美国斯坦福大学统计博士

主讲人Z学长本科：北京大学数学系研究生：Chicago统计学PhD内容简介1、如何提升自己的背景和实力2、博士申请中如何选校和选导师3、美国统计学PhD的学习科研心得丨讲座内容丨如何提升自己的背景和实力我先给大家讲一下本科期间的学习建议。本科期间就是要学习很多基础课程，所以基础一定要打好。如果基础都没有打扎实，很多高阶课程学起来就会很吃力。基础课程包括概率论，数理统计，多元统计，实变函数，泛函分析和回归分析。这些课程对于攻读研究生学位是非常重要的。我还是建议大家在本科期间适当的上一些研究形式的课程。比如说当时北大有一个林老师，讲的是高等统计。以seminar形式出现，每节课读一篇paper，轮流上去做一个报告。我觉得这些研究形式的课程不仅对本科生科研有帮助，而且对将来研究生学习都是非常有用的。关于选校和选导师接下来给大家讲讲选校。统计专业比较交叉，大家选校的时候可以多关注统计系开设的学位。除了我在读的统计学专业，Booth商学院那边儿也有相应的统计学相关的博士学位。所以说如果大家对统计、经济方面的应用感兴趣，也可以申请Booth那边的统计学博士。此外，选校还有最重要一点，就是要抱住大牛老师。这些大牛们写的paper都非常厉害，然后关系网也非常全面。如果将来毕业无论做学术还是往工业界发展都会要好一些。当然，老师是否大牛是一方面，还有一些需要注意的点。比如，Princeton有个老师很厉害，我们学校也有个老师很厉害，但是这两位年事已高，最近不怎么带学生。大家如果感兴趣可以去各个学校的系主页上找一找这些老师的相关信息，他们的主页上都会写自己research interest，多看看和自己方向有关，感兴趣也是非常重要的。美国统计学博士的学习心得博士五年学习过程，第一年主要就是课程学习，我相信基本每个学校都一样，他不会期望本科毕业之后就可以上手去做research，虽然你可能也有那个能力了。因此，第一年来说要学一些课程，比如我们学校是四个sequence，理论统计、计算统计、应用统计和概率论中选三个。第一年博士的课程是非常重要的，他是真正带你入门、教你怎么做科研，这些是科研的基础。不需要你门门拿A，但是不能成绩太差。第二年就是找导师确定科研方向，这一年非常关键。因为可能刚开始不确定感兴趣什么，像我第二年前后换了三个导师，所以确定自己的兴趣爱好是非常重要的。最后确定的是一位特别年轻就比我大四岁的老师，他做的方向非常理论。我开始没找他是因为感觉理论的就业前景不是很好。但是后来发现自己做理论方向还是比较有天赋的。关于科研第一条经验就是一定多和导师meet，与导师讨论问题。因为有时你不主动和他meet，他不会主动联系你，因为导师事情很多。但是如果你自己想了两周都想不出来，那么这时候和导师meet非常关键，因为你可能陷入了思维定势或者因为你读过的paper太少而导致对相关领域了解太少。这时候，导师能给你提供思路，带你走出困境。比如我之前和导师合作过一篇paper，虽然是我做的，但是有些非常好的想法都是老师给我的，所以说一定要厚着脸皮向老师请教。第二条经验就是要经常参加seminar。我们系每周都会有一次seminar，请其他学校的老师、博后来做报告。这些人都是一些精英，他们的报告都非常有用。我经常能从他们做的东西中汲取一些好的想法。第三条经验就是多做presentation。我们系有两种group，其中一种叫working group，就是哪个地方卡住了，和大家说说，大家一起出谋划策。这个group里面有三四个教授，很多学生，大家互相汇报成果，可以了解彼此都在做什么。还有一种叫做reading paper，这个是每周一次，大家汇报一下自己读过的paper。因为你肯定有没读明白的paper，分享之后大家可以总结思路互相探讨。其实我还是比较内向的，和老外交流的次数是很少的，所以做presentation还是挺锻炼口语的。另外，我们学校的一个特色就是每周二会有其他院的人给你提一些统计问题。这些问题是系里通过邮件发给你，如果有你感兴趣的就可以去报名，然后小组完成任务。做完之后，大家还会一起再做一个presentation，收获还是非常多的。关于建议此外，还要培养自己的统计直觉。之前做social network，要做很多simulation。那么simulation要怎么提出自己的算法，哪些参数改变了会有什么作用，这个统计直觉就非常有用。导师们很多时候不需要算就知道结果是什么。当然了，如果遇到钥匙计算题就会犯难了。这个怎么解决呢，就像我之前说的，多读paper，多参加seminar，多读名著。其他方向也要读一些该方向大师级人物写的书。问答环节问：请问学长芝大统计系和数学系平时在一起联系多嘛？答：如果做概率的方向可能还有联系，因为我们有教概率的老师也是数学系的，如果是做统计方向的，和数学系还真没什么联系了。问：请问学长如果本科没有做过科研好申请吗？答：这个看你成绩怎么样。如果按优先级排的话，肯定科研最重要。我本科的时候科研做的也不是很好，但是成绩好的话也能申到很不错的学校。如果你本科学校不差，成绩也足够好的话，申到好学校是没有问题的。问：请问学长生物统计的就业方向大概是做什么？答：如果科研做得好，可以继续留在学术方面，当一个professor或者毕业之后去药企，这个取决于你怎么规划的。因为博士毕业后很多都做了scientists，很少有继续留在学术继续做科研的。也可以去IT行业，因为CS和统计内容很多是不分家的。统计理论多，CS编程多，所以统计毕业后去IT的很多。此外，Finance行业的也很多。还有就是如果已经确定了毕业的规划就要尽早做打算，比如已经决定了毕业去instry的话，那么第三年第四年就要找实习。如果确定自己去学术的话，就老老实实和导师多交流写paper。问：请问学长现在本科数学专业，有必要修统计双学位吗？答：本科的时候数学里面就包含很多统计的课程。北大分了五个方向，在大三的时候，如果你选统计方向，就自动学了统计的课程。所以如果重合度比较大的话没有必要学统计双学位。但如果你们学校课程设置不太一样，数学专业要学很多基础数学的课程，统计就是统计，如果你将来要是想转统计的话，可以学一下统计的双学位。中枢教育 近3年 Top 10录取榜排名学校录取人数1普林斯顿大学252哈佛大学263芝加哥大学413耶鲁大学345哥伦比亚大学1505麻省理工学院235斯坦福大学388宾夕法尼亚大学579杜克大学5110加州理工学院1714康奈尔大学10321加州大学伯克利分校5625卡耐基梅隆大学130想要成为其中的一员吗？中枢教育等你来！Pivot学员 2018FALL 申请战绩（US NEWS美国大学综合/专业排名）Top10 Offer = 200+ Top20 Offer = 400+Top30 Offer = 500+ Top50 Offer = 600+想要和资深留学导师一对一交流？

美国新闻截图26岁斯坦福大学博士自杀就在中科大失联博士刘春杨被发现在水库自杀不久，又有一名中科大的学子选择自杀，而这位优秀的中科大学霸在美国斯坦福大学攻读博士学位，根据美国当地媒体资料显示，这名中国博士生是斯坦福材料科学与工程系在读，主攻可变电阻式记忆体和计算机存储器的研究。2014年毕业于中国科学技术大学，然而在2019年用轻生的方式结束了自己的生命，年仅26岁，发生这样的事件也让美国斯坦福大学师生表示震惊，美国斯坦福大学院长官网发出哀悼信末尾结语：“The death of a student is always hard to understand and accept. Please take care of yourselves and those around you.”中文翻译“一名如此年轻、如此优秀学子的离世总是让人难以接受的，请大家一定照顾好自己和身边的人。”用小编称评论过的一句话：“珍惜你身边的每一位博士生，因为他们真得很不容易。“当然也存在翟天临式的注水博士，而大部分从事科研的博士压力都很大！宽进严出的博士培养制中国的两种不同研究生机制随着中国高等教育大跃进式的发展，中国的本科生和硕士研究生数量增长速度非常宽，但是还是属于严进宽出，然而在博士研究生阶段，中国的博士却突然加大了难度，属于宽进严出，通过教育部历年的数据对比显示，中国从2002年~2017年未正常毕业的博士比率从58.4%上升到66%，而且这里还有大量翟天临式的注水博士，那些真正泡实验室的科研博士生很多都难毕业，这也是为何翟天临高调晒出北大博士后职位后，引发众人审查的重要原因，尤其是那些失去休息时间做科研还没有博士毕业的研究生，翟天临的博士学拿得太轻松，靠着40%的论文抄袭毕业，让无数无法正常毕业的博士生觉得很不公平！中科大的焦虑感中科大学霸们的焦虑感小编在一篇文章中提过中科大中存在的学霸金字塔，第一层属于天才学霸，这类人具有天生强大的学习能力，由于成绩优秀提前被海外名校预定，第二层属于努力的学霸，这类人通过努力，得到提前中科大保研的名额，而第三层就属于中科大的底层学霸，从小天之骄子的他们，进入中科大后不论如何努力都是吊车尾，残酷的现实深深让他们产生一种焦虑感，让他们懂得天才和普通人的区别，同样是100分，天才考100分，只是因为满分100，而普通人则是非常的努力才获得100分的成绩，当试题难度加大，天才还是100分，努力的人却发现自己不论多努力也只能考98分，不要小看2分的差距，那就是无法填埋的鸿沟！其实中科大学霸金字塔顶端的学霸也有焦虑感，中科大失联的刘春杨博士和斯坦福大学自杀的26岁中科大校友，他们其实属于学霸金字塔顶端的人群，但是从事科研后，一名优秀的学霸不一定是好的科研人员，科研不仅需要努力，其实更需要天赋和运气，这些在本科阶段属于金字塔顶端的人群，走进研究生阶段，他们迷失在科研的海洋中，成为科研金字塔底层人群，没有科研成果，很难毕业，一直以来的优越感和自信心一下子荡然无存，巨大的心理反差，时间久了，总会出现问题！其实海外名校就连本科都很难毕业，德国高等教育每年仅有50%的人按时毕业，2018年美国纽约大学出现多名中国留学生自杀的新闻！望子成龙没有错，但是请关爱自己孩子的心理健康，有时候他们走的所谓成功之路并不符合自己的天赋

新智元报道 来源：timdettmers.com作者：Tim Dettmers 编辑：木青【新智元导读】又到一年申请季。随着AI大热，计算机科学博士申请的竞争也变得激烈。如何选择学校？需要发多少论文？导师怎么选？GPA不够高怎么办……斩获CMU、斯坦福大学等名校博士offer的大神写出了史上最全分享帖，你在申请计算机科学博士时遇到的所有问题，这里都有答案。先简单秀一下手里的offer：我获得了斯坦福大学，华盛顿大学，伦敦大学学院，CMU和纽约大学的录取通知。收获是不是还算不错？我深入研究了我是如何在博士申请中取得成功的，于是写下这篇博客文章，和大家讨论，在博士申请中什么才是重要的，而什么又不是；我们应该如何选择和使用申请材料。这篇博客主要针对关注深度学习的博士应用以及自然语言处理，计算机视觉，强化学习和深度学习等相关领域的学生。我目前先假定你已经拥有相对竞争较强的个人资料，也就说你可能已经拥有一个或多个出版论文或刊物，并且你也已经与多人合作进行过研究。写这篇文章的目的是为了提高你申请成功的几率。如果你寻求更多关于博士入学的信息，我建议你先阅读以下这些资料：Academia StackExchange所有最高投票的问题和答案：https://academia.stackexchange.com/questions?sort=votes计算机科学专业博士完整录取过程，这是一位CMU老师写的：http://www.cs.cmu.e/~harchol/gradschooltalk.pdf博客文章《反思计算机科学专业招生》，这适合那些优秀但综合实力并没有那么拔尖的学生：https://da-data.blogspot.com/2015/03/reflecting-on-cs-graate-admissions.html。《如何写出一篇错误的计算机科学博士申请陈述》，反面教材可以用来参考：http://www.cs.cmu.e/~pavlo/blog/2015/10/how-to-write-a-bad-statement-for-a-computer-science-phd-admissions-application.html在接下来的文章中，我会：先定义一下申请过程中哪些是重要的影响因素；然后我们将深入研究申请材料以及如何思考这些问题；再来我将谈谈申请流程全文最主要的部分也是最后一部分将是选择学校：哪些学校对我来说门槛太高或哪些又不是那么值得你去？什么才能被称作是强大的博士申请背景？决定任何研究型大学录取的最重要因素是研究潜力：你有多大可能成为一名优秀的研究人员？主要的直接指标是研究潜力的重要性：业内大佬的建议：受人尊敬的教授高度评价你，所以人际关系很重要。研究经历：之前做过什么成功的研究、发表的论文（是否为第一作者和发表所属期刊、会议的声望）。其他间接因素有时可能有所帮助，不过作用并没有以上两个因素大，按重要性排序：本科大学背景：有些大学会很看重，其他一些大学并不care；工作/实习背景：例如以前曾在金融或Google，Facebook等公司工作过；智力：完美的GPA，完美的GRE与智力有些相关（或至少与你学习和理解的速度有关）；勇气/责任心：你在持续被拒绝、遭遇失望和失败的情况下都能表现得很好，如果你遇到并克服了困难，你可以将你的故事纳入自我陈述中。成就：赢得了数学或CS比赛。表彰：赢得了非常厉害的奖学金。擅长数学或工程学：为开源项目开发作出贡献或者使用过研究代码。家庭背景：父母是教授，赢在起跑线上如何准备计算机科学博士申请材料首先是推荐信对于推荐信，可以分为四个类别：强、好、弱和坏。请注意，录取老师在推荐信中寻找的主要内容是关于你有多少研究潜力。这部分的主要目的是让申请者了解什么是好或强的推荐信，根据这些信息，你可以找到更适合帮你写推荐信的人。非优质推荐信的特征：推荐人知道你的不良事迹并且把这些写到了推荐信里，特别是在美国，任何甚至略微有污点的过去都非常有风险；推荐人并不认识你（你上过ta的课，但ta对你没有留下任何印象）；推荐信内容很简短，只说你在课堂上表现很好；弱竞争力推荐信的特征：推荐人只在课堂上认识你；推荐人只能写一些关于你课上的表现；推荐人不评论你的研究；录取委员会或潜在的顾问都不认识推荐人。优质推荐信的特征：推荐人有一定名气，被录取委员会的部分人员知道；推荐人的姓名和工作至少被个人陈述中提到的一位潜在导师所知；推荐人与你一起做过科研；推荐人在轶事中提到了你出色的研究能力，这些事情证明了你的创造力、诚信、坚持和研究技巧；推荐人详细写了你如何发表研究报告；推荐人评论了你在实验室外的研究。强竞争力推荐信的特征：推荐人英语水平出色；推荐人因过去出色的推荐而闻名（之前推荐的学生非常优秀）；推荐人在轶事中提到了你出色的研究能力，这些事情证明了你的创造力、诚信、坚持和研究技巧；推荐人提到了你的其他能力，这些能力间接地帮助研究（工程技能，演讲技巧，人际关系技巧），并将这些技能包含在轶事中。请注意以下几点：轶事很重要，这需要推荐人真的了解你。那些招生老师也能读得津津有味，毕竟读故事比核对清单更有趣；这封推荐信不需要包含上述中的所有要素，那样会让推荐信变得很复杂；推荐信需要有侧重点。怎样界定你发表论文、刊物的含金量？是否为第一作者？发表的论文、刊物是研究经验和研究技能的直接证据。如果你作为第一作者出版，人们就知道你完成了大部分工作。如果你作为第二作者出版，人们知道你做了很大一部分工作（25％-50％）。如果你的名字是第三个或更晚，你的贡献会大打折扣，但你可能会经历整个研究过程以获得发布资格并获得大量的研究经验。如果你发表了几篇第一作者论文和一篇第三作者论文，这样就看起来非常好：它表明你可以完成团队合作。发表论文所属会议、期刊的威望：如果你在一个顶会上发表你的作品，人们就会知道：（1）你的作品质量很高; （2）你的工作可以被信任; （3）你目前的研究技能足以在大型的会议上发表；（4）你具有竞争力，可以在顶级会议的压力下保持高效。在你未来的导师看来，这有助于看到这一点：如果你有两个学生，一个已经在NeurIPS（A级）发表，一个发表在B级会议上，那么这说明第一个学生可能已准备好参与明年针对NeurIPS的研究项目，第二名学生则需要进一步准备。对于第二个学生，这个学生可能需要一年多的时间才能获得在A级会议上发表所需的研究技能。如果导师和学生之间的磨合压力较小，那么就更容易建立强大的专业关系，这使得彼此合作更容易和有趣。毕竟谁都愿意找有准备的士兵去一起打仗。因此，未来的导师将有充分的理由根据你在哪个会议上发布论文进行选择。如何撰写个人目的陈述对于大多数高校而言，目的陈述主要是为那些不想花太多时间审核资料的校方工作人员提供“过滤器”。你的写作可以展示你的思考方式，如何营销，你如何解释事物，但它也可以透露出你是懒惰的，不注意细节。对于某些机构（例如CMU）来说，个人陈述可能很重要。除此之外，个人陈述也是唯一可以解释你在某些情况下为何表现不佳的文件。例如，你可以解释你在读研究生的过程中遇到的任何特殊困难，或者它可以解释为什么你在大学的某些学期里没有做到这么好。个人陈述的结构应如下：1、在第一段，通过引人注目的开头介绍研究兴趣，使读者想要阅读更多。这是最重要的一点：如果你不能让读者对本段不感兴趣，他们不太可能专注于整本书的其余部分；2、你在研究生学习期间的研究经历（大约一页）；3、确定你将来要做的研究方向；4、确定选择导师以及选择原因；5、（可选）在适当的情况下解释情有可原的错误。在某些情况下，个人陈述可能非常重要。如果你表现出良好但不强或弱 的学术潜力，你就必须克服重大的困难才能做研究。然而，披露困难和弱点，如学习障碍和精神疾病，也可能是一把双刃剑：你可能让审核老师望而却步，也可能因为你坚持困境而表示同情和钦佩。如果你披露此类事实，则需要正确完成并且个人陈述需要非常精细化。如果你没有专人指导，请不要尝试这样做。毕竟你不只是在讲述如何克服经济困难完成学习，而是讲述你在患精神分裂症或双相情感障碍时遇到的困难。然而，如果你没有面对任何困难，不要编造毫无意义的故事：“作为一名白人、男性、上流社会的美国公民，我从很小的时候就被我的特权所困扰，我的学业表现受到了影响在这个过程中。“请不要这么拉仇恨，还是专注自己的研究能力吧。关于GRE、TOEFL、GPAGRE、TOEFL和GPA通常用作过滤标准。非常高的GPA可以成为良好指标，可以帮助那些质量不太高的推荐信和论文。但是如果你没有出版过论文，并且推荐信也很糟糕，4.0的GPA将无济于事，甚至可能还会起到反作用，因为它表明你专注于“无用”的课而不是研究。GRE和托福成绩是纯粹的过滤器：如果你有一个好的分数，你就不会被过滤掉。如果你有一个完美的GRE成绩，它可以帮助到一点点。高GRE成绩并不重要：我拿到了美国大学计算机科学专业TOP5中的三个：GRE成绩为语文159（81％），数学163（86％），写作5.0（93％）和托福120/120和GPA 8.1 / 10。任何高于3.5（满绩4.0）的GPA都可能会有所帮助。关于简历简历要列出你所做的事情。内容很重要，但内容也取决于你之前所做的事情，并且不能撒谎编经历。不要通过简单的方式或通过让你的简历看起来“漂亮”或“有创意”来“调整”你的简历，这是浪费时间。只需列出你所做的事情。了解一下申请程序（一）、如何向你的教授索取推荐信你可能需要写两封电子邮件：（1）只要问一下这个人是否可以给你一封好的或强烈的推荐信。经历丰富的推荐人如果认为他们不能给你写好的信，就会拒绝你的请求。在这种情况下，寻找其他人。（2）如果你的推荐人同意，她会要求你提供信件的一些信息。列出你和推荐人所有过的互动，让推荐人写得更生动：举个例子，需要写的是：“你在一次会议上告诉我，通过一些额外的工作，我们可以为NeurIPS截止日期做好准备。在接下来的两周内，我开发了一个改进的深度网络架构，开始撰写调查结果。接下来的一周，简扩展了我的代码以完成额外的任务。然后，我们有足够的结果将我们的工作提交给NeurIPS“不要写：“简和我在NeurIPS上发表了我们的研究。”（二）个人目的陈述尽早开始向有经验的人询问意见。如果你想透露你在读研究生的路上遇到的困难，你需要花很多时间在你的个人陈述中，你可以在你所有的申请材料中花最多的时间在这方面。也可以参考你之前申请大学时使用的个人陈述，这或许能帮你省不少时间。（三）在线申请尽早开始填写在线申请表。有些流程很复杂，需要一些时间来填写，如果你能尽早地提交，专注于写推荐信、院校选择和个人目的陈述，那就太棒了。另外，你应该准备足够的资金来做这些申请。整个过程可能花费高达1000美元。如果你没有足够的钱，请尽早向一些亲戚寻求帮助。想要读计算机科学博士，该如何选择学校？我可以考上顶尖学校吗？许多读这篇文章的人可能有着进入斯坦福大学，麻省理工学院，伯克利大学或CMU等顶尖学校的梦想。但这非常困难，竞争非常激烈。分享一下我申请的一所牛校的情况，以下几条都是申请这所牛校的人的背景条件：申请人中本科学校Top2的比例：38％Top4：52％Top20：73％每个国家的顶尖学校：84％至少4篇顶级会议论文：93％至少3篇顶级会议论文+最佳教师/青年科学家奖：98％也就说，84％的申请人来自一个国家的顶尖学校，另外你在顶级会议上的论文少于3篇，那么你进入上述学校的概率约为2％。如何入读顶尖学校？上述统计数据并不意味着你无法被这些学校录取，但这意味着如果你的个人资料太弱，你应该再花一年时间来完成梦想。例如，我将我的硕士学位延长了一年，以便进行一年的研究型实习。如果没有这份经历，我基本不可能进入这些学校。如果你的梦想是进入这些顶级学校之一，研究型实习是迄今为止最好的选择。即使你不一定想去这些顶尖学校，研究实习也没什么坏处。研究型实习将为你提供：提高研究技能，使你可以更轻松地开始攻读博士学位；测试博士或某个研究方向（NLP与计算机视觉与系统）是否适合你；一份好的甚至是竞争力强的推荐信（实习时间越长越好）；发表论文的机会。现实的学校选择你应该申请大约10-15所大学。如果你申请更多，那么你将面临着没有足够时间来真正完善你申请流程的危险。如果你申请的数量少，你会遇到手上无offer的危险。你应该有一个或两个备用大学，你被录取的几率> 75％。通常，你已经就读的大学是一个很好的候选，因为你的推荐人将导师所知。申请所有有希望入学的顶尖大学（> 10％的机会）。在剩下的大学里挑选一些你有意愿去的，你希望入学率会较高（25-33％），你应该至少备选3所这样的大学。这些大学通常是推荐人和你都希望与之合作的教授的所属大学，这时候人际关系就起到重要作用了。请注意，最好的导师不一定在顶尖学校。你可以在前20名以外的学校获得优秀的博士培养。但是，如果你考虑学术生涯，那么学校的级别将非常重要，你应该尝试在顶尖学校找到一名导师。选择大学主要是根据这所大学里的导师。确保每所大学都有多个你想要合作的导师。不要申请只有一位优秀导师的大学。如果你选择的专业范围太小，请扩大你感兴趣的区域。例如，如果你想进行深度学习和NLP，并且找不到足够的合适导师，请考虑计算机视觉或其他领域的一些导师。其他问题（一）注意：英国博士需要四年，美国博士需要6年在美国博士学位课程的前1-2年，你将完成不少课程，因为美国博士学位是为本科生设计的。相反，英国博士学位课程专为已经拥有（1年）硕士学位并且课程很少的学生而设计。具体区别如下：美国博士专为本科学生设计课程为1 - 2年，课程分散了研究的注意力，入学时有担保资金，即你有担任研究助理或助教的职位。英国博士专为硕士生设计课程为0.25 - 0.5年，你可以从头到尾专注于你的研究。资金方面可能有问题，通常取决于你的导师。这就是为什么在申请之前与潜在导师取得联系非常重要的原因。还要注意地区差异。如果你在美国学习，你也将陷入美国的研究泡沫。如果你在欧洲或亚洲学习也可能如此。如果你想加入欧洲的学术界，而且无法进入美国顶尖学校，那么申请大多数欧盟大学可能是更保险的选择。（二）博士需要硕士学位吗？在欧洲大陆，学士学位通常为3年，你需要硕士学位才能获得博士学位。在美国和英国，博士通常为4年，你可以在学士学位之后立即开始攻读博士学位。（三）工作经验很重要吗？如果你在着名的公司（谷歌、Facebook、麦肯锡、高盛等）工作，它尤其有用。如果它与软件工程相关，其他工作经验也有帮助，但任何研究经验（研究实习）都要比企业实习有用得多。只是一份好工作而没有研究经验，对你没有帮助。（四）如何挑选导师？查看他们最近出版的论文，从而找到共同的兴趣点。避免与最近没有发表论文的学者合作。在当前的研究中不需要重叠，但你应该对导师正在进行的研究感兴趣。查看他们之前的毕业生名单以及这些师兄师姐现在从事的职业，毕竟就业也是考量的一个重要指标。查一下导师是不是创业吗？他有多少学生？这些因素的组合可以给你暗示：这个导师忙不忙，他又有多少时间来指导你。根据你在研究方面的经验，你将需要一个或多或少有时间的导师。（五）我必须要拥有博士学位吗？如果你想在学术界工作，你需要博士学位。在商业中，一切都受供需关系的制约。未来几年，人工智能研究人员的供应将急剧增加。如果AI炒作崩溃，需求将会消退。这种情况可能与数据科学家在2018年面临的情况非常相似：公司只接受非常优秀的申请人，因为供应量大于需求量。在这种情况下，如果你想要转换工作或想要晋升，博士学位将会有很大的不同。你现在可能没有博士学位，但没有博士学位，如果你想转到另一个研究实验室，你可能会遇到问题（因为熟练的博士学位可能很高，而需求很低）。如果AI炒作没有崩溃（不太可能），那么你可以在没有博士学位的情况下轻松找到并转换工作。如果你对研究工程师的职位感到满意，那么博士学位对你来说可能毫无用处。由此，如果你不想做研究，就不要做博士学位。（六）我该在申请前请联系导师吗？不要对美国的教授这样做。在欧盟，有时需要在申请前联系可能的导师。如果你需要这样做，请尝试通过真正了解你导师的人介绍，例如，你的学士或硕士论文导师。如果你与这位导师没有私交，你还想写一封电子邮件的话，内容建议如下：你当前的导师是谁；关于你过去工作的总结（可选：你在哪里发表你的作品）；关于你可以以“想法：一句话解释这个想法”的形式向导师解释你想要的研究方向；如果你没有个人联系，你的潜在导师不太可能回复你。如果你没有人际资源并且你申请了欧盟（英国）大学，那么你可能需要试试申请其他地方。（七）如何为你的研究计划选择一个主题？研究提案的主题无关紧要。没有人会要求你做在研究提案中描述的工作。你可以根据在不同申请中重复使用的容易程度来选择你的研究提案主题。如果你不需要为不同的申请流程重写它，则可以节省大量时间。需要考虑的一件事：你对某个主题越熟悉，就越容易编写好的提案。参考链接：http://timdettmers.com/2018/11/26/phd-applications/新智元 AI 技术 + 产业社群招募中，欢迎对 AI 技术 + 产业落地感兴趣的同学，加小助手_2 入群；通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名 - 公司 - 职位；专业群审核较严，敬请谅解）。

3月24日，由津桥国际主办的2019津桥国际服务展在京举行，展会云集了教育、移民、投资界资深专家，还有海外百所名校现场面试招生。展会讲座为到场的学生、家长、投资人提供了海外规划建议。津桥国际创始人兼董事长赵鹏先生用权威真实的数据及成功个案总结了津桥的收获，并针对学生与家长最关心的海外留学误区问题做了分析与建议。活动现场，美国斯坦福大学博士Dr.Angela Zhang表示，国际化教育最大的好处就是给学生提供了许多不同的尝试，学生对未来职业规划要从兴趣、擅长方向、不同领域发展趋势多做考虑，并以商科类职业举例，让在座的学生对未来职业规划有了清晰的目标和规划。密歇根大学安娜堡分校的汪同学、圣母大学电子工程专业的王同学用亲身经历分享了留学申请之路，现场的名师还对留学、语言等常见问题为学生提供了诸多实用建议。游学不仅是阅历和知识的升华，更是扩宽视野、丰富履历、提升语言的好机会。在活动现场，津桥海外游学专家高老师通过多年带队的海外经验分别从游学行业在市场中的趋势、什么样的孩子适合国际游学、游学生活的真实案例等对游学市场做了介绍，让学生和家长深刻了解了游学真正的“含义”。另外，来自英中贸易协会(CBBC)区域主任弗格森先生就当下英国经济和政策的现状做了简要介绍，除此之外，就大家最关心的如何通过T2工作签证、T4留学签证等留在英国工作等问题做出说明。展会结束后，津桥国际的资深专家以及导师为在场客户提供了留学、语言、游学、海外置业、财富管理等现场测评，及一对一客户交流等服务。

据The Daily Post报道，近日，一名斯坦福大学的中国博士在学校自杀，无不令人叹息！（图源：截图）据外媒报道，2月11日，有人在斯坦福大学的Paul G. Allen大楼中发现了一位男性遗体。这个令人震惊的消息，很快惊动了校方和警方。（图源：padailypost.com）经确认，死者为工程系的一位博士研究生，中国籍，年仅26岁。2月14日，圣克拉拉县法医办公室断定他是自杀，死亡原因为上吊自杀。据资料显示，这名中国博士生是斯坦福材料科学与工程系在读，主攻可变电阻式记忆体和计算机存储器的研究。2014年，他在中国获得了物理学学士学位，本科毕业于中科大。一名前途无量的博士生，用这种方式结束了自己的生命，出乎所有人意料。现今，依旧人知道他自杀的动机究竟是什么。网友们对这一消息纷纷表示痛心：（图源：微博）事件发生后，斯坦福大学工程学院院长Jennifer Widom于2月11日向该系所有学生和家长发送邮件，对于该同学的去世而感到悲痛万分。（图源：官网截图）在结尾处，院长Jennifer Widom指出，如果有任何同学需要心理辅导和帮助，随时可以获得学校的帮助。（图源：官网截图）在信的结尾处，院长Jennifer Widom写道这样一句话——“The death of a student is always hard to understand and accept. Please take care of yourselves and those around you.”“一名如此年轻、如此优秀学子的离世总是让人难以接受的，请大家一定照顾好自己和身边的人。”我们永远不知道一个在异国他乡的中国博士生，在自己人生最灿烂的时刻，为什么选择用这种方式结束自己的生命。我们也永远不知道，压倒他的最后一根稻草是什么。这位中国博士之死，着实令人人悲痛、心寒。留美读博之路的确很难，漫长的学术生涯说不定会从心理和肉体上把人压垮。无论如何，希望大家一定要照顾好自己。RIP。延期毕业的博士生，压力巨大，容易患抑郁症。博士的规模在扩大，而博士的“延期毕业”是扩招带来的恶果之一。近年来，博士生的未正常毕业率相对稳定。2002年至2009年，中国博士未正常毕业率在60%左右徘徊，2010-2017年则稳居60%以上，波动中有小幅提升。不过考虑到博士生的大规模扩招，实际上博士的延期毕业已经相当普遍。一般情况下，高校对研究生毕业论文在数量上有严格的硬性要求。以上海交通大学经济学博士学位为例，在就读博士期间，至少要在SSCI（社会科学引文索引）或CSSCI（中文社会科学引文索引）检索的刊物上发表（或录用）2篇与学位论文主要内容相关的学术论文。这是在读博士进入学位答辩程序的必要前提。博士扩招后，僧多粥少，在版面有限的指定刊物发表学术论文的竞争压力更大、难度更大。就更可以想象博士生的心理压力会有多大了。每个人都喜欢正能量，不喜欢负能量。很多时候，患有抑郁症的人并不是像大多数人所想象的那样看起来就很悲观、萎靡不振，对所有事物都缺乏兴趣。他们更爱“笑”，用“乐观”这层面具来掩饰自己。（图片来源网络）据耶鲁大学发布的一项调查数据显示，45%在耶鲁学习的中国留学生报告自己有抑郁症状，29%表示自己有焦虑症状。主要归结为四个方面：学业压力、对父母的惭愧、害怕导师对自己的不信任和得不到合适的心理疏导。留学生也不是人人都是天之骄子，也不会永远都有漂亮的成绩单。人生地不熟的国外，融入圈子使人心累，与父母沟通也不知从何说起。出国在外各种心酸和压力也不是总能被排解掉，得不到父母和他人的认同。这些都会是情绪崩溃，走向极端的原因。不论是情绪崩溃、孤独或是抑郁症，又或者是钻进牛角尖，这种伤害自己的行为也会让身边的人难过。（图片来源网络）请善待博士生，请大家多给他们一些关怀！本文转载自北美留学生日报ID：collegedaily

编者按：项目分析是由我们指南者留学新推出的一个专栏。应广大粉丝号召，我们将挑选部分热门专业，对比分析不同开设院校的项目特色、申请难度、申请要求、就业数据、课程设置、师资力量等，都是干货接地气的信息，希望对大家选校和申请准备有所帮助。统计学是关于认识客观现象总体数量特征和数量关系的科学；它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。总结美国所有开设统计学专业的学校，统计学的方向大致可以分为两类，一类是偏向于理论研究的，另一类是偏向于实际应用的。偏向于理论研究的主要包括统计系或者数学系下的统计学专业，偏向于实际应用的包含的方面比较广泛，包括目前非常热门的生物统计、经济统计、社会统计学等。下面为大家介绍近年来热门的美国统计学硕士项目。1斯坦福大学斯坦福的MS in Statistics项目为期两年，设立在一直高居美国统计学专业榜首的统计系下，该项目研究内容包括统计学、概率论、生物统计、金融数学等，需要学生选修45个学分，统计学系和其他系的指定科目都行，但8个统计学科目必须从必修课中选取。MS项目每年约500人申请，录取30人左右，中国学生比例较高。作为全美第一的统计学专业，申请要求也是非常苛刻的，只接受GRE考试，学校不要求学生参加GRE数学科目考试，但总分会对录取产生影响；托福要求100+。从就业和职业方面来说，美国统计学专业市场需求较大，几乎所有领域都需要统计学专业的人才，毕业生可以在各行各业工作。2加州大学伯克利分校加州大学伯克利分校的M.A. in Statistics为期两年，设立在文理学院下。该专业在在美国统计学领域中也是很有分量的，其研究生项目一直是全美数一数二的项目。该项目以就业为导向，注重学生在各个行业的统计技能的培养，而非作为博士预备的项目。要求至少修完24个学分、并且通过一个综合考试。申请要求方面，需要提供GRE，托福最低90，雅思7.0。GPA平均达到3.8，录取学生主修精算科学、计算机科学、经济学、金融、数学等。学校离旧金山，硅谷比较近，大部分毕业生都在旧金山找实习或者工作，就业前景良好。3芝加哥大学芝加哥大学的M.S. Degree in Statistics项目为期一年，以就业为导向，同时也可作为博士预备的项目学习。该项目包括数据分析、数理统计、生物统计、统计遗传学、统计与金融、计算机图像六大分支的学习。通过研讨会和特殊课程接触最前沿的领域，可以主要研究统计， 或结合其他统计数据应用的领域，项目课程自由度高。需要申请者有高级微积分和线性代数的背景，并学过一年的概率、统计和熟悉一些统计数据分析。托福最低分数90，雅思最低7分并提供GRE。该项目的毕业生多数进入金融、软件开发和政府机构等领域工作。4华盛顿大学华盛顿大学的提供统计理学硕士项目：Master of Science (MS) Track "Statistics - Advanced Methods and Data Analysis（统计——高级方法和数据分析），该项目为期两年，主要培养学生的学习能力，注重学生方法论的学习。课程重点是对统计学的理论和应用学习，包括了概率论、数理统计、数据分析、统计计算机学、科学应用等。项目要求托福最低92分，雅思最低7.0，需要提交GRE。本专业的学生毕业后，将拥有丰富的统计分析技能，并能掌握微观和宏观经济知识等，就业前景相当光明，可就职于各类企业，从事市场调查、质量管理、财务统计等工作，也可就职于政府机构和事业单位，从事各类统计工作。5卡内基梅隆大学卡内基梅隆大学统计学硕士Masters in Statistical Practice为期1年，是以专业训练为主的硕士项目，注重学生统计实践、方法和数据分析等相关能力的培养。该项目还会帮助学生将来能更好地在商业，工业和政府与科学研究领域工作，学生将会在统计实操方面获得非常好的训练。每年招收60人，国际生比例达到50%。申请要求方面，托福最低分要求是100分，口语部分不低于20分，接受雅思成绩；必须提交GRE成绩，但是没有最低分数要求。申请的学生需要完成两学期的概率论和数理统计为基础的微积分类课程，最好是计算机、数学、金融等背景。该项目毕业生在当今的就业市场上非常有竞争力。6杜克大学杜克大学统计学硕士项目Master's of Science programs in Statistical Science为期两年，该项目对有兴趣从事工业、商业和政府领域工作的学生，以及对有关统计学和相关领域研究感兴趣的学生很有吸引力。项目以授课内容为主，提供OPT实习项目，需要撰写论文。每年录取率在15%左右，大概录取60名学生，国际学生可申请TA或RA。申请方面，必须提交GRE成绩，没有最低分要求。不接受GMAT成绩。语言成绩要求：托福最低分要求是90分，雅思最低分要求是7.0。要求申请者拥有统计学专业背景。毕业生中有大部分进入金融、生物、计算机等领域，就业前景良好。7康奈尔大学康奈尔大学的Master of Professional Studies (MPS) in Applied Statistics项目一般是两学期，该项目有两个方向，一个是集中在统计分析技术上面，这个属于传统的MPS的项目；另一个是数据科学。项目致力于高端培训，培训内容包括现代数据分析技能，培训对象包括对商业、工业、政府或者科学研究感兴趣的学生。语言要求托福最低77分，听力15，写作20，阅读20，口语22。项目要求提交GRE，没有最低分数要求。一般建议学生TOEFL达到100，GRE达到325，这样才能更有竞争力。作为美国著名的常青藤联盟高校之一，以康奈尔的名声，就业前景也是非常光明的。8南加州大学南加州大学的统计硕士项目（MS in Statics）开设在数学系下。该项目为学生提供坚实的数学统计理论基础，涉及概率论，并强调将理论知识应用到现实问题的解决当中。该项目适合于那些打算或已经致力于统计方法和统计实践工作的人士；学生可以选择其他学科的选修课在特定应用领域的发展。申请者的所有必修科目需要有优异的成绩，要求GPA 3.5或更高。托福最低100，接受雅思，需要提供GRE分数，但无最低分要求，学生本科需要有较强的数学背景。USC的统计学专业就业范围很广，就业前景也很好，毕业生受到各大公司的青睐。学生在毕业以后可以从事供应链管理、制造业与服务运营管理、物流咨询、采购服务、商业开发与运营、软件支持管理等领域内的相关工作。本文作者指南者教育美国咨询师王老师关于美国统计学申请还有疑问？

谁还记得小时候的梦想？很多梦，来不及实现就被遗弃。“现在的梦想，就现在完成”对这句话，我深以为然。离开家人和朋友，QUIT舒适圈，10年级我只身来到美国，开始7年留美生活。从听别人说，到自己说。从看别人做，到自己抢着做。等着、盼着，只为能不忘初心，进入适合我发展的顶尖学府。圆梦斯坦福，一切的努力都值了。拿到offer的那天，我也如愿睡了个“安稳觉”！-Y同学学生背景：美本，GPA 4.0，GRE 325+后期导师：何老师海外导师：斯坦福经济学博士王老师赴美初衷跳出舒适圈，我想进美国顶尖名校！一定要录取……在offer来临的前夜，已经本来自信满满的我，竟辗转反侧起来，我会被录取吗？第二天，当我收到斯坦福大学统计学的offer时，有种说不出来的感觉。不知道应该表现出极度的兴奋，还是从容淡定。这些年，我苦心经营的“留学路”，终于开花结果。在我看来，没有一个留学生的生活是简单的，思考我经历的刻苦铭心的过往，感触良多。那时还是初中，我进入了一所普通的国际学校，结识了许多朋友。刚开始我真的非常喜欢那里的环境，没有压力、无忧无虑。我一度以为那就是青春本来的样子。不过后来我了解到了美国名牌大学的录取要求，发现自己和那些优秀毕业生的差距很大，心里没底，于是我和妈妈进行了充分、坦诚的沟通，在家人的支持下，我下定决心，做了一件破天荒的事——离开国内的国际学校，去美国重读10年级，争取考入美国教育系统里的名校。是的，我离开了自己的朋友，离开了所谓的“舒适圈”，那种割舍感，现在想来非常难受。带着朋友的期待、家人的叮嘱，带着自己的梦想，我只身一人来到美国，开始了漫长的留学岁月。留美体验老师让我自由驰骋在“跨学科的探索”中！一路走来，不停规划、不停挑整。从高中到本科的读书生涯，在这里选择专业都是十分自由的。那些年，通过学校组织的文娱和体育项目，我结识了来自世界各地的朋友，极大的拓宽了我的国际视野。我慢慢开始融入了美国的课堂，沉浸在师生互动的气氛中，从腼腆害羞的不敢发言，到充分表达自我的观点，克服了重重阻碍。课堂内每个人包括眼神在内的肢体交流，都让我感到无比有趣，每个人都在为自己的观点发声。我锻炼了自己的演讲能力，这也是后来美本学术生涯中值得骄傲的技能。从拼写复杂单词都需要仔细考量，到熟练的进行论文写作，我日复一日的巩固着单词，温习着课堂内老师留给我的作业。大作业不停，小论文不断——从文学到科学的探索，学校老师、教授无不用心的帮助我探索、确定自己的学术方向。我也得以通过一部部经典、一个个公式背后的故事，启迪自己的思维，延展自己的认知。在美国的这些年，可以说是机会与挑战并存。如果说贯穿始终的一件事，那就是不停规划、不停挑整。与统计学结缘别人大喊枯燥乏味，我学的却津津有味！感恩实习带给我的成长！上了大学后，我逐渐对统计学产生了极大的兴趣。提到统计学，最初我的感受不过是一串串数字，但经过大一大二对其深入探索后，我发现这些数字背后往往是一系列调查、分析、预测的“复杂”工程。统计学是一个和数字打交道的专业，有些人觉得这是一门索然无味的学科，而我却觉得它乐趣无穷。本科期间，通过自己选择的课程，我学习了包括数学、计算机应用基础、应用随机过程、应用回归分析、应用时间序列分析在内的很多课程。最难忘经历，是利用概率论建立数学模型解决实际问题。我的同学认为压力太大、枯燥乏味，而我却学的津津有味、乐在其中。我不但学习了如何收集相关系统的数据，进行量化分析、总结，还在后期对数据进行推断和预测，为决策提供合理的依据和参考。每一次和同学讨论出一个结论，和教授佐证了一个理论，那种油然而生的喜悦无法用言语去形容。采集数据、设计调查问卷、处理调查数据，美本的求学生涯让我理解了统计学理论与方法的发展动态及应用前景。在不断的探索中，我坚定了自己“走学术”的发展路线。大学期间除了学业以外，我也参与了包括世界500强在内的不同实习，延续程序设计语言的基础逻辑与自然的语言风格，通过使用Python、R，也更加娴熟的掌握了计算机语言，提升了计算机分析处理能力。如果再有机会进行重新来过，我一定会再重新规划一次大一的实习，让目标更加清晰明了，但走过的路皆是经验，我也十分感恩于这些实习带给我的成长。这么多年的酝酿，我的期待很高“双师制”我决心签约我对待选择留学中介的问题比较慎重。搜索了大量公司，依旧拿不定主意。我在乎的还是服务的品质。有的传统中介规模很大，但对客户的需求没有及时的回应，有一种“大波轰”的感觉。有的小工作室没有太多的业务经验，我也怕因此被耽搁。内心深处期待研究生去一所真正适合我学术发展的大学，所以对留学中介的期待非常高。最后我选择了明德立人，还是看重了这里的“双师制”服务。专业认真，明德立人导师和我的关系可以说是“良师益友”，后期何老师对我进行了谨慎的评估、用心为我制定符合我个人需求的长期规划。给我分配的海外导师是斯坦福经济学博士，帮我仔细研究了Stanford的课程设置，为我了解斯坦福的统计学项目提供了可靠的帮助，也坚定了我的申请决心，毕竟这里真的是梦寐以求的世界一流顶尖学府。自己看不上眼的“细节”，却是导师最在乎的亮点！简历像书的封皮、文书像书的序，找到“录取捷径”并不难。再次感谢，明德立人的两位老师对我的帮忙很大，拿改简历这件事来说，因为之前自己写过一篇个人简历，但内容非常虚，没有充实的感觉。海外王老师为了修改我的简历，写下了大量的修改批注，帮我彻头彻尾的改写了简历。这些内容真实的发生在自己的身上，通过两位导师帮我回忆、帮我升华，我才意识到有这么多内容可以进行补充，“意料之外”的内容为我的简历增色不少。在撰写文书之前，两位老师给我做了几次全方位的meeting，讲授了文书的写作重点，以及目标学校会看重文书的哪些方面。结合我对统计的兴趣点，文书突出了我在quant的课程的高分和思想收获。何老师也一再和我说，我的付出一定要让斯坦福看见，不能仅仅满足提出问题、解决问题的能力，也要彰显具有积累资料、举一反三、持续专注、渴望突破的研究能力。由于我非常喜欢规划和归纳，于是强调了比较喜欢归纳推理。老师将这些特质归纳为 “我可以将复杂的问题简单化，透过偶然性去发现必然性，注重于把统计学应用于日常生活的点滴细节，试图把统计学创建成改良生活工具。”我觉得很贴近我的大学表现。由于做过的两段实习时间都不够长，本来想着不用提及，但老师告诉我，科研背景，加上实习绝对是一个加分项，并对我的实习进行了升华，总结出我是一个“边认识、边定义、边分析的申请者。”通过将research的经历进行整理提炼，文书结构有了深入浅出的递进感，有了一种脉络清晰、主次分明的感觉。我是个很有个性有主意的人，两位老师从头到尾都尊重我、支持我的决定。在我看来，简历像书的封皮，文书像书的序。申请学校会不会看这本“书”完全取决于你的封面和序。通过一起的努力，对文书和简历的深度勾芡、包装，让我对拿到录取信也并不讶异。当初的决定，当初的义无反顾，如今看来，真的值得！明与暗、苦与泪，七年美国求学的五味杂陈、千姿百态，如今了了心愿！挚爱入手，卸下了多年的包袱。难得的安稳觉。那晚，我睡得好沉。

我们许多人都知道诺贝尔奖，它是根据瑞典化学家诺贝尔的遗嘱于1901年开始每年颁发的五个奖项，包括：物理、化学、生理学或医学、文学和和平。其中前四个奖项又通常统称为诺贝尔奖科学奖。诺贝尔科学奖被广泛认为是科学界最杰出的奖项荣誉，旨在表彰具有杰出影响力的科学研究成果。虽然几乎所有自然科学领域的工作在理论上都有可能获奖，但普遍认为某些科学分支领域更有可能获奖。一个基本的问题是，这些顶级奖项实际上涵盖了哪些科学分支学科？虽然很难可靠地回答是否应该为此顶级识别奖赏应进行或不进行任何聚类，但至少可以帮助了解这种偏爱的科学分支学科是否确实存在？如果存在，其强度如何？如果确实存在，那么最优先选择哪些科学分支段？选择的强度如何？有多少个主要领域从未获得过诺贝尔奖？为此，斯坦福大学的一个研究团队对上述问题予以了系统的研究。通过对诺贝尔科学奖获奖作品，进行了系统的研究统计，他们具体分析统计了在过去22年中被授予诺贝尔物理学、化学、生理学或医学奖的获奖作品，旨在通过绘制诺贝尔奖在物理学、化学和医学/生理学领域的著作以及随后引用该著作的科学出版物的一个全面的科学系统图，来帮助了解这些问题。研究团队选择了从1995年至2017年获诺贝尔奖的每位科学获奖者所发表的与诺贝尔奖有关的关键论文。然后，他们基于所收集到的6300万篇论文绘制成一个总体图形。这些数据来自于一个称为Scopus的、涵盖了世界上最广泛的科技和医学文献的文摘、参考文献及索引的索编工具。Scopus是一文献综合数据库，它囊括有全球5000多家在科学、技术、医学和社会科学等领域的出版商。该研究分析统计结果表明，在科学可以划分的114个高级科学分支领域中，五个占了诺贝尔奖的一半以上，其中：粒子物理学占14％，细胞生物学占12.1％，原子物理学占10.9％，神经科学占10.1％，分子化学占5.3％的份额，共占有诺贝尔奖的52.4％。这些领域仅占大约所有论文的10％。研究团队基于所采集的6,300万个已出版项目的数据，并且被划分为12个主要学科和总计91,726个集群，绘制了如下科学地图。图（A）为91,726个集群和相关的大型学科的图像。颜色图例源自该科学图谱的原始结构。图（B）1995-2017年诺贝尔物理学奖（紫色）、化学奖（蓝色）、生理学/医学奖（红色）的主要论文的所在地。图（C）引用诺贝尔奖关键论文的论文位置。图（D）为被引用的论文的位置。图（E）为获得诺贝尔奖的科学家所发表的整个职业生涯记录记录（40819篇论文）。下图统计表格表明：在114个科学分支领域中，只有36个获得了诺贝尔奖。其中五个领域（粒子物理学[14％]，细胞生物学[12.1％]，原子物理学[10.9％]，神经科学[10.1％]，分子化学[5.3％]）占有最大份额，共占52.4％。但大多数科学分支领域都未被授予诺贝尔奖。在114个科学分支DC2域中，分别只有诺贝尔化学、物理和医学奖获得了20、10和15个域。诺贝尔化学奖的奖项分布在更多领域，许多领域可能不被视为典型的核心化学领域。该研究结果最后指出，获得诺贝尔奖的研究成果工作集中在少数科学分支学科上，诺贝尔奖获得者的研究成果工作主要集中在少数科学分支学科上。研究人员表示，尚不完全清楚某些科学分支领域获得诺贝尔奖的原因。但是，研究论文指出，诺贝尔奖可能会影响哪些领域获得更大的资金和声望，也许使同一领域更有可能再次获奖，而其他领域仍然被忽略。研究人员总结说：“即使所有做得很好的科学工作都值得获奖，不同的科学分支学科也可能有不同的成就。但是，有趣的是，尽管在某些分支学科中，千分之一的科学家发表的论文有可能会获得诺贝尔奖，对于其他分支学科，即使有成千上万的科学家在该分支学科中勤奋工作，也永远不会被授予任何奖项荣誉。”该最新研究结果论文，题为：“诺贝尔奖获得者所赞誉的作品主要集中在几个科学领域”，发表在今天的《PLOS ONE》上，这是一个同行评审的开放获取科学期刊，为全世界文章刊载数量最多的期刊。参考：Work honored by Nobel prizes clusters heavily in a few scientific fields. PLoS ONE 15(7): e0234612. doi.org/10.1371/journal.pone.0234612量子认知 | 简介科学新知识，敬请热心来关注。

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