美国生物信息学博士

近日，著名的艾尔弗雷德·P·斯隆基金会宣布，从 126 位杰出的美国和加拿大研究员中选出 2019 年斯隆研究奖的获得者。该奖自 1955 年来每年颁发一次，以表彰那些在其研究领域内被认为最有前途的早期职业学者。2019 年斯隆研究奖的完整获奖名单详见斯隆基金会官网：https://sloan.org/fellowships/2019-Fellows。斯隆基金会 (Alfred P. Sloan Foundation) 主席 Adam F. Falk 说:“斯隆研究院的研究员是当今最优秀的青年科学家。”斯隆管理学院的学生因他们的创造力之强、工作之努力、解决问题之重要、解决问题之活力和创新能力之强脱颖而出。成为斯隆管理学院的学生就是成为 21 世纪科学发展的先锋。而在这一次的榜单中，据 DT 君的查证，共有 19 名华人科学家入选。以下为获奖华人科学家名单：化学：1.冯小峰，中佛罗里达大学2.Yongjie Hu，加州大学洛杉矶分校3.林松，康奈尔大学4.王海亮，耶鲁大学5.夏岩，斯坦福大学6.尤明旭，马萨诸塞大学安姆斯特分校计算和进化分子生物学：7. 陈梦洁，芝加哥大学8. Nancy Chen, 罗切斯特大学计算机科学：9. 蔡洋, 麦吉尔大学10. 鬲融, 杜克大学数学：11. 程修远, 杜克大学12. Francesco Lin, Princeton University13. 王博潼, 威斯康星大学麦迪逊分校14. 赵宇飞, 麻省理工学院15.Tianyi Zheng, 加州大学圣地亚哥分校 (tzheng2@ucsd.e)16. 周鑫, 加州大学圣塔芭芭拉分校 (zhou@math.ucsb.e)海洋科学：17. 刘伟, 加州大学河滨分校物理学：18. 程蒙, 耶鲁大学19.Ming Yi, Rice University（mingyi@rice.e）以下为获奖华人科学家的简介：冯小峰，2007 年获北京大学物理学学士学位，2009 年获清华大学物理学硕士学位，2013 年 12 月获加州大学伯克利分校材料科学与工程博士学位，之后在斯坦福大学做博士后两年半，于 2016 年 8 月加入中佛罗里达大学担任助理教授。他的主要研究重点是了解电催化材料的结构-活性关系，以及开发高效的能量转换电催化剂。这些研究将用于燃料电池的电催化剂 (如金属纳米结构、二维材料) 的设计和合成，以及指导人工光合作用 (水分解和二氧化碳消耗)。Yongjie Hu，加州大学洛杉矶分校助理教授，他的团队研究重点是理解纳米级传输现象和设计纳米材料，使其广泛应用于能量转换，存储，热管理和纳米级传感器系统。使用各种实验和理论技术来研究纳米级传输过程，特别强调先进材料的设计和化学合成，超快光学光谱，脉冲电子和热谱映射技术。2018 年 7 月，该团队首次实验合成一种高导热半导体新材料：无缺陷的单晶复合物砷化硼，该材料导热率 高达~1300 W / mK，散热性能比当前最好的半导体更胜一筹，是目前工业界最佳材料，碳化硅和铜的三倍以上。林松，现任康奈尔大学助理教授，主要从事有机化学，催化材料，有机材料方面的工作。2008 年获北京大学化学学士学位，2010 年获哈佛大学化学硕士学位，2013 年获哈佛大学化学博士学位。2013-2016 年担任加州大学伯克利分校化学系博士后研究员。王海亮，耶鲁大学助理教授。2007 年毕业于北京大学化学系，2012 年获斯坦福大学博士学位，2012-2014 年担任加州大学伯克利分校博士后研究员。他的研究工作利用化学、材料科学、纳米技术和表面科学来解决电化学储能和转化方面的挑战。研究用于高密度储能的新型化学材料，开发用于高速率和高效率能量转换的催化剂，以及研究电化学装置中的基本结构-性能相关性和化学过程。夏岩，斯坦福大学助理教授。2002 年获北京大学化学学士学位，2005 年获麦克马斯特大学化学硕士学位，2010 年获加州理工学院化学博士学位。研究主要涉及设计和合成具有自定义性质的奇异小分子和巨分子。他的研究结合了催化、有机和聚合物化学，以及一系列先进的特征来创造、控制和研究纳米结构的具有特定构象、性能和功能的新型 (宏观) 分子结构和有机材料。尤明旭，2008 年获北京大学化学学士学位，2012 年获佛罗里达大学化学博士学位。于 2016 年 9 月加入马萨诸塞大学安姆赫斯特分校，担任化学助理教授。他还是麻省理工学院应用生命科学研究所、化学-生物接口项目、分子与细胞生物学研究生项目、生物物理中心、临床与转化科学中心以及自主材料中心的教员。陈梦洁，2005 年考入华中科技大学生命科学与技术学院，就读于生物技术系，2009 年毕业并获得学士学位。2009 年，陈梦洁获得国家基金委耶鲁世界奖学金项目继续深造；2014 年获得耶鲁大学计算生物学和生物信息学博士学位。同年，她获得北卡罗来纳大学教堂山分校的教职。2016 年加入芝加哥大学，现为芝加哥大学人类遗传学系助理教授、芝加哥大学医学部遗传医学科助理教授。至此，她已在 Nature communications、Genome biology、Bioinformatics、Nucleic Acids Research 等国际期刊发表 33 篇高水平论文。Nancy Chen，进化生物学家，博士毕业于康奈尔大学，其研究方向将基因组学和长期人口统计学研究与谱系数据相结合，以表示通过空间和时间塑造基因组变异模式的进化过程。现于罗切斯特大学任职。蔡洋，前麦吉尔大学计算机科学学院助理教授，William Dawson 学者。2008 年获北京大学电子工程和计算机科学学士学位，2013 年获得麻省理工学院计算机科学博士学位。现在担任耶鲁大学计算机科学与经济学助理教授。鬲融，曾获第 16 届国际信息学奥赛金牌，2004 年获保送清华大学，就读于堪称天才集中营的“清华姚班”。在清华大学就读期间，获得清华大学特等奖学金。清华毕业后，前往美国留学，在普林斯顿大学计算机科学系获得博士学位，新英格兰微软研究院的博士后。现任杜克大学计算机科学系助理教授。程修远，2009 年获得北京大学数学学士学位，2013 年获得普林斯顿大学应用与计算数学博士学位，现任杜克大学数学系助理教授。主要负责研究开发理论和计算技术来解决高维统计、信号处理和机器学习中的问题。Francesco Lin，现任普林斯顿大学数学系助理教授，2010 年获意大利比萨大学数学系学士学位，2012 年获硕士学位。2016 年获麻省理工学院学院数学博士学位。主要从事低维拓扑，几何与椭圆偏微分方程相关的研究工作。王博潼，2006 年获北京大学学士，2012 年获普渡大学博士。2016 年与国际著名数学家 June Huh 教授证明了 Dowling 和 Wilson 在 1975 年提出的一个著名的组合学猜想，该进展次年发表在国际顶尖数学杂志 Acta Math 上。赵宇飞, 2010 年获得麻省理工学院数学和计算机科学双学士学位，2011 年获得剑桥大学数学硕士学位，2015 年获得麻省理工学院博士学位。在回到麻省理工学院任教之前，他曾经在牛津大学、加州大学伯克利分校等学校或研究机构任职。2018 年，赵宇飞获得了美国工业和应用数学学会 (SIAM) 授予的奖项。Tianyi Zheng，加州大学圣地亚哥分校数学系助理教授。2013 年获得康奈尔大学数学博士学位，斯坦福大学数学系博士后。周鑫，现任加州大学圣塔芭芭拉分校助理教授。2006 年获清华大学物理数学学士学位，2008 年获北京大学数学硕士学位，2013 年获斯坦福大学数学博士学位。研究方向为微分几何，变分微积分，广义相对论。刘伟，现任加州大学河滨分校地球科学系助理教授。2012 年获得威斯康星大学麦迪逊分校大气与海洋科学系博士学位。研究重点是气候系统演化和变化的动态控制以及相关气候适应研究，曾在美国国家海洋和大气管理局、斯克里普斯海洋学研究所、加州大学圣地亚哥分校和耶鲁大学工作。程蒙，现任耶鲁大学助理教授，2004-2008 年就读南京大学物理系。2008-2013 年，在马里兰大学物理系攻读博士学位。2013 年-2016 年，在微软公司从事博士后研究工作。2017 年 7 月，加入耶鲁大学，任物理系助理教授。主要研究量子凝聚态理论。仪鸣，现任莱斯大学物理学助理教授。2007 年获麻省理工学院物理学学士学位，2014 年获斯坦福大学物理学博士学位。2014-2018 年任莱斯大学博士后研究员。2019 年获国际纯粹物理与应用物理联合会青年科学家奖，2018 年获 William E. 和 Diane M. Spicer 青年研究员奖。许多科学史上顶天立地的人物都曾是斯隆管理学院的研究员，包括物理学家理查德费曼 (Richard Feynman)，默里盖尔曼 (Murray gel - mann)，以及博弈论学家约翰纳什 (John Nash)。47 位研究人员曾在各自领域获得了诺贝尔奖，17 位获得了菲尔兹数学奖，69 位获得了国家科学奖，18 位获得了约翰贝茨克拉克经济学奖，包括 2007 年以来的每一位获奖者。斯隆管理学院前研究员的具体信息详见 https://sloan.org/past-fellows.斯隆研究奖不仅因为其声望而倍受重视，它更是一种高度灵活的研究支持来源。资金可以被获奖者灵活支配，来用在他认为最有利于自己工作的任何方面。“年轻研究者需要的是研究方向的自由，”艾尔弗雷德·p·斯隆基金会斯隆研究奖项目主任丹尼尔·l·戈洛夫 (Daniel L. Goroff) 说道。“找到最聪明的年轻人并相信他们能做他们最擅长的事情。这就是斯隆研究基金的目的。”今年，来自美国和加拿大 57 所学院和大学的 2019 年斯隆管理学院研究人员代表了不同的研究兴趣。今年的获奖者还包括:一位正在开发高导热材料的化学家，这种材料可以将现代计算中使用的能源减半;一位正在记录全球富人逃税总额的经济学家;一位海洋科学家模拟了开放环境温度变化迫使先前分离的物种进入同一栖息地时的情形及后果;一位计算生物学家，他正在使用高性能计算挖掘以前未发现的抗生素;一位天体物理学家，已成为寻找其他世界的世界领袖;一位计算机科学家，他是视频图形在制造业应用的先驱;一位研究人类常见心理特征的神经学家，如研究风险厌恶和延迟满足是如何在灵长类动物的饮食生态学中出现的。斯隆研究奖面向化学、计算机科学、经济学、数学、计算和进化分子生物学、神经科学、海洋科学和物理学等八个学科和技术领域的学者开放。候选人必须由其研究同行提名，由资深学者组成的独立小组根据候选人的研究成果、创造力和成为该领域领导者的潜力选出最终获奖者。获奖者将获得为期两年共计 7 万美元的奖金，用于进一步研究。完整名单请点击右边按钮：https://sloan.org/fellowships/2019-Fellows。

随着科学不断进步，生物医学工程领域也在不断完善，一些过去无法治好的疾病得以解决。据美国劳工统计局的数据统计，随着医学行业的快速发展，医科类职业薪水也变得相对较高，中位数达到了88550美元。因此，生物医学行业近几年非常火爆，有很多学生都想在美国深造学医，但在美国本科阶段没有医学院，也不设医学专业，也就是学生在本科阶段无法申请入读医学专业，医学院通常只在硕士阶段开设。但是，在美国的本科阶段，同学们可以就读生物医学工程，生物医学工程（Biomedical Engineering，简称BME）是生物科学与工程设计相结合的交叉学科，涉及生物、化学、物理、机械工程、电子工程和材料科学等多个领域。那么就读生物医学工程，哪些院校是顶尖呢？1、哥伦比亚大学哥伦比亚大学位于曼哈顿，是一所享有盛誉的常春藤盟校，在美国各大学排名一直名列前茅。哥伦比亚大学的生物医学工程专业在全国排名中是非常出色的。该专业与医院、牙科、公共卫生组织和自然科学领域等深入合作，使学生可以在参与项目活动的同时积累丰富的实践经验。所有高年级学生都必须在生物医学领域的设计项目中接受为期两个学期的培训。2、杜克大学杜克大学位于北卡罗来纳州的达勒姆市，在杜克大学，每年都会有100左右人次获得生物医学工程专业学士学位。该校师生比例为1:7，这就意味着学生有很多机会可以和老师互动交流，同时获得研究和实习的机会。杜克大学生物医学工程专业在USNEWS中排名第三。3、佐治亚理工学院佐治亚理工学院位于亚特兰大的市中心，是上榜的10所学校里学费最便宜的大学之一，但是生物医学工程专业与其他顶尖院校相比却毫不逊色。因为佐治亚理工学院与邻近的埃默里大学在医科方面有着深度合作。佐治亚理工学院一直致力于解决社会中存在的实质性的问题而不断研究，是属于顶尖的研究性质的私立大学。4、约翰霍普金斯大学约翰霍普金斯大学以其在医学领域的先进课程而闻名，生物医学、公共卫生、空间科学、国际关系都是约翰霍普金斯大学一直以来的强项。约翰霍普金斯大学采用开放式合作的教学模式，使学生共同开发新的医学设备。使得约有80%的本科生在校四年期间从事过至少一项独立研究，并且很多时候是与该领域的顶尖研究者合作。5、麻省理工学院麻省理工学院几乎在所有的工程领域表现都很出色，生物医学也不例外。麻省理工学院每年为大约100名生物医学专业的本科生提供实习机会，他们有机会和研究生及教授共同研究项目，从而获得学分和薪资。麻省理工学院是美国10所生物医学研究所之一。6、莱斯大学莱斯大学的生物医学工程专业临近休斯敦的德克萨斯医学中心，莱斯大学可以为学生提供与医学研究人员交流的机会。本科的课程设有小班授课和实践，大学四年所灌输的学习内容几乎都围绕着：鼓励学生参与研究、开拓创新精神、增强解决问题能力的核心理念。7、斯坦福大学斯坦福大学是全美顶尖的工程学院和医学院之一，并且跨学科项目是由工程学院和医学院共同设立的，旨在促进各学术单位之间的合作。斯坦福大学确实是一个研究重校，拥有大量设施供学生探索研究。每年都会有30多人获得学士学位，大部分人都选择继续读研。8、加州大学伯克利分校伯克利的生物医学工程专业是全国最大的，目前拥有400多名本科生和200多名研究生。该学校的22名教授拥有150多项专利（有效+正在申请）。加州大学伯克利分校鼓励学生自主研究，鼓励参加为期15周的峰会课程，由团队的学生自己去开发和测试新的医疗技术。9、加州大学圣地亚哥分校加州大学圣地亚哥分校在工程学包括生物工程学方面具有很多优势，包括生物工程、生物技术、生物信息学、生物系统。并且每年为160多名毕业生提供与UCSD医学院研究合作的机会。10、宾夕法尼亚大学宾夕法尼亚大学位于费城，与宾大佩雷尔曼医学院在同一个城市。宾夕法尼亚大学约有1400名医学博士，生物医学工程系与医学设备实验室距离很近，因此生物医学工程专业80％以上的学生会进行独立研究。在校老师与300多名学生的人数比例为1:7.5，位列USNEWS前十。REF：

作为一家掌握多模态人工智能技术的精准医学大数据公司，志诺维思具备独有的生物信息、自然语言处理和图像分析算法，致力于打造面向肿瘤精准医学大数据分析的综合型云体系，公司位于中关村核心区，目前是国家高新技术企业。该体系目前包括两套解决方案：针对基因检测和研究的“智能基因云”——iGenomeCloud，以及针对病理研究和数据管理的“智能表型云”——iPhenomeTMCloud。近日，动脉网了解到，赛默飞生物信息资深应用专家——徐昭博士加盟志诺维思，担任公司CTO。入职后，徐昭博士将统筹公司的技术开发工作，具体包括夯实云产品架构，全面提升产品工程化程度和开发迭代效率。徐昭博士徐昭博士：天津大学生物医学工程学士，复旦大学生物信息学博士。2001年入职北京华大基因研究中心，后任软件组组长，负责设计算法并工程化实现程序进行大规模数据分析。2004年师从郝柏林院士从事生物信息学方向的研究。在Science, Nature Reviews Genetics, PLoS Biology 和 Nucleic Acids Research等期刊上发表过多篇文章。2009年加入Life Tech北京分公司生物信息学团队，负责二代测序仪后台应用软件开发、支持客户进行基于二代测序短片段的生物信息学分析应用。2013年在Life Tech公司（同年被赛默飞Thermo Fisher并购）美国总部担任资深应用专家，主要解决美国医疗机构客户运用高通量测序仪在医学检测中的各种数据分析难题。从就职于Life Tech公司开始，徐昭博士开发了一系列算法和软件，涉及微生物从头拼接、微生物元基因组分析、胚胎植入前遗传学筛查、低频肿瘤突变探测和注释等领域。除了生物信息应用软件的开发，徐昭作为资深的全栈生物信息工程师，领导团队帮助客户搭建服务于二代测序的计算和存储集群系统。他在生物信息应用程序开发、集群高性能并行存储搭建、作业调度系统、程序并行优化设计、云系统中间件方面都具有极强的产品级工程开发和技术管理经验。动脉网Q1：您作为Life Tech美国资深生物信息学家为什么要加入一家国内初创公司？徐昭博士：加入志诺维思，是基于对公司在肿瘤基因组研究和生物信息技术上的认可，以及对其产品和服务对整个肿瘤医疗产业的价值判断。当然，创始团队对公司方向的布局和独特的产业化视野，也使得我对于加入新公司充满信心和期待。动脉网Q2：据我了解，志诺维思是一家运用AI技术做肿瘤基因组+病理大数据的公司，具有构建AI算法和提供肿瘤精准医学综合信息解决方案的能力。您在美国工作这么多年，您觉得有没有一家在美国或全球可以对标的公司呢？徐昭博士：“肿瘤”诊疗是世界级的难题，其实本身就需要对于肿瘤“内在”和“外在”两类特征进行整合分析才能真正开发出“精准”的AI诊断算法和决策支撑体系，这两类特征就是我们经常说的“基因型（Genotype）”和“表型（Phenotype）”。而这两类特征包含属于不同维度的多模态数据：比如刻画肿瘤基因型的基于二代测序的基因组数据、及刻画肿瘤表型的病理图像、病理文本和CT/MRI影像数据等。就美国和欧洲市场来说，我尚未看到一家可以完全对标的公司。例如，在美国有专注于肿瘤数据细分领域的高科技公司。这类型公司通常只聚焦处理“基因型”或“表型”中的一类数据，如专注于肿瘤基因检测和生物标记物发现的Foundation Medicine、专注于肿瘤临床病历和疗效数据收集公司Flatiron,以及企业级生物信息软件和内部云系统开发公司Bina Technology。我想，罗氏先后收购这三家公司可能也是考虑到不同数据之间互相补充的价值，也就是精准医学在推进过程融合基因组和表型组的信息。动脉网Q3：基于志诺维思的独特布局和核心优势，公司的云产品体系怎样向肿瘤精准医学产业输出价值？徐昭博士：公司目前的产品主要是面向于肿瘤基因型和表型数据分析的综合云体系，包括服务于肿瘤第三方NGS检验机构的“智能基因云”——iGenomeCloud和服务于医疗机构的“智能表型云”——iPhenomeCloud。正如之前所说，解决肿瘤精准诊疗需针对“基因型”和“表型”的两方面的数据来开发基于AI的信息解决方案。目前，“智能基因云”能实时提供从肿瘤全外显子原始数据质控到体细胞突变精准探测，再到生成肿瘤用药检测报告的全套数据流。检测报告里甚至包括了最新获批的肿瘤免疫治疗药物Opdivo。“智能表型云”则能提供肿瘤病理报告和图像管理和浏览、智能搜索、基于AI的病理图像免疫组化定量分析等功能，对于提升病理科科研和诊断水平具有重要的作用。我们相信，基因和病理两端相互配合的云解决方案，能在确保检测数据和报告质量的前提下，根本性地提升NGS检测在医院病理科的渗透率和肿瘤诊断水平，我想这应该是志诺维思的产品对肿瘤精准医学产业输出的真正价值。动脉网Q4：最后一个问题：您觉得您加入志诺维思成为CTO之后将给公司带来怎样的帮助？徐昭博士：我觉得主要有三个方面：第一，我在软件产品开发和用户体验方面的经验能够帮助公司把云体系的功能模块变得更丰富更完善；第二，我在系统架构、并行文件系统、作业调度系统和云计算中间件上的工程化经验能帮助提升云体系的稳定性、可扩展性和实际运行效能；第三，我在Life Tech实际管理技术团队的经验能有效规范目前公司内多元化团队的工程化开发流程，能本质上提升产品迭代效率并降低后期维护的成本。 从2018年3月我全职加入志诺维思以来，每天都跟技术团队成员一起战斗，充分感受到了大家为了目标拼搏努力的奋斗精神，这种工作节奏是大公司完全没有的。我对我目前从事的事业感到兴奋，并为能成为这样团队的一员感到骄傲

全文共8242字，预计学习时长24分钟图源：Unsplash是什么让数据科学成为一个性感的行业？当把海量数据注入到新兴行业中，并随之而涌现的大量令人兴奋的新技术。如今，数据科学不再是纯抽象领域的代名词，而是随处可见。从大型产业到学术研究，无不体现出社会对该专业领域知识需求的增长。如：语音识别、计算机视觉中的物体识别、机器人和自动驾驶、生物信息学、神经科学、系外行星的发现和对宇宙起源的理解、以及组建廉价且成功的棒球队。数据科学从本质上看涵盖了多学科，所以对其更准确的概括应该是知识提取的过程。基本上就是指成功调试工具进行更高效的信息采集、存储、数据处理和合成。美国计算机科学家和图灵奖获得者吉姆·格雷（Jim Gray）认为，继经验主义、理论主义及计算模式的思潮过后，数据科学一跃成为“第四范式”。用格雷的话说，信息技术改变了一切。不知不觉中我们已步入第四次工业革命，数据科学连同机器学习与分布式计算一直处于前沿领域，日后的信息技术只会更加普及。图源：Unsplash话又说回来了，数据科学到底是什么？在上述例子中，数据科学家就是整个企业的核心。他/她必须将应用领域的知识与统计专业知识相结合，并用计算机代码来实现他们。身处发展如此之快的领域，那么谁又是真正值得信赖的专家？下面是一些该领域最具权威的领军人物，他们凭借自己的思想和行动致力于信息技术的普及。没有这些人，带动数字世界发展的科技巨头也就不会在人工智能或机器学习方面取得巨大成就。吴恩达（Andrew Ng，美籍华裔）人工智能研究的进步呈现出了前所未有的快，得益于更多的人加入到了研究队伍中，人数比以往任何时候都要多。我很看好这个趋势，我们需要不断招贤纳士！——吴恩达（@AndrewNg）2019年3月18日吴恩达是AI和机器学习领域最具权威的专家之一，与他人共同创建并指导了谷歌大脑（Google Brain）研究项目，曾是百度的副总裁和首席科学家，带领了人工智能研发团队。此外，吴恩达也是教育事业的先锋者，其联合创办的 Coursera课程平台深受大众喜爱。而且提起深度学习近年来的变革，人们总会把吴恩达比作催化剂。李飞飞（美籍华人）在国会山的时候，我跟议会的成员、参议员还有Stanford HAI的人聊了聊以人为本的人工智能。看到了一句非常好的话，是对人工智能的展望，“人工智能将会让人类之间的联系更加紧密”——李飞飞（@drfeifei），2019年6月12日身为斯坦福大学的计算机科学教授，李飞飞目前也是以人为本人工智能研究院的联合主任。她曾是斯坦福人工智能实验室的负责人（2013-2018），被公认为是人工智能、机器学习、计算机视觉和认知神经科学领域的引领者。李飞飞为 ImageNet虚拟数据库项目付出了很多，这也是她最大的成就之一，该数据库主要用于创建视觉识别软件。可以说深度学习变革的进展离不开她在此项目中所作的努力。Alon Halevy这句很短的话是我之前写的：搜索的难度会越来越大，因为数据因人产生同时也为人所用。感谢HaixunWang鼓励我写下这些话！——Alon Halevy（@AlonHalevy）2019年5月3日Halevy是一名以色列裔美国计算机科学家，也是数据集成领域的领先研究员。他从2005年到2015年担任谷歌的研究科学家，负责谷歌数据融合表（Google Fusion Tables），随后成为技术招聘部门的主管。他还当过华盛顿大学的计算机科学教授。Halevy是斯隆奖得主，于2000年荣获了美国“青年科学家总统奖（PECASE）”。2006年度的时候，获得了十年一度的VLDB Endowment奖。他也是Nimble技术公司（现更名为Actuate企业）和Transformic Inc公司的创始人。Halevy于1993年在斯坦福大学获得了博士学位。Ben Lorica发博：人工智能和机器学习会通过整个组织进行再训练，因此，企业有必要对员工进行全面性的训练。——Ben Lorica（@bigdata），2019年6月26日Lorica是奥莱利媒体公司（ O’ReillyMedia）的首席数据科学家，同时是年度人工智能大会以及Strata数据大会的项目负责人。他的研究方向是商业智能、数据挖掘和机器学习。Lorica在推特上十分活跃，也是一位高产的作家，其出版的书籍会定期在O’ReillyMedia的博客上发布。Bernard Marr影响我们每天生活的关键因素就是快速发展的技术产业。Statista公司发布的一份报告显示，预计全球自动化市场的营业额将在2020年超过500亿美元。——Bernard Marr（@BernardMarr），2019年7月10日Marr是个未来主义者，他的书在世界各地都非常畅销，演讲也十分受欢迎。很多政府和各大企业都会邀请他来当人工智能和数据数据科学的顾问。Marr的终极目标是让世界更好地运用数据。Chris Surdak在教条延续几个世纪以后的今天，分形传达的信息令人不可思议——所有复杂甚至既存的法则都难免留有数学的印记。机器人流程自动化（RPA）、机器加工（Machining）以及人工智能的普及一旦为人们所接受，就不再是晦涩难懂的东西了。——Chris Surdak（@CSurdak），2019年5月9日Surdak声称自己就是个“大数据”。他是一位作家，也是名火箭专家，同时还是技术策略与大数据的专家（这并不见怪）。现在的Surdak没事写写书，经营着自己的顾问公司，以前他在惠普、戴尔、花旗银行都从事过。他一直致力于研究如何最大化利用数字经济的潜力。DJ Patil数据科学是团队活动。——DJ Patil（@dpatil），2019年6月15日2015年至2017年，DJ Patil是美国首席数学家。2008年他与脸书早期的数学科学负责人Jeff Hammerbacher共同命名了“数据科学家”一词的现代版本，这在当时也引起不少关注。目前Patil在Devoted Health公司担任技术总监，之前是RelateIQ（被Salesforce收购）的产品副总裁、Color Labs的首席产品官以及LinkedIn的数据产品负责人和首席科学家。担任国家第一任首席数据科学家期间，他还成立了新的医疗项目，有精准医学计划、“癌症Moonshot”倡议；此外也进行了新一轮的刑事司法改革，通过了数据驱动司法和警察数据提议。帕蒂尔在2016年荣获国防部杰出公共服务奖章。Doug Cutting之前在红木城福克斯剧院参加过两场活动，真的觉得今天这场庆祝Cloudera和 Hortonworks两公司的合并更有意思，是有在向观众传达信息的，而且放了“桶头”的摇滚乐。——Doug Cutting（@cutting）2019年1月10日Doug Cutting创立了搜索索引器 Adobe Lucene和网络爬虫（或蜘蛛）Nutch，二者是通用开源软件平台必不可少的组件，不仅如此，还将通用开源软件（如Linux 和MySQL）的性能提升到了垂直搜索层面。Cutting毕业于斯坦福大学，在施乐帕罗奥多研究中心（Xerox PARC）从事Scatter/Gather算法和计算风格方面的研究工作。他曾是搜索引擎Excite的一位首席设计师，是Apple’s V-Twin 文本搜索框架的主要构思者，之后创建了 Lucene。Dean Abbott毋庸置疑，科学和艺术对高效的机器学习来说缺一不可，因为数学就是文字。机器学习哪有什么常识啊，所有的“知识”都是输进去的数据！——Dean Abbott特（@DeanAbbott），2019年6月7日Abbott是SmarterHQ的联合创始人，这是一家专注于研发个性化人工智能的公司，他在里面也担任着首席数据科学家的角色。Abbott写了很多有关数据科学的书，比如《应用预测分析——专业数据分析师需了解的原则和技巧》（Applied Predictive Analytics: Principles and Techniques for the ProfessionalData Analyst）感兴趣的话可以看看他的博客，上面还有更多个人成就。Hadley Wickhama <- factor(c("character","in", "the", "streets"))b <- factor(c("integer","in", "the", 'sheets'))c(a, b)#> [1] 1 2 4 3 2 1 4 3#rstats——Hadley Wickham（@hadleywickham）2019年7月9日大家可能不知道这个，但其实Wickham的成就随处可见。统计语言中经常会用到他创建的许多包（package），全世界下载量最多的三个R包都是他的。简言之，他就是R方面的专家，而且写的书也跟这方面有关，如《数据科学中的R》（Rfor Data Science）。平日里若不是研发统计模型，那Wickham一定是在出席各个大数据会议，宣传自己的想法。图源：UnsplashHilary Mason肯定有很多人不认同，但我依然喜欢发邮件，我觉得它对维持人与人间的关系有着不可小觑的作用，因为它真的有在提高人们沟通的效率。不过我说的也不一定对。——Hilary Mason（@hmason），2019年6月11日Mason是数据产业领域的领军人物之一，跟许多组织开展合作，将数据科学更好地融入到传统经济领域中。之前她是Bit.ly.公司的首席科学家，最近忙于自己人工智能企业（Fast Forward实验室）的建立。Mason还有一个角色，就是HackNY的联合创办人，该组织专注于培养未来的计算机科学家和计算机工程师。Ilya Sutskever机器学习非常神奇，核心概念并不多，没有过分地违反常理，并且在正确的引领下，该领域前沿的大致方向也是正确的！——Ilya Sutskever（@Ilya Sutskever）2019年5月17日Sutskever目前是OpenAI的首席科学家，该人工智能初创公司由伊隆·马斯克成立。Sutskever研究的是人工智能的风险计算以及如何应对。在整个职业生涯中，他为深度学习做出了巨大贡献。同时，他也是AlexNet神经网络的联合发明者。在多伦多大学获得了计算机科学博士学位。2015年，Sutskever荣登《麻省理工科技评论》35 Innovators Under 35。Jake Porway今天要讲数据科学建立的操作和服务于SXSW社会影响力的人工智能，我非常激动。加入330对话吧！——Jake Porway（@jakeporway）2019年3月8日Porway是DataKing的创始人兼高级总监，这是一支由代码人和统计学家组成的跨学科队伍，他们的共同目标就是普及人工智能和数据科学。Porway最近在纽约时报的搜索和研发实验室担任数据科学家。曾获得了哥伦比亚大学的计算机本科学位和加州大学洛杉矶分校的统计学硕士和博士学位。John Myles White统计实在是太难了，但那些不相信它的人（比如心理学家）很有可能传递错误的信息。事实证明的确如此，而且这个问题一直存在。——John Myles White（@johnmyleswhite)，2019年6月30日John Myles White目前是脸书的数据科学家，平日也会通过Julia编程语言的搞一些开发。他专攻的对象是机器学习和统计（尤其是R）。除去全职开发员的身份，怀特也写各种各样的书，比如“黑客看的机器学习”、用于网页优化的Bandit 算法。Kira Radinsky我为自己的学生感到非常骄傲，他们写出了一个自动化公式1！可以在以色列的高速公路上开！——Kira Radinsky（@KiraRadinsky），2018年10月19日Radinsky是eBay的数据科学总监，也是eBay以色列分部的首席科学家。她曾是SalesPredict公司的首席技术官，该公司后来被eBay收购。Radinsky把所有的热情都投在了预测数据挖掘上。她是数据科学界燃起的一颗新星，登上过福布斯30Under30榜单。Kenneth Cukier人工智能取得的成就当然有其他令人振奋人心的实例，只不过是通过间接或二阶效应体现。在医疗诊断上，人工智能的应用或许只适用于人类——但却降低了辐射的应用，对病人的安全保障和就医环境来说是一次巨大的进步。——Kenneth Cukier（@kncukier），2019年6月20日Cukier是经济学人的数据专家，同时也是一位高产的作家，出版的《大数据：一场能够改变我们生活、工作和思考的变革》（Big Data: A Revolution That WillTransform How We Live, Work, and Think）。他的时间大部分都用在了讨论人工智能和大数据的未来上。Cukier在TED（这是他参加的为数不多的公开讲话）上说过这样一句话“大数据是更好的数据”。Kirk Borne沉浸式创新的下一代前沿领域——VR和AR将结合数据科学、人工智能、创造性能、机器学习以及设计和设计思维为训练和计划提供稳定的环境。——Kirk Borne（@KirkDBorne）2019年7月10日Borne是一名数据科学家，被誉为当今世上最具影响力的人物之一。他研究人工智能和大数据，因此又被IPFC喻为数据科学领域的“排行第一的数字影响者”。你不仅能在世界各地的会议上看到他的演讲，这个人在天文方面也能侃侃而谈。之前他在NASA的哈勃太空望远镜数据团队工作过一段时间。Marck Vaisman能在下周纽约市举办的DominoRev峰会上讲话，我很激动！到时候会分享我从商从政以及学术方面的有关数据科学的经验，也希望从更多在场的优秀数据科学领导者身上学到更多的东西。——Marck Vaisman（@wahalulu），2019年5月14日Vaisman是乔治敦大学和乔治华盛顿大学的兼职教授，给研究生教授大数据的课程，也是微软公司的技术解决专员。因为是做数据科学的，他会帮助顾客操作Azure云端，云端也将运用于数据科学、高级分析和人工智能的处理。Vaisman是R的编程者和倡导者，在2010年启动了统计编程哥伦比亚地区项目，同时也是数据社区哥伦比亚地区的联合创始人，组织的成立推动了该地区数据科学和分析的发展。Monica Rogati我并不觉得数据科学家一抓一大把，但我相信想成为数据科学家但不切实际的人有很多。“我是个打篮球的，但不想做枯燥的训练，只想扣篮，像电视上一样。NBA我来了！”——Monica Rogati（@mrogati）2019年2月14日Rogati是Data Collective (DCVC)的股权合伙人，也是CrowdFlower的科学顾问。2013年至2015年间，她是Jawbone的数据副总裁。曾经也是LinkedIn的高级数据科学家，在这里用五年的时间创建了最初的工作匹配系统，也为LinkedIn建立了首个机器学习模型——“可能认识的人”推荐功能。2014年，Rogati被《财富》（Fortune）评为“大数据全明星”，同年，Fast Company授予她“百位最具创造力商业人物之一”的荣誉称号。她获得了卡内基梅隆大学的计算机科学博士学位。Lukas Biewald深度学习班上有位同学（@thegautam）借助GPT-2模型生成网站域名，效果太棒了。——Lukas Biewald（@l2k），2019年6月24日Biewald是Weights&Biases公司的创始人，该公司主要创建适合机器学习的开发工具。早在2007年，他是FigureEight Inc.互联网公司的联合创办者，该公司当时是收集用于机器学习的训练数据。在那之前，Biewald曾是Powerset的高级科学家和经理，Powerset是一家自然语言搜集技术公司，随后被微软收购。自2005年至2006年间，他带领Yahoo! JAPAN的搜索团队，专注于研发统计机器学习，提高国际市场的网页搜索功能排名。Biewald拥有斯坦福大学的数学本科学位和计算机科学硕士学位，在2010年因创建GiveWorkiPhone应用程序荣获Netexplorateur奖，该程序让用户只需通过简单的操作就能足不出户地帮助难民和发展中国家的人。Inc.杂志上说的30位30岁以下的商业精英就有他的名字。Nando de Freitas剑桥大学的研究员研发了一款可以识别、筛选生菜的机器人，并且不会破坏生菜。——Nando de Freitas（@NandoDF），2019年7月8日Freitas是英国一家人工智能公司DeepMind的首席科学家，该公司是创建神经网络的，在2004年被谷歌收购。目前他是牛津大学计算机科学系的教授，研究机器学习领域中的神经网络、贝叶斯推断（Bayesian inference）和深度学习，凭借机器学习方面的工作他还获得过多项奖项。Peter Skomoroch很多合法的初创企业都会因为社会中的各种声音迷失了方向。我们是不是需要给人工智能初创企业来几场顾客报告？通过一些基础操作或者瞥一眼某位机器学习资深人士的融资演讲稿，可以了解很多商业案例的。——Peter Skomoroch（@peteskomoroch），2019年6月25日Skomoroch是LinkedIn的首席研究科学家，提供了“技能”及其他一些数据驱动的服务。他建立了数据整理（Data Wrangling），进行数据挖掘，提供预测分析咨询服务。在加入LinkedIn之前，他曾担任过Juice Analytics的高级分析总监、AOL Search的高级研究工程师，也是麻省理工学院Lincoln 实验室的研究人员。Skomoroch获得了布兰戴斯大学的数学物理学士学位。Sebastian Thrun谷歌眼镜的问世、Focalsbynorth智能眼镜的发布（我惊了！），当然还有我在Magicleap公司的第一周都非常棒，这个公司果然名不虚传。Focals可能是最赞的AR体验了，我迫不及待想看更多的Leap应用程序！——SebastianThrun (@SebastianThrun)2019年4月24日Thrun创立了Google X，自此在数据科学领域一举成名。该项目旨在研究未来技术和潜在领域。Magicleap之所以能够相继推出自动驾驶汽车、谷歌眼镜等就是拜GoogleX所赐。目前Thrun在斯坦福大学做研究，他也是Udacity的创始人。Wes McKinney蚁群算法（Ant colonies）跟C++构建系统有许多共同点。——Wes McKinney（@wesmckinn），2019年3月15日McKinney是Pandas数据库的创始人，致力于开发Python编码语言。他著的书不仅跟数据库有关，还拓展了很多Python领域的知识，经常是全球大大小小数据会议的重要人物。貌似只有数据专家才能关注他的推特，不过他的见解十分重要。Yann LeCun（法裔美国计算机科学家）常识植根于语言一直是一个误解。恕我直言，常识来源于你对世界的认知，相比语言它跟直观物理（IntuitivePhysics）有着更多千丝万缕的联系。不过这个世界少不了人与人的沟通，语言也就成为了其中的一部分。——Yann LeCun（@ylecun）2019年7月9日图源：Unsplash留言点赞关注我们一起分享AI学习与发展的干货如转载，请后台留言，遵守转载规范

郭一璞 发自 纽凹非寺量子位 报道 | 公众号 QbitAI全世界的顶尖AI人才到底有多少？他们大多在哪里读博，又去了哪里工作？一份《2019年全球AI人才报告》，将近几年AI人才趋势展现了出来。这份报告由加拿大人工智能公司Element AI的团队完成，前不久刚获图灵奖的Yoshua Bengio就是这家公司的联合创始人之一。报告数据来自2015到2018年21个AI顶会论文的作者数据，辅以相关的LinkedIn数据，总共确定了36524人可以称得上是顶尖AI人才，而这三万多人读博、工作所在地等相关数据，透露出关于目前AI人才的一连串秘密：1、顶尖AI人才集中在美国，中国数量第二，中美AI人才总和占到世界的57%。2、顶尖AI人才国际化程度高，三成以上有海外经历。3、美国AI博士中，除了留在本国的，来中国最多；中国AI博士中，除了留在本国的，去美国最多。4、高引论文作者数中国排第二，学术界贡献比例全球第一。5、转专业搞AI风行，德国、俄罗斯、以色列顶尖AI人才非计算机背景者超过一半。顶尖AI人才，半数在中美人才方面，超过44%的顶尖AI人才都是在美国读的博士；第二多则是中国，培养了将近11%的AI博士；之后则是英国6%，德国5%，加拿大、法国、日本各占4%。而在博士们毕业之后选择工作地点方面，中美英三国都成功吸引了更多别国的博士。三万多名顶尖AI人才中，46%在美国公司工作；为中国公司工作的博士超过了11%；英国则是7%，加拿大、德国、日本各占4%；同情一下法国，培养的博士多，能用的博士少。可以看出，人才的虹吸效应还是很明显，基本都奔几个强国去了，前五名的美中英德加包揽了72%的AI人才，而前18名的的国家则包揽了94%的AI人才。国际化程度高，中美人才交流最频繁AI人才普遍国际化程度非常高，大约三成（27%）AI人才读博和工作的地方不一样；而去掉顶尖AI人才不足150人的国家，这个数字达到了32%。上面这个图中，左侧是人才们读博的国家，右侧是他们工作的国家，中间连接线的粗细，意味着在这里读博、去哪里工作的人数多少。而所有跨国连接的线条中，最粗的两条，分别是美国读博-中国工作，475人；以及中国读博-美国工作，440人。中国AI人才净流入先来看看在中国毕业的那些博士们：中国培养的2370名顶尖AI博士中，四分之三留在了国内；440人去了美国公司工作，大约占到18.6%；加拿大和英国也是两个不算太小众的选择。再看看在中国公司工作的AI博士们：2510人，要比中国培养的AI博士稍多，第一大来源国还是美国，475人，其次则是英国，100人，可能很多都是赴英美的留学生归来。美国的中国博士也很多而在美国，数据其实很类似。先来看美国高校毕业的AI博士们：美国博士很多，大约在万人上下，除了留在美国之外，这些美国高校的AI博士们的第二选择正是中国，其次才轮到英国、加拿大、德国这些国家。当然，美国高校的留学生多，这个数据也可以看做是各国赴美读博的AI人才比例。在看正在为美国公司工作的AI博士们：刚好，除了本国的博士之外，第二大来源国正是中国，其次才是英国、法国、德国这些国家的博士。另外，一个亚裔关心的问题：在美国公司工作的印度AI博士，只有100人。这样看来，中美之间的AI人才交流实际上是非常频繁的，远超过了欧洲那一连串传统的发达国家，这和中国科技行业的迅速发展是分不开的，另外这一类的交流也促进了跟多AI研究的诞生。高引论文作者人数中国排第二在这三万多名AI人才中，根据近三年来论文引用数量判定，会发现其中有大约4000人的研究对整个领域都产生了显著的影响。这4000人里，1095人都在美国，其次中国（255），英国（140），澳大利亚（80）和加拿大（45）。而所有的这些高影响力研究，大多数都来自学术界而非工业界，学术界出产的高影响力研究占比最高的是中国（90%），其次是意大利（86%）和美国（84%）。而来自工业界的高影响力研究占比最高的国家是法国（30%），其次是印度和以色列（各占29％）。半路出家，有何不可通常而言，学术界都喜欢“根正苗红”的学生，这些学生从本科开始就学习本专业，一路成长为专家人才。在AI领域，“专业对口”的包括计算机、电子电气、信息科学等专业类型，但其他专业跑来做AI的人才在世界各国都为数不少。下面的统计图，就是各国AI顶尖人才出身于哪个专业的数据。各国的AI顶尖人才中，都有不少是学物理和数学专业的，还有一些学神经科学、生物信息学、机械工业、化学出身者，甚至还有少量非理工科的经济学出身人士。所以，想转行AI不要觉得自己专业不对口，毕竟像德国、俄罗斯、以色列这几个国家，专业对口的顶尖AI人才不到一半。不努力社交，可能找不到女朋友报告里还统计了各个国家和地区AI专家中女性所占的比例，下面的数据来自2019年的顶会论文作者。整体来看，顶尖AI人才中女性占到18%，，学术界这一数字是19%，工业界则只有16%。西班牙、新加坡、中国和澳大利亚是AI圈子里女性最多的地方，均超过了20%；日本则是女性最少的地方，顶尖AI人才中只有不到十分之一是女性。看来，在AI领域工作，要想方设法扩大社交面才能找到女朋友，毕竟不是所有人都能像吴恩达一样，在圈内找到真爱~— 完 —

以学术之矛刺穿谎言。写在前面2月2日，印度科学家撤回在生物预印本网站bioRxiv上的文章。而这篇文章才刚刚在两天前的1月31日上线。虽然这篇文章的存活时间很短，但是它却引起了全球的轰动。因为它提出了一个匪夷所思、石破天惊的结论：中国新型冠状病毒疑为人造病毒。文章认为，2019新冠状病毒棘突蛋白中含有独特的插入序列，与艾滋病毒1型的gp120和Gag蛋白有奇特的相似性，这不太正常。这篇煞有其事的神论文迅速成为阴谋论的素材，被广为传播，但很快招致同行花样群嘲。哈佛医学院公共卫生学院教授Eric在推特上爆粗：“这篇论文的推论就像蝙蝠屎一样，显然，我并不是唯一这么认为的人。”哈佛大学教授、CRISPR基因编辑工具专家刘如谦则优雅吐槽：这世界不需要用糟糕的分析来助长阴谋论。南开大学生命科学院副教授高山介绍，如果要设计病毒，有一些蛋白质必须是来自已知的病毒，而且需要研究的特别清楚，这样才能可控。“这就相当于钥匙和锁必须是已知的，我才能想开就开想关就关。”因此“该病毒不可能来自人为设计的武器或实验室泄露。”我国著名病毒学家武汉病毒研究所石正丽也十分气愤，并“建议”传谣者闭上臭嘴：印度研究者发表的论文，真的就是一堆“SHIT”!作者挑了一个非常短，HIV也确实存在的序列，但不知为何却没有注意到这个短序列无数物种都有，其中大部分甚至都不是病毒。有位同行称：“对比结果中，HIV病毒连前100名都排不进。”此外，作者只说了2019－nCov病毒有SARS没有的序列区段，却没说这是2019－nCov病毒祖传的序列。打个比喻。有个小孩，跟他的兄弟们有一点点不一样。这个特征小孩的爷爷就有，周围的很多人也都有，包括隔壁老王。然而有一天，有个印度人跑过来说：这个小孩和隔壁老王都有这个特征，他就是隔壁老王的孩子！呵呵！作者在撤稿声明中说修改后再提交，我们非常想知道他又在搞什么幺蛾子，能让闷在家里憋坏了的一群人再次开心开心。我们今天推送一篇专业的点评，用学术的矛刺穿谎言。摘要与引言近日，2019新型冠状病在中国范围内肆虐，与此同时阴谋论四起。例如，此新冠病毒为武汉病毒研究所人工制造并因保管不善而流出社会，又或是美国某单位造的生化武器。根据前两天印度某研究人员的生物信息学分析数据显示: 2019新型冠状病毒刺突蛋白中有四段疑似插入的片段，并且上述片段可能来自于HIV病毒，暗示上述片段为人工插入，病毒为改造或合成。本文中，作者对2019新型冠状病毒刺突蛋白以及其他三种结构蛋白同样做了生物信息学分析与比对。根据比对结果作者认为：2019新型冠状病毒为实验室人工制造的可能性极低。方法与结果首先，作者把2019新型冠状病毒刺突蛋白氨基酸序列进行了BLAST检索并对比得到了图一。作者可以看到，比较相近的20个左右的结果当中可分为三类。一类是SARS冠状病毒，提交时间大部分在2003-2004年期间，第二类是由武汉病毒研究所等国内几家科研机构近年来提交的一些刺突蛋白序列，这部分序列多数是来自蝙蝠不同变种的冠状病毒。其中值得一提的是，还可以看到一个2008年9月12号由美国北卡罗来纳大学某实验室提交的一个重组的冠状病毒刺突蛋白（黑框）。这是一个人工重组的刺突蛋白。而提供的人工病毒重组蛋白相关的病毒及其实验室就应该是最近其中一个美国生化武器阴谋论所指的核心病毒及单位。在上述这三个分类中，作者分别找几个有代表性的序列进行详细的分析（图一中四个方框所示）。首先，把武汉新冠状病毒刺突蛋白序列与SARS冠状病毒刺突蛋白序列（AAS00003.1；紫色框）做了比对分析（见图二）。图二中，红色框中的显示为最近印度研究人员所展现的四处疑似插入序列。整体来说，我们可以看到刺突蛋白前面一大部分，大约前700个氨基酸序列与SARS冠状病毒刺突蛋白是有非常大的差异 （见图二（1））。而此700个氨基酸以后的序列比较保守，但仍有许多不同的氨基酸（见图二（2）），保守序列显示了保持刺突蛋白基本结构和功能的重要性，差异性序列显示了进化的可能与结果。本文之后要重点讲述这个差异来佐证2019新型冠状病毒并非人工合成。接下来，作者把2019新冠状病毒刺突蛋白序列与武汉病毒研究所2016年所提交的一种来自蝙蝠的冠状病毒的刺突蛋白序列（ALK02457.1；蓝框）做了比对分析（见图三）。再一次，我们看到了由印度研究员发现的四处疑似插入的片段，红框显示。然而，当进一步把2019新冠状病毒刺突蛋白序列与南京某军事医学研究所2018年提交的一种同样来自蝙蝠的冠状病毒的刺突蛋白序列（AVP78042.1；绿框）做比对分析后（见图四）。我们发现,之前的四个疑似插入片段，只有第四个片段似乎还依然独立包含在2019新冠状病毒刺突蛋白中。而前三个片段也有类似片段序列包含这种2018年提交的来自蝙蝠的冠状病毒的刺突蛋白序列中。这说明前三个片段，并不是在这种2019新型冠状病毒中才出现的。有趣的是，在此比对中，我们看到了三个新的区段。这显示出2019新型冠状病毒相对于2018蝙蝠冠状病毒有三个很明显的插入片段，（A），（ B）和（C）（见图五）。所以，接下来，仿照印度研究人员的分析，我们把这三个片段的氨基酸序列截取并分别做了序列比对，分析可能的来源（见图五）。我们以看到下边的结果， （A）段“VGGNY”与来自包含人类免疫球蛋白重链一个区段以及小鼠T细胞受体α链相同。然而这一片段在SARS冠状病毒中并不缺失而是有同源序列“STGNY”，当作者进一步把这“STGNY”进行比对分析时，却惊讶的发现这一片段居然也与某些人类免疫球蛋白轻链连接区以及重链连接区都相吻合。这或许是一个非常有趣的发现，不确定是否有可能在感染宿主的过程中有过基因转座的进化，或者人类免疫球蛋白在进化中发展出对抗原的识别的特性。但同时也发现区段（A）与其他某些细菌的基因片段相同或相似，具体意义还有待分析。同样的（B）段和（C）段也多来自低等的细菌。最近美国华盛顿大学的基因组学和传染病学教授Trevor Bedford博士对印度研究人员发现的四个片段也做了相似的分析，结果发现这一些短的基因片段也广泛存在于其他的病毒中。甚至在多种细菌、植物、真菌、果蝇中都找到了近似的片段。这与作者对新发现三个片段的分析大体类似，进一步说明这一现象是较为普遍的。最后，作者没有把新发现的（A）（ B）和（C）三个疑似插入片段像印度研究人员那样做蛋白3D结构定位分析，不确定是否与病毒侵染细胞的结合位点有关。就上述的三个片段是如何进化而来，值得进一步研究。但同时，正如印度研究人员的发现四个片段一样，作者也明确的知道这些基因序列非常的短，而且是在病毒最容易产生异变的区域。这些比对的结果是否有科学意义有待进一步研究。但简单地认为是这些片段是新的人工插入的序列显然是错误的。最近有传言或报道说，2019新型冠状病毒有可能是美国研发的生化武器。就此，作者把2019新冠状病毒刺突蛋白序列与美国北卡来罗纳大学某实验室2008年所提交的重组刺突蛋白（ACJ60703.1）做了比对与分析（见图六）。这个蛋白很可能是来自网传2015年北卡某实验室发表在《自然 医学》-Nature Medicine上那篇引起巨大争议的文章中构建的病毒的刺突蛋白，该课题组及合作者构建好刺突蛋白后，2008年提交了序列并在《美国科学院院刊》-（PNAS）发表了题为“Synthetic recombinant bat SARS-like coronavirus is infectious in cultured cells and in mice”的文章。同样的，序列分析结果显示，有四个红色的框显示来自于印度研究人员发现的四个疑似插入片段。有趣的是，我们同样发现前三个片段在美国北卡来罗纳大学某实验室2008年所提交的重组刺突蛋白中也有类似序列。这表明，这些片段并非新插入的序列。所以印度研究人员单独把2019新型病毒与SARS冠状病毒对比，找到那四个疑似插入片段只能有助于分析两者的进化关系。更有趣的是，与此相比，我们还新发现两段疑似插入序列（D）和（E）。类似图五中的分析，发现片段（D）和（E）也与许多低等细菌的基因片段相同或相似。由此，我们认为这种不同冠状病毒间的片段差异是普遍存在的，可能是来自于自然进化的结果。 最后，为了进一步了解重组蛋白的特性和构建策略，我们把美国北卡来罗纳大学某实验室2008年所提交的重组刺突蛋白（ACJ60703.1）做了比对分析（见图七）。结果显示，它与同样来自蝙蝠的冠状病毒（HKU3-2）在前部和后部都有完全一样的序列。而中间有差异的部分，对这一部分进一步比对分析的结果显示完全和SARS冠状病毒刺突蛋白的中间部分序列一致。这表明该重组蛋白是来自两种冠状病毒刺突蛋白的序列大片段拼凑而成。但2019新型冠状病毒刺突蛋白并不具备这种简单拼接的特征，。正如（图二（2））中所示，2019新型冠状病毒刺突蛋白与最相近的冠状病毒刺突蛋白也只有81%的一致性。前半部份（图2（1））有大量的不同之处，即使相对保守的后半部分（图二（2））也有许多的突变点，而这些都是自然进化的特征。这显示，2019新型冠状病毒并非实验室人工重组而来。接下来，作者进一步把2019新型冠状病毒的衣壳结构（E）蛋白序列，膜蛋白（M）序列和核衣壳蛋白（N）序列也做了分析比对（见图八）。结果显示，相对刺突蛋白（S）来讲，虽然这些蛋白进化上更加保守，但仍然有一定程度上的突变点。作者没有对病毒基因组其他区段进行更大范围的对比和进化分析，但就目前的对比分析结果来说很难想象，在实验室里可以对病毒全基因组范围内进行改造，制造一个新病毒。这进一步说明2019新型冠状病毒是自然进化而来，并非实验室人工制造。讨论与结论本文用生物信息学方法结合最新传言以及印度研究人员的发现着重对2019新型冠状病毒刺突蛋白做了序列对比分析，同时也对其他结构蛋白做了分析。分析结果显示，这种病毒间刺突蛋白的片段差异是普遍的，可能是来自于自然进化的结果。美国北卡实验室以前人工构造的病毒是简单的来自两种病毒蛋白的简单嵌合拼接。而2019新型冠状病毒在全基因组上都与现有冠状病毒有很多差异，很难想象这些差异都是人工设计并构造的。因此，作者得出结论，2019新型冠状病毒很大几率上是自然进化而来，而并非实验室人工制造而来。后记：后记：而本文成文以后，国内武汉病毒研究所石正丽课题组和复旦大学张永振课题组也同时在Nature发文报道了2019新型冠状病毒的进化树分析的结果，也显示此新型病毒是自然进化而来，而不是实验室人造产物。参考文献（略）2019-2-2 初稿2019-2-3 改稿（原题目：怒眼相望下的“硬核”病毒——怼人工合成说）作者简介作者李铁石，现任美国某大学助理教授，并非病毒专家，但2003年做过SARS病毒的研究，对冠状病毒家族和生物信息学较为熟悉。本文只是基于生物信息学的初步分析，旨在科普一般民众，消除谣言，并非严格意义上的科学论文。另外作者才疏学浅，成文仓促，难免有许多错误，欢迎专家指正。

刚毕业参加工作，就拿到年薪201万元！今年夏天，华为“天才少年”项目，引发了全网关注。华为招募的“天才少年”，工资都是按年度工资制度发放的，共有三档，最高年薪达201万元。目前，全球仅四人拿到华为“天才少年”最高一档年薪，分别是：钟钊（本科毕业于华中科技大学软件工程专业，博士毕业于中国科学院大学模式识别与智能系统）； 秦通（本科毕业于浙江大学控制科学与工程，博士毕业于香港科技大学机器人方向）； 左鹏飞（本科和博士毕业于华中科技大学计算机专业）； 张霁（博士毕业于华中科技大学计算机专业）。这四名天才少年的学习背景无一例外都是目前最火热的AI、计算机和数据方向，有着计算机背景。这也再次证明了为何如今这么多学生对计算机专业而如今去美国留学最热门的专业是什么呢？答案也是CS（计算机科学），没有之一。作为美国目前薪资最高、就业最广的专业，CS显然是大家走向人生巅峰的最佳选择。根据统计数据，美国软件工程师的平均年收入是8.9万美元。高级软件工程师的年收入在9.8万美元以上。CS专业，即Computer Science，计算机科学专业。因研究领域极其广阔，我们将其下属分支总结为14个主要方向：系统与网络（System and Network）人工智能与机器人（Artificia Inteigence and Robotics）计算机隐私与安全（Privacy and Security）编程语言（Programming Anguage）数据库（Database）计算机图形学（Computer Graphics）生物信息学与计算生物学（Bioinformatics and Computationa Bioogy），算法（Agorithm）计算机理论（Computer Theory）科学计算（Scientific Computing）软件工程（Software Engineering）计算机视觉（Computer Vision）计算机体系结构（Computer Architecture）人机交互（Human Computer Interaction）近几年，众多美国大学也看到了市场对计算机人才的需求，纷纷开始加大相关投入：西北大学报名计算机入门课程的学生从40多人次增长到400多人，大学还计划在未来5年将相关教师人数增加20名；在华盛顿大学，最近微软、亚马逊、Zillow和其他公司共同捐赠并资助建立了一个9000万美元的计算机科学和工程大楼；作为计算机科学专业排名最高的大学之一，UC Berkeley电气工程和计算机科学的本科人数已经从1133名增长至2546名，据统计光是计算机科学专业学生人数从2011年到2015年就增长了95%。那么问题来了：CS专业哪家强？我们来看美国的“蓝翔”！第一阶梯：超级名校1卡内基梅隆大学科研实力CMU是全美乃至全世界最大的计算机学院。对于一般的美国院校来说，计算机科学只是设置为一个系，即Department of Computer Science，然而，CMU对CS的建设非常有诚意，直接就开设成为了一个院School of ComputerScience。研究方向相当全面，研究水平也相当高，你能想到的计算机方面的研究、分支它基本都有，而且还有许多你闻所未闻、十分前沿的研究方向。CMU的计算机科学学院，最新的设置是下面设有八个系，分别为：1. 计算机科学部门（Computer Science Department）2. 人机交互研究所（Human-Computer Interaction Institute）3. 娱乐科技部门 （Entertainment Technology Center）由计算机科学学院和艺术学院共同组建4. 计算生物学部门（Computational Biology）由计算机学院和梅隆科学院合办5. 软件研究所（Institute for Software Research）Master of Software Engineering就开设在其中，还有Information Technology等等6. 语言技术研究所（Language Technologies Institute, LTI）7. 机器人研究所（The Robotics Institute）8. 机器学习部门（Machine Leaning）研究领域及出路：基于研究人员的庞大，本校涵盖了计算机科学的所有研究方向，不单细致地做每一个研究方向，并且将这些研究方向的应用也有较为深入的研究。在所有这些方向里，尤其是软件工程方向，CMU的软件工程专业被喻为皇冠上的明珠，所以这个方向也是史上最难申请！地理位置CMU现在有两个校区，主校区位于宾州的匹兹堡，还有一个校区比较新，是2002年在硅谷开设的一个新校区，简称CMU-SV。主校区地理位置没有什么特别的亮点，反正就在东北部，硅谷的地理位置就比较得天独厚了，所有的顶级公司应有尽有，苹果，谷歌，Facebook，都在附近几千米的距离，要找实习、找工作，确实是太便利了，简直可以说是就在家门口。2麻省理工学院教研实力MIT的CS专业就是以跨学科研究所著名。因此要求到这个学校进行深造的学生不但要计算机学科有一些建树和研究，并且能快速的学习和运用其他领域的知识和成果，并结合CS本专业进行创新研究。MIT的ElectricalEngineering&Computer Science（EECS）是多数该领域人士梦寐以求的地方，EECS院系是MIT的工程学院里最大的院系，拥有大概700多名博士学生。它下面设有四个学位：Master of Science为博士学位之必须阶段，但是学校并不提供最终学位为硕士的学位；Master of Engineering仅仅EE，CS自己的本科生可以申请；Electrical Engineer and Engineer in Computer Science；Doctor of Philosophy and Doctor of Science。3斯坦福大学教研实力斯坦福大学的计算机科学专业属于全美TOP 3，在计算机理论、硬件、软件、数据库和人工智能等各个领域都居于美国乃至世界领先地位。地理位置由于该校地处硅谷，所以历来被认为是最注重理论联系实际的典范，也由于其地理位置和其优秀的学术背景，每年CS院系申请竞争相当激烈。4加州大学伯克利分校教研实力Berkeley的Electrical Engineeringand Computer Science（EECS）拥有一长串的荣誉奖项，在EECS学术界有着非常强的影响力，我们不在此一一列举。该院系有500名硕士研究生和博士研究生，其研究方向有19个分支：人工智能、生物系统和计算机生物学、通信与网络、计算机结构和工程、控制、智能系统和机器人、数据库管理系统、电子系统设计、教育、能源、计算机图形、人机交互、集成电路、微型电子机械系统、操作系统和网络、物理电子学、编程系统、科学计算、安全、信号处理、理论。地理位置靠近硅谷的地理位置不用说，无论是实习还是就业都有着得天独厚的优势。5伊利诺伊大学香槟分校教研实力Illinois的CS既培养研究性人才，又培养进入Instry的人才，其CS方向包括如下几个：算法和理论、人工智能、结构、并行信息处理技术和系统、生物信息学和计算机生物学、数据库和信息系统、计算机图形、视觉和人机交互、系统和网络、编程语言、形式系统和软件工程、科学计算。地理位置虽说UIUC身居玉米地的地理位置不占先天优势，不过从UIUC计算机科学专业毕业的学生在就业市场上依然表现不俗。据领英网站给出的数据，2015年CS专业毕业的学生有283人进入谷歌、226人进入微软工作，另外进入IBM、亚马逊、雅虎、甲骨文、Facebook、苹果等科技巨头公司的人也不在少数。6宾夕法尼亚大学教研实力宾大的CS是和信息科学并在一起的Computer and Information Science。纵观计算机科学和技术的发展，宾大的CS起到了里程碑的作用，因为世界上第一步现代电子计算机“艾尼阿克”（ENIAC）诞生于1946年2月14日的宾大。该系主要的研究内容包括：人工智能、算法、信息管理、软件原理、系统以及计算机理论，其中阵容强大的主要是人工智能、信息管理和软件原理三个方向。地理位置宾大在宾州的费城——美国第六大城以及宾夕法尼亚州人口最多和面积最大的城市，费城有着较为发达的高科技产业和金融服务业，有自己的证券交易所。诸如网络与有线电视公司Comcast、保险公司CIGNA、林肯金融集团等这些实力雄厚的公司也位于这里，这对于CS毕业生提供了很大规模的人才需求。因此，费城对于宾大的CS毕业生来说就业的机会也是比较多的。7哥伦比亚大学教研实力哥大的CS系成立于1979年，研究的领域涵盖了CS领域的各个研究方向，包括：计算生物学、计算机工程、算法和用户界面、机器学习、网络、自然语言处理和语言、安全与隐私、软件系统、计算机理论、视觉与机器人等等。共开设有25个研究小组和实验室。其中，实力较强的专业方向包括机器学习、安全与隐私、软件系统以及计算机理论。地理位置哥大位于纽约曼哈顿，它的声誉以及地置赋予了毕业生的多样的就业去向，包括学术界、工业界；此外，该校有很多工科毕业生包括CS专业的毕业生经常会在该校转读金融类课程以后涉足纽约金融业，有很多选择。纽约作为世界最大经济中心、金融中心、传媒中心，对于CS人才有很大的需求。金融行业对于软件工程师、IT分析师、数据管理员、信息安全专家等人员需求非常大，而传媒行业对于计算机网络、互联网管理员、网络维护专家等人才也有非常大的需求。除了NYC，纽约州能够提供给CS学生就业机会的地方还有：拥有发达的计算机和电子工业宾厄姆顿、银行业发达的布法罗等城市。另外，纽约距离费城只需要不超过2小时的车程。费城对于CS毕业生来说就业的机会也是比较多的。8加州大学圣地亚哥分校教研实力UCSD的CSE近年发展迅猛，拥有一流的研究中心和设备，招募了好几个学术大牛，学术氛围很好。System是UCSD的强项。UCSD的研究方向包括：Algorithms andComplexityArtificial Intelligence, Bioinformatics, Computer-Aided Design,Computer Vision, Data and Knowledge Base Systems, Embedded Systems, Graphics,Meaning and Computation, Network Security and Cryptography, Parallel andHigh-Performance Computation, Processor Architecture and Compilation, SoftwareEngineering, Systems and Networking。地理位置UCSD校园位于La Jolla， San Diego北边的一个下属行政区， 离San Diego市中心还比较远。San Diego确实是一个气候宜人、景色优美的地方。由于靠海，维度又比较靠南，所以冬天不会太冷、夏天不会太热，有加州的充足的阳光，又比北加州气候温和，所以San Diego当地的人都叫这座城市The Finest City。由于学校实力强劲，又地处加州，实习工作都方便找。很多知名大公司也会来UCSD这里招实习、工作，只要你有能力有本事，找工作并不是难事。9纽约大学教研实力CS的特色在于与别系（尤其是数学系）合作非常紧密，CS学生跨学科学习和合作的机会较多，如化学，物理，生物，神经科学，艺术和商学院等。研究内容包括算法与理论，密码学，计算生物学，计算机图形图像与用户界面，形式化方法，机器学习与知识呈现，自然语言与语音处理，网络、操作与分布系统，科学计算。地理位置可参考哥大的地理位置优势10康奈尔大学教研实力CS是Faculty of Computingand Information Science（CIS）里的一个系，Cornell的计算机系历史悠久，其专业实力位居美国TOP 5。主要包括11个研究领域：人工智能、机器人、计算生物学、科学计算、计算机架构与超大规模集成电路、网络安全、数据库系统、系统与网络、计算机图形、计算机理论和程序设计语言。人工智能：这是Cornell的CS里最有实力的研究。从1990年开始，在世界的AI研究领域中始终处理领导者的地位，拥有多个研究小组。计算机理论：Cornell最传统、深入的研究领域之一，研究涉及了全部的计算机理论，旨在发展现代计算复杂性理论,有效的基础图算法,并使用应用逻辑与正式验证构建可靠系统。11密歇根大学安娜堡教研实力实验室比较好进，找老师也比较容易。想拿MS当跳板转PhD的话不错。很多EE的同学在这边也会修CS的课。选课比较灵活。主要的研究领域有ArtificialIntelligence, Computer Architecture, Computer-Aided Design and VLSI,Interactive Systems, Quantum Science and Devices, Software Systems, Theory ofComputation。除了密歇根大学自己的教师之外，由于密歇根大学的名声，以及毗邻底特律“近水楼台先得月”，来自世界各地的客座教授和讲师也源源不断地出现在密歇根大学课堂上。地理位置密歇根大学由3所独立的大学分校组成，这几个校区分别在位于安安娜堡市、迪尔伯恩市和弗林市，这几个校区经济都不很发达，安阿伯市稍好，另两个城市的建设和发展都大大落后于一般的美国地区。近些年来，随着美国汽车工业的逐渐下滑，五大湖地区的工业已经不再据有美国历史舞台的中心地位，密歇根州就业和工作前途已大不如前。12布朗大学教研实力Brown大学成立于1764年，她的CS教育从1979年开始招收研究生，与数学、建筑、生物、经济、工程、认知与语言科学、物理、神经学等有交叉，教授也有可能来自这些系。其中计算机理论和算法是最多教授从事的研究分支，而计算分子生活学是Brown最活跃的分支，研究内容包括计算解剖学，计算生物学，计算神经系统科学等，并与TheCenter for Computational Molecular Biology（CCMB）联合从事研究工作。地理位置Brown大学地处东北地区小州Rhode Island的首府Providence，罗得岛主要的经济产业有船运，制造业与卫生服务业，都有CS的用武之地。距离波士顿约一小时的车程，离纽约NewYork需3个半小时的车程，让其毕业生的就业出路较为多样化。第二阶梯：冲刺名校1南加州大学教研实力42个终生制教授，33个研究教授和30个合聘教授共同组成的强大研究团队，研究小组包括人工智能，数据库与信息管理，图形、游戏与多媒体，并行与分布式计算，机器人、人脑理论与计算神经科学，软件系统与工程，通讯与系统，理论与计算科学。地理位置USC的CS教育在LA是比较受到认可的，经常会有Microsoft、Blizzard、EA、Konami等大公司直接来实验室招聘，并且有较多机会将作品展示给各大公司职业人士，并获得反馈，在此过程中潜在的就业机会也是不容忽略的。此外，从地理位置的角度来考虑，离硅谷6小时车程，就业出路较好。2佐治亚理工学院教研实力Gatech的CS设在College of Computing下，其中有三个School：School of Computer Science，School ofInteractive Computing，School of ComputationalScience&Engineering。涉及的领域很宽广，目前有近两百位教研人员、8个Research Center。Gatech录取后，换老师、换组比较容易，特别第一学期结束，不过鼓励尽早确定自己的研究兴趣。地理位置Tech校园并不是很大，位于亚特兰大的中城（Midtown）地段。亚特兰大就业机会本身就不少。南部第一大航空港、可口可乐总部、CNN总部等等都在，本地机会很多。学院在提供Job Opportunity信息方面做得不错。3德州农工大学教研实力研究领域包括：Human-CenteredSystems, Intelligent Systems, Software, Systems, Theoretical Foundations,Bioinformatics, Brain Networks, Computational Science and Engineering, DigitalHumanities, Security , Emergency Informatics。Master Non-thesis跟Thesis是可以自由转的，所以进实验室机会还是很多的。地理位置德州农工在村里，开车到休斯顿一个多小时。德州主要的工作机会在那个三角区，而德州农工正好在最中间，有地理优势，但就业一般，据说在德州很多人去加州找工作。4加州大学尔湾分校教研实力UCI的CS系设置于该校的信息与计算机科学学院下，是该院最大的系。研究方面，该系涉及到了CS领域下11个研究方向，包括：算法与复杂性，人工智能与机器学习、生物医学信息学、计算机体系结构与嵌入式系统、计算机图形学与可视化计算、数据库与数据挖掘、网络与分布式系统、编程语言与编译、安全隐私与密码学、科学计算以及普适计算。其中，网络与系统、人工智能和计算机安全这几个方面的研究实力最为突出。地理位置加州由于其高度发达的经济市场，为CS毕业生提供了得天独厚的优势。尔湾是美国加利福尼亚州橙县的一个城市，位于该县中部。近几年经济速度增长很快，当地有许多IT企业，UCI的CS学生很容易能找到实习机会，同时也能有较好的就业前景。除此之外，尔湾附近的洛杉矶、萨克拉门托市、旧金山湾区的圣何塞市都对CS人才需求很大。5华盛顿大学教研实力华盛顿大学的计算机专业在全美也是很不错的。首先院系规模较大，在职60名Faculty成员，每年近200位博士在读，还有大量的Master。专业排名也不错，本科计算机专业排名12，各个分支发展比较均衡，其中最强的当属，排名前5，其他分支领域也基本都位列前10。地理位置西雅图作为一个国际著名大都市，也算是美国最适宜居住和工作的城市之一了。首先气候上这里夏天清凉，冬天不冷，风景优美，气候宜人，青山、绿水、空气清新。并且西雅拥有最多世界巨头，像微软公司、波音飞机公司、亚马逊公司、星巴克公司、美国电报电话移动通讯公司、英特尔公司工业园均坐落在西雅图，就业优势显著。华盛顿大学很大一部分毕业生直接进入这些大公司了，在这些公司中，华盛顿大学毕业生所占的比例最大，而且绝对大。6雪城大学教研实力雪城大学的CS系与EE系合并在同一系下，这也是作为雪城的办学特色，因为学生可以跨学科学习。学校非常重视研究能力，学生在学习过程中也有机会参与到研究项目当中。由于EECS合办的原因，该系的研究方向是有比较大的交叉性的，共有17个研究方向。其中属于CS领域的专业方向包括：人工智能、复杂系统、分布式信息系统、高信任设计、计算机科学中的逻辑和逻辑编程、神经网络、程序设计语言、软件工程、系统安全以及计算理论。雪城大学是为数不多的，被指定为NationalSecurity Agency Center of Excellence的高校之一，因此学校在系统安全这一方面的研究很有实力。地理位置雪城大学的地理位置并不很好，位于美国纽约上州中部的城市。城市本身对于CS专业同学来说就业没有很大优势，但是多数学生可以去纽约、宾厄姆顿和水牛城等城市就业。7俄亥俄州立大学教研实力OSU的计算机科学与计算机工程合并在同一个系里，它在计算机研究和计算机教育方面的实力领先，学院长期与校外企业有合作交流。研究领域可以分为7个类别：人工智能、计算机图形学、计算机网络、软件工程，系统，产业及理论与算法。其中Instrial Collaboration（产业合作），是学校以企业IT技术的利用与创新为导向的新兴研究。OSU的CS研究方向中，实力较为出色的有系统、计算机网络、人工智能。地理位置俄亥俄州是美国的另一个制造中心，以制造业为支柱产业，相对来说高科技计算机产业并不是十分发达。比较适合CS专业人才就业的城市或地区有哥伦布市、克利夫兰、辛辛那提。OSU所在地哥伦布市距离Pure大学所在的印第安那州的州府印第安那波利斯市只需要3个多小时的车程；而距离CMU和Universityof Pittsburgh所在的匹兹堡市也只需要3小时左右的车程。地理上的便利使得OSU的CS毕业生在就业去向上也有较多的选择。8莱斯大学教研实力研究领域包括：Artificial Intelligence,Bioinformatics, Computer Architecture, Computer Graphics, Computer Networking,Computer Security, Distributed Peer-to-peer Systems, Embedded Computing,High-performance Computing, Logic and The Foundations of Computer Science,Mobile Networking, Operating Systems, Physical Computing and Robotics,Programming Language Theory, Virtual Machines。教研人员偏少，不足三十位。有两个Research Center。应该是跟近年来偏重本科教育有关。地理位置位于得克萨斯州休斯敦市郊，离市中心仅三英里车程。第三阶梯：保底名校1乔治华盛顿大学教研实力GWU的CS系比较小巧，全系只有20几位Faculty成员。教学方面实行小班授课制，一个班大约只有18个学生，学生与老师之间能够保证较为流畅的沟通与互动。研究方面，该系每年在研究经费上需要花费超过300万美元的经费，主要从事CS专业下8个专业方向的研究：算法与理论、生物信息学与生物医学计算、计算机与信息安全、数字媒体、机器智能与认知、网络与移动计算、普适计算与嵌入式系统、软件工程与系统等。其中，较有实力的方面是算法与理论以及生物信息学与生物医学计算。地理位置GWU位于美国首都华盛顿特区，华盛顿特区是美国的政治中心，它是全美政府机构最为密集的地区，同时也是全美高科技公司最为集中的地区之一，位于此处的财富500强企业很多。它的经济环境能够为CS专业学生带来很多的在政府机关或者相关的高科技公司里实习和找工作的机会。此外，华盛顿特区距离JHU所在的马里兰州最大城市和经济中心巴尔的摩市仅40英里的路程，开车只需要1个小时即可到达；距离宾夕法尼亚州人口最多和面积最大的城市费城仅137英里，大约3个小时的车程。这些大城市对于CS专业人才的就业需求都非常大，因此也能够为GWU的CS毕业生提供很多的就业机会。2佛罗里达大学教研实力UF的CS专业设置在名为计算机信息科学与工程系下，此系同时归属两个大院，College of Engineering和College of LiberalArts and Science。该Department有5个主要的研究领域：计算机图形模拟与艺术，计算机系统，数据库与信息系统，高能计算/应用算法，智能系统与计算机视觉。最热门的两个研究小组是计算机系统和智能系统与计算机视觉。地理位置Florida的Gainesville，最大的吸引力在于风景和气候，学生的住宿条件非常优越，消费低廉，不过就业市场不是很发达。官方报出来的数据，刚毕业的学生年薪4万左右，相比全国平均水平来说略低。较好出路的学生都是远赴加州或纽约等地就业较多。3伍彻斯特理工学院教研实力WPI的CS主要研究的是：算法分析、信息安全、人工智能、机器学习、移动计算、人工智能设计、自动演绎、协作过滤、组合学、计算机协助认证、游戏、电脑图形图像、多媒体、自然语言处理、网络/分布式系统、面向对象软件、操作系统、性能评估、编程语言、计算机视觉和图像处理、机器人、数据库系统、软件工程、数据挖掘、计算机理论、图论、可视化、人机交互。研究最热门的是人工智能、人机交互和网络/分布式系统。MS课程招生有两个方向，分别是Computer/CommunicationsNetworks Program和Computer Security。地理位置伍斯特理工学院位于美国东北角麻萨诸塞州的伍斯特市。麻省在50年代后开始重点发展电子、电器、仪表等工业。波士顿是最大的制造业中心，其次是中部的伍斯特和西部的斯普林菲尔德。伍斯特前往波士顿的交通非常便利，一个小时的车程即可到达。4东北大学教研实力东北大学的CS系成立于1982年，设置在计算机与信息科学学院下面，主要从事4大专业领域，包括健康信息学、信息安全、网络科学、软件可靠性的研究。最具研究实力的研究方向包括算法与理论、人工智能研究组、信息检索与数据挖掘研究组、编程语言研究组、系统研究组。地理位置东北大学在办学过程中较为重视学生的就业情况，在读期间会协助学生申请为其半年到一年的实习，协助学生积累工作经验。此外，学校所在地麻省的波士顿地区给CS学生的就业带来很大的优势。全球顶尖的信息储存与信息管理服务提供商EMC的两位创始人Richard Egan和Roger Marino正是东北大学EE专业的毕业生，EMC也是东北大学CS专业毕业生的一个较大就业吸收者。以上就是美国计算机专业比较强的学校了，如果你也正在考虑计算机留学，可以参考哦~

全球顶尖的AI人才都聚集在哪里？如何分布？看完本篇报告，相信你能找到答案。全世界的顶尖AI人才到底有多少？他们大多在哪里读博，又去了哪里工作？一份《2019年全球AI人才报告》，将近几年AI人才趋势展现了出来。这份报告由加拿大人工智能公司Element AI的团队完成，前不久刚获图灵奖的Yoshua Bengio就是这家公司的联合创始人之一。报告数据来自2015到2018年21个AI顶会论文的作者数据，辅以相关的LinkedIn数据，总共确定了36524人可以称得上是顶尖AI人才，而这三万多人读博、工作所在地等相关数据，透露出关于目前AI人才的一连串秘密：顶尖AI人才集中在美国，中国数量第二，中美AI人才总和占到世界的57%。顶尖AI人才国际化程度高，三成以上有海外经历。美国AI博士中，除了留在本国的，来中国最多；中国AI博士中，除了留在本国的，去美国最多。高引论文作者数中国排第二，学术界贡献比例全球第一。转专业搞AI风行，德国、俄罗斯、以色列顶尖AI人才非计算机背景者超过一半。顶尖AI人才，半数在中美人才方面，超过44%的顶尖AI人才都是在美国读的博士；第二多则是中国，培养了将近11%的AI博士；之后则是英国6%，德国5%，加拿大、法国、日本各占4%。而在博士们毕业之后选择工作地点方面，中美英三国都成功吸引了更多别国的博士。三万多名顶尖AI人才中，46%在美国公司工作；为中国公司工作的博士超过了11%；英国则是7%，加拿大、德国、日本各占4%；同情一下法国，培养的博士多，能用的博士少。可以看出，人才的虹吸效应还是很明显，基本都奔几个强国去了，前五名的美中英德加包揽了72%的AI人才，而前18名的的国家则包揽了94%的AI人才。国际化程度高，中美人才交流最频繁AI人才普遍国际化程度非常高，大约三成（27%）AI人才读博和工作的地方不一样；而去掉顶尖AI人才不足150人的国家，这个数字达到了32%。上面这个图中，左侧是人才们读博的国家，右侧是他们工作的国家，中间连接线的粗细，意味着在这里读博、去哪里工作的人数多少。而所有跨国连接的线条中，最粗的两条，分别是美国读博-中国工作，475人；以及中国读博-美国工作，440人。中国AI人才净流入先来看看在中国毕业的那些博士们：中国培养的2370名顶尖AI博士中，四分之三留在了国内；440人去了美国公司工作，大约占到18.6%；加拿大和英国也是两个不算太小众的选择。再看看在中国公司工作的AI博士们：2510人，要比中国培养的AI博士稍多，第一大来源国还是美国，475人，其次则是英国，100人，可能很多都是赴英美的留学生归来。美国的中国博士也很多而在美国，数据其实很类似。先来看美国高校毕业的AI博士们：美国博士很多，大约在万人上下，除了留在美国之外，这些美国高校的AI博士们的第二选择正是中国，其次才轮到英国、加拿大、德国这些国家。当然，美国高校的留学生多，这个数据也可以看做是各国赴美读博的AI人才比例。再看正在为美国公司工作的AI博士们：刚好，除了本国的博士之外，第二大来源国正是中国，其次才是英国、法国、德国这些国家的博士。另外，一个亚裔关心的问题：在美国公司工作的印度AI博士，只有100人。这样看来，中美之间的AI人才交流实际上是非常频繁的，远超过了欧洲那一连串传统的发达国家，这和中国科技行业的迅速发展是分不开的，另外这一类的交流也促进了跟多AI研究的诞生。高引论文作者人数中国排第二在这三万多名AI人才中，根据近三年来论文引用数量判定，会发现其中有大约4000人的研究对整个领域都产生了显著的影响。这4000人里，1095人都在美国，其次中国（255），英国（140），澳大利亚（80）和加拿大（45）。而所有的这些高影响力研究，大多数都来自学术界而非工业界，学术界出产的高影响力研究占比最高的是中国（90%），其次是意大利（86%）和美国（84%）。而来自工业界的高影响力研究占比最高的国家是法国（30%），其次是印度和以色列（各占29％）。半路出家，有何不可通常而言，学术界都喜欢“根正苗红”的学生，这些学生从本科开始就学习本专业，一路成长为专家人才。在AI领域，“专业对口”的包括计算机、电子电气、信息科学等专业类型，但其他专业跑来做AI的人才在世界各国都为数不少。下面的统计图，就是各国AI顶尖人才出身于哪个专业的数据。各国的AI顶尖人才中，都有不少是学物理和数学专业的，还有一些学神经科学、生物信息学、机械工业、化学出身者，甚至还有少量非理工科的经济学出身人士。所以，想转行AI不要觉得自己专业不对口，毕竟像德国、俄罗斯、以色列这几个国家，专业对口的顶尖AI人才不到一半。不努力社交，可能找不到女朋友报告里还统计了各个国家和地区AI专家中女性所占的比例，下面的数据来自2019年的顶会论文作者。整体来看，顶尖AI人才中女性占到18%，，学术界这一数字是19%，工业界则只有16%。西班牙、新加坡、中国和澳大利亚是AI圈子里女性最多的地方，均超过了20%；日本则是女性最少的地方，顶尖AI人才中只有不到十分之一是女性。看来，在AI领域工作，要想方设法扩大社交面才能找到女朋友，毕竟不是所有人都能像吴恩达一样，在圈内找到真爱~本文由 @CDA数据分析师 翻译发布于人人都是产品经理。未经许可，禁止转载题图来自Unsplash，基于CC0协议

12月10日，全球青年科技领袖峰会揭晓了中国最权威青年人才榜单—《麻省理工科技评论》“35岁以下科技创新35人”（TR35）评选结果。据悉，《麻省理工科技评论》自1999年起每年在全球范围内评选35岁以下的科技创新领军人物，自2017年落地中国以来，这一权威榜单评选得到了国内外众多专业领域权威人士的支持。在此次TR35中，10余位青年人才或将为今后我国生命科学领域的腾飞注入新的活力。RNA 剪接的分子机理助力相关疾病治疗万蕊雪西湖大学西湖学者2017年，万蕊雪在清华大学医学院获得理学博士学位，随后曾作为博士后在清华大学医学院、清华大学结构生物学高精尖创新中心开展研究。其研究得到了世界上第一个近原子分辨率的剪接体结构，阐明了真核生物细胞内最基础、最重要的生命过程之一——RNA 剪接的分子机理，揭示了相关疾病的致病机理、指导疾病的治疗及药物研发。此外，万蕊雪从结构生物学切入，通过生物学的基础研究阐明了其与人体、疾病的密切关系，具有巨大的科学意义和研究价值。传统化工产业获得新技术路径崔 好Bota Bio 创始人兼 CEO2016年，崔好获得哈佛-麻省理工学院医学工程和医学物理博士学位。2019年创办了公司Bota Bio，以计算为基础搭建酶工程、菌株工程和发酵工艺工程平台，涵盖酶催化、生物转化和生物全合成三大技术路径，满足不同工业生物技术的市场需求。同时，崔好从工程化的思维方式切入，引入了基因改造、元件设计组装等理念，实现了酶工程和菌株工程的系统化和智能化，为传统化工产业开拓了新的技术路径，有助于高效精准改造、高通量有效编辑筛选目标微生物。国内病毒学领域迎来“新生力”施 一中国科学院微生物研究所研究员2011年，施一在中国科学院微生物研究所获博士学位，随后曾作为助理研究员、副研究员在中国科学院北京生命科学研究院开展研究，2016 年回到中国科学院微生物研究所建立研究组。通过整合结构生物学、细胞生物学等研究方法，施一揭示了埃博拉病毒入侵宿主细胞的分子机制，首次从分子水平证实了第五种病毒膜融合激发机制的存在，这是病毒学领域的一大突破。此外，施一也对流感、寨卡和拉沙等重要病毒性传染病病原的感染过程进行了深入研究，并取得了一系列重要进展。神经系统疾病或迎颠覆性新疗法眭亚楠清华大学助理教授眭亚楠先后在清华大学、加州理工学院完成学业，曾作为博士后在加州理工学院和斯坦福大学开展研究，专注于机器学习、神经工程和机器人学前沿交叉领域。在线强化学习是未来神经系统疾病的重要疗法，针对其安全性问题，眭亚楠提出了安全在线学习的原创理论与优化方法，相关成果现已成为加州理工学院和斯坦福大学等顶尖高校的本科课程和教材内容。另外，眭亚楠提出了基于偏好反馈的优化方法，将偏好反馈构建为自博弈机制，并用于优化外骨骼机器人控制及截瘫患者的脊神经刺激疗法，成功帮助患者恢复运动功能。相关研究成果于2020 年成为 ICRA 大会历史上首篇同时获得两项大奖的最佳论文。重大疾病的高精准、“可控”治疗或将实现陶 伟哈佛大学助理教授2015年，陶伟在清华大学获得理学博士学位，随后曾作为博士后在哈佛大学医学院和布莱根妇女医院开展研究。2018年受聘哈佛大学讲师，2020年晋升哈佛大学助理教授。陶伟创造性地开发了包括二维纳米材料和高分子生物材料在内的新型材料库，探索了它们的纳米生物交互作用机制，并对这些材料和原理进行了广泛的生物医学应用。此外，他还主导开发了多种具有独特药物递送功能的智能载体系统，能够主动靶向病灶部位、并且通过内在刺激或者外部刺激精准地“按需”可控给药，在减少毒副作用的同时实现精准医疗和高效治疗。为眼部疾病治疗带来新的可能唐 静斯坦福大学研究员2016年，唐静在复旦大学获得博士学位，同年博士后获聘于麻省理工学院化工系 /Koch 癌症综合研究院、哈佛大学医学院（HMS）。其研发了经金纳米颗粒修饰的二氧化钛纳米线阵列的人工光感受器，证明了纳米材料的眼底植入技术在临床上可行。此外，唐静利用交叉学科研究，采用氧化钛纳米线阵列来尝试治疗视网膜退行性疾病，成功恢复了失明小鼠的视觉，让失明小鼠的视网膜中所存留的神经节细胞恢复对绿色、蓝色和近紫外光的反应，为患有黄斑变性等疾病患者的治疗带来新的可能性。人类胚胎学发展或迈入新阶段邵 玥清华大学航天航空学院副教授2016年，邵玥在密歇根大学获得博士学位，随后曾作为博士后在麻省理工学院和哈佛医学院开展研究。其颠覆性地提出了用机械微系统诱导干细胞模拟着床期胚胎发育的概念与技术，首次成功重建了着床期至原肠胚期的羊膜囊类胚胎，并为合成人类胚胎学的后续发展提供基本范式，建立了标准化的羊膜囊类胚胎芯片及首例具有背腹轴的神经球模型。另外，邵玥联合干细胞与机械微系统研发出一系列“无胚化”人类胚胎学技术，填补了药物研发中胚胎发育毒理研究的人源模型技术空白，对研究人类胚胎早期发育和医药与公共卫生应用有着重要意义。多种统计学方法助力生物学研究李婧翌加州大学洛杉矶分校统计学副教授2013年，李婧翌在加州大学伯克利分校获得生物统计学博士学位，随后在加州大学洛杉矶分校任助理教授。其首创性地使用严格的统计学来分析已发表的转录组学和蛋白组学数据，发现在过往研究中，由于研究人员对测量误差的忽略，转录的重要性被严重低估。通过统计建模，李婧翌首次发现了调控翻译的 mRNA 序列特征在不同物种间的保守性，此发现提示了通过编辑 mRNA 序列而实现翻译调控的可行性，从而在新兴的 mRNA 治疗领域有广泛的应用潜力。拓宽病毒与受体研究领域的思路鄢仁鸿西湖大学助理研究员2019年，鄢仁鸿在清华大学生命科学学院获得博士学位，随后作为博士后在西湖大学生命科学学院开展研究。在此次新冠疫情期间，其通过重组表达的方法，首次发现全长 ACE2 以二聚体形式存在，并同时具有开放和关闭两种构象变化，两种构象均含有可与冠状病毒的相互识别界面，为后续相关药物和疫苗的设计提供了重要参考。为核酸智能分子计算的广泛应用奠定基础韩达上海交通大学医学院分子医学研究院研究员2013年，韩达在美国佛罗里达大学获得化学博士学位，随后曾以制程研发工程师身份就职于美国 Intel 公司。其构建了基于数据分类算法的核酸分子计算方法，首次实现了基于核酸分子计算的肿瘤早期诊断，在不需要人工干预和复杂仪器的情况下快速给出肺癌诊断结果，为恶性肿瘤的无创、快速分子诊断提供了新途径。国内肠道微生态治疗领域迎来治疗新思路谭 验深圳未知君生物CEO2015年，谭验获得了波士顿大学生物信息学与计算生物学博士学位，同年在麻省理工学院博德研究所完成生物信息博士研究工作，研究领域横跨生物信息学、微生物学和免疫学。2017年其创立了中国首家专注于肠道微生态治疗的 AI 制药公司，凭借 AI 技术和生物信息分析技术的结合，搭建出了较为先进的生物信息分析平台和转化与生产平台，提升了新药的研发效率和成功率。另外，谭验利用创新科研模式和独特的药物研发平台，研发出新型粪菌移植全菌及配方菌胶囊。该胶囊为改善或治疗肠道及其他系统性疾病提供了新方向。新一代CAR-T技术为疑难杂症带来治疗新手段何 霆北京艺妙神州医药科技有限公司创始人兼 CEO2015年，何霆在清华大学生命科学学院获得博士学位，其在CAR-T细胞疗法领域所做的突破性工作，让人类在攻克癌症的道路上更进一步。何霆自主研发了整套基因细胞药物技术平台，率先实现了全流程无血清、基因载体规模化制备、高生产成功率、CAR-T 体内持久长效的特点，与传统手段相比，CAR-T细胞疗法的安全性和有效性均得到显著提升。另外，其基于新一代 CAR-T 技术开发了 2 款 1.1 类候选创新药，在治疗复发难治急性淋巴细胞白血病、淋巴瘤和复发难治多发性骨髓瘤方面临床效果显著。“皮肤 VR”可实现多触觉感知于欣格香港城市大学生物医学工程系助理教授2015年，于欣格在电子科技大学获得博士学位，随后曾作为博士后研究助理分别在伊利诺伊大学厄巴纳香槟分校和西北大学开展研究。其开发了一种可以集成在皮肤上的无线触觉反馈系统，也被称作“皮肤 VR”，能舒适地贴附在身体的各个部位。此外，他的课题组还成功将氧化物功能材料开发成织物的形态。这些研究成果开创了一种全新的传感和反馈交互界面，不仅可以产生震动反馈，也能够收集人体的健康生理信号变化，可广泛应用在社交、游戏、义肢的控制与反馈以及生物医疗、健康检测等领域。参考资料：[1] 权威发布：《麻省理工科技评论》年度中国科技青年英雄榜！35位入选者涵盖全球最前沿科学与技术2019年热文TOP101. 逆转2型糖尿病的大牛又发文了：2型糖尿病是简单的疾病，减肥或逆转病情！2. 刚刚，Science发布2019十大科学突破！3. Science重磅！西兰花“唤醒”抗肿瘤基因4. 读者泪目！《柳叶刀》全中文发表中国医学博士「家书」：给父亲的一封信5. 《Science》重磅！汝之“蜜糖”，吾之“砒霜...”6. 喝酒，尤其还脸红的人，或面临更高的痴呆风险7. Nature重磅！第一个完全合成且彻底改变DNA密码的生物诞生了8. 这不是一颗大榛子！Science发表新型口服胰岛素，或将取代传统注射9. Science为防秃顶支招：先从不脱发开始...10. 改变精子速度，可以影响后代性别？