行探索和了解，作者一般都是该领域的大牛，在行文过程中往往都会准确点出现有的成果和还需解决的问题，这对于理清思路，找到切入口很有益处。在确定好切入点之后，review中该段的引用文献就很有作用，能提供更多的细节，特别是具体的研究思路与流程，都能起到很好的启发作用。特别是材料等相对周期较短的实验工作，新点子的产生往往都能做出不错的工作。
对于套磁和推荐信，实验室的导师是人脉关系网上的重要一环，因为与所有行业一样，科研也要一直与人打交道，而作为科研领域的新人，我们认识的人，以及我们自身的知名度，都不足以让录取委员会眼前一亮（本科就是大牛的另论，估计要纠结的就是去哈佛呢还是MIT。。）
所以有机会的时候多跟导师聊聊他对该研究领域的理解，哪些人做的工作很有趣，甚至哪些大牛之前或现在正在与组内合作，再问到能否引荐一下。对于平时不怎么有机会接触老板或者老板比较不喜欢闲谈的，可以试着将老板的代表paper列出，如果作者名单中出现感兴趣的名字，可就这篇论文中的细节向老板提问，同时找机会问能不能找当时的其他作者问一些问题，由老板出面发第一封邮件并抄送给你，套磁或者请求推荐的概率就大了很多。
除了老板所熟识的教授，所在领域的大牛往往也是套磁的对象。发现和认识这些大牛教授的机会主要来自顶级杂志文章和学术会议。特别是能和大牛面对面的机会一定要把握，（比如第十一届中美华人纳米论坛是在南京大学举办的，当时参会的有崔屹、杨培东、李亚栋、孙守恒、包信和等等大牛），会后尽快把自己的感想和问题写成邮件发给心仪的教授。
在拟定邮件的时候一个很容易忽视的问题就是邮件的格式，除了常见的主题与正文格式外，适当的寒暄和尾注也能起到很有益的作用，而且如果之前与该教授有所联系，包括见过面，听过报告，校友或者经老板介绍，注意在正文的最开始就交代这一点，教授们往往公务繁忙，收到邮件后扫一眼，如果觉得不感兴趣或者完全不认识发件人，很大程度就不会答复，并且以我的经历而言，第一封邮件不回复，往后的邮件往往也得不到正面答复。
这里提供一下我所用的邮件尾注的样本，大家可以参考一下
至于教授之间的互相推荐有多大的威力，我有个亲身体会可以分享
这封邮件给了我面套ｄｒｅａｍ ｐｒｏｆｅｓｓｏｒ的机会，最终也拿到了布朗的录取另外有个能吸引教授注意力的方法就是对可能存在的问题进行提问，包括其研究组的网站主页、发表的论文、甚至所编教材某个部分的内容。对于涉及学术问题的部分，最好征求一下老板的意见，因为这种学术challenge比较需要把握方法方式，没有把握的话提出质疑会显得不太礼貌。
其次在套磁的时候有个容易被忽视的问题，就是如何表达自己的执着，即让教授相信我是真的愿意加入他的研究组。可能有人觉得这并不难，套磁信中都会洋洋洒洒把自己的倾慕之情表达出来，但大牛们都听过很多赞美之词，我们想出来的辞藻往往不足够表达出赤忱之心。
就我的遭遇而言，和一位领域大牛往来了十数封邮件，他也对我的申请提出了不少建议和改进措施，但直到我站在他办公室里面对着他，他才说现在才明白我是真心愿意加入他们组，而且在之前的联系中只对我口头提出了建议，而没有在录取委员会中给我强力推荐。在错失加入dream group的机会，心痛的同时也意识到自己以前在这方面做的不够，希望后来的同学们能注意规避这一点，爱ta就要说出来。
以上就是我对科研、推荐信和套磁的一些理解与经验，谢谢大家～
点击咨询 