【世毕盟人工智能申请】系列微讲座第五场：机器学习(ML).docxVIP

【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。 QA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