机器之心 & ArXiv Weekly Radiostation参与:杜伟、楚航、罗若天本周的重要论文包括谷歌提出的扩展型 BERT 架构 Tapas,以及 GCN 作者的博士论文。目录:SYNTHESIZER: Rethinking Self-Attention in Transformer ModelsInteractive Video Stylization Using Few-Shot Patch-Based TrainingTransferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-RankingHow to Train Your Energy-Based Model for RegressionTAPAS: Weakly Supervised Table Parsing via Pre-trainingmemeBot: Towards Automatic Image Meme GenerationDeep Learning with Graph-Structured RepresentationsArXiv Weekly Radiostation:NLP、CV、ML更多精选论文(附音频)论文 1:SYNTHESIZER: Rethinking Self-Attention in Transformer Models作者:Yi Tay、Dara Bahri、Che Zheng 等论文链接:https://arxiv.org/pdf/2005.00743v1.pdf摘要:众所周知,点积自注意力(dot proct self-attention)对于 SOTA Transformer 模型是至关重要且不可或缺的。但有一个疑问,点积自注意力真的这么重要吗?在本文中,来自谷歌研究院的几位作者研究了点积自注意力机制对于 Transformer 模型性能的真正重要点和贡献。通过一系列实验,研究者发现(1)随机对齐矩阵(random alignment matrice)的执行效果出人意料地好;(2)从 token-token(查询 - 键)交互中学习注意力权重并不是那么重要。基于此,研究者提出了 Synthesizer,这是一个无需 token-token 交互即可学习合成注意力权重的模型。本研究提出的 Synthesizer 模型架构图。在 WMT’14 英语 - 德语、WMT’14 英语 - 法语机器翻译任务以及 10 亿语言建模(LM1B)任务上的 NMT 和 LM 效果对比。在摘要式归纳(CNN / 每日邮报)和对话生成(PersonalChat)任务上归纳和对话效果对比。推荐:本研究提出的 Synthesizer 在 MT、语言建模、摘要式归纳、对话生成以及多任务语言理解等一系列任务上的性能均媲美于最原始的(vanilla)Transformer 模型。论文 2:Interactive Video Stylization Using Few-Shot Patch-Based Training作者:Ondej Texler、David Futschik、Daniel Skora 等论文链接:https://ondrejtexler.github.io/res/Texler20-SIG_patch-based_training_main.pdf摘要:在本文中,捷克理工大学和 Snap 公司的研究者提出了一种用于关键帧视频风格化的学习方法,借助这种学习方法,艺术家可以将风格从少数选定的关键帧迁移至序列其他部分。这种学习方法的主要优势在于最终的风格化在语义上有意义,也就是说,运动目标(moving object)的特定部分根据艺术家的意图进行风格化处理。与以往的风格迁移方法相比,本研究提出的学习方法既不需要任何冗长的预训练过程,也不需要大型训练数据集。研究者展示了在仅使用少数风格化范例且隐式保持时序一致性的情况下,如何从零开始训练外观转换网络。由此得出的视频风格化框架支持实时推理、并行处理以及任意输出帧的随机访问。此外,这种学习方法还可以合并多个关键帧中的内容,同时不需要执行显式混合操作。研究者验证了这种学习方法在各种交互场景中的实用性,在这些场景中,用户在选定关键帧中绘画,并且绘画风格可以迁移至已有的记录序列或实时视频流中。利用本研究中学习方法的风格化序列范例。具有关键帧的视频风格化设置。完整帧训练方法与本研究中少样本 Patch 训练方法的效果比较。推荐:本研究中少样本 Patch 训练方法的亮点在于它可以在与帧无关的模式下运行,这对当前严重依赖随机访问和并行处理的专业视频编辑工具非常有利。论文 3:Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking作者:Hongjun Wang、Guangrun Wang、Liang Lin 等论文链接:https://arxiv.org/pdf/2004.04199.pdf摘要:在本文中,来自中山大学、广州大学和暗物智能科技的研究者们通过提出以一种学习误排序的模型来扰乱系统输出的排序,从而检验当前性能最佳的 re-ID 模型的不安全性。由于跨数据集的可迁移性在 re-ID 域中至关重要,因此作者还通过构建新颖的多级网络体系结构进行半黑盒式攻击,该体系结构将不同级别的特征金字塔化,以提取对抗性扰动的一般和可迁移特征。该体系可以通过使用可微分的采样来控制待攻击像素的数量。为了保证攻击的不显眼性,研究者还提出了一种新的感知损失,以实现更好的视觉质量。在四个最大的 re-ID 基准数据集(即 Market1501、CUHK03、DukeMTMC 和 MSMT17)上进行的广泛实验不仅显示了该方法的有效性,而且还为 re-ID 系统的鲁棒性提供了未来改进的方向。Market-1501 和 CUHK03 上 AlignedReID 被攻击前后的 Rank-10 结果。绿色代表正确匹配。红色代表错误匹配。整体架构图。多阶段判别器图示。推荐:本文的亮点在于将将 SOTA 行人再识别系统精度降至 1.4%,并已被 CVPR 大会接收为 Oral 论文。论文 4:How to Train Your Energy-Based Model for Regression作者:Fredrik K. Gustafsson、Martin Danelljan、 Thomas B. Schon 等论文链接:https://arxiv.org/pdf/2005.01698v1.pdf摘要:近年来,基于能量的模型(Energy-based Model,EBM)在计算机视觉领域越来越流行。虽然这些模型通常用于生成图像建模,但最近的研究已经将 EMB 应用于回归任务(Regression Task),并在目标检测和视觉跟踪领域实现 SOTA。但是训练 EBM 不是一件简单的事情。另外,生成式建模(Generative Modeling)可以利用多种多样的方法,但将 EBM 应用于回归任务没有获得充分的研究。因此,如何训练 EBM 实现最佳的回归性能目前尚不清楚。在本文中,来自瑞典乌普萨拉大学和苏黎世联邦理工学院的研究者对这些问题展开了详实研究,提出了一种噪声对比估计(Noise Contrastive Estimation, NCE)的简单高效扩展,并与 1D 回归和目标检测任务上的 6 种流行方法进行了性能对比。对比结果表明,本研究提出的训练方法应被认为实最佳。研究者还将他们的方法应用到视觉跟踪任务上,在 5 个数据集上实现新的 SOTA。对于边界框回归等任务,本研究提出以噪声对比估计的简单高效扩展(文中表示为 NCE+)来训练基于能量的模型(EBM)。1D 回归实验训练方法的 D_KL 和训练成本对比。图左:用于 1D 回归实验的四种表现最佳方法的详细比较;图右:COCO-2017 Val 数据集上,用于目标检测实验的四种表现最佳方法的详细比较。四种方法均分别为 ML-IS、KLD-IS、NCE 和本研究提出的 NCE+。推荐:本研究中的跟踪器在 LaSOT 目标跟踪数据集上实现了 63.7% 的 AUC,在 TrackingNet 目标跟踪数据集上实现了 78.7% 的 Success。论文 5:TAPAS: Weakly Supervised Table Parsing via Pre-training作者:Jonathan Herzig、Pawe Krzysztof Nowak、Julian Martin Eisenschlos 等论文链接:https://arxiv.org/pdf/2004.02349.pdf摘要:谷歌在本文中提出了一种扩展型的 BERT 架构。该架构可对问题与表格数据结构进行联合编码,最终得到的模型可直接指向问题答案。并且,这种新方法所创建的模型适用于多个领域的表格。要想得到优良的模型,优质的数据自然是不可或缺的。谷歌首先使用了数百万个维基百科表格对模型进行预训练,然后又在三个学术级表格问答数据集上进行实验,结果表明新方法的准确度表现极具竞争力。不仅如此,谷歌开源了模型训练和测试代码,还公开分享了他们在维基百科数据上得到的预训练模型。本研究提出的 Tapas 模型以及对于问题 “排名前二的总天数(total number of days for the top two)” 的示例模型输出。问题 “查询(query)” 的编码以及使用 Tapas 特定嵌入的简单表格。表格(左)与对应的问题示例(右)。问题 5 是会话式。推荐:谷歌的这篇论文将 BERT 模型应用到了基于表格的问答场景中,为弱监督式的表格解析性能带来了显著提升。论文 6:memeBot: Towards Automatic Image Meme Generation作者:Aadhavan Sadasivam、Kausic Gunasekar、Yezhou Yang 等论文链接:https://arxiv.org/pdf/2004.14571v1.pdf摘要:近日,来自美国亚利桑那州立大学的研究者对 meme 图生成方法进行了改进提升。在这篇论文中,研究者提出了一种根据给定的输入语句来生成匹配图片的方法。这是一项很有挑战性但有趣的 NLP 任务。通过对 meme 图生成机制的深入了解,研究者决定将 meme 图生成与自然语言翻译相结合。在自然语言翻译工作中,为了将输入的语句转换为目标语言,必须对语句的完整含义进行解码,分析其含义,然后将源语句的含义编码为目标语句。类似地,此处也可以通过将源语句的含义编码为一对图像和标题,传达与源语句相同的含义或情感,从而将语句翻译成「梗」。受到这种方法的启发,研究者提出了一种端到端的编码 - 解码模型「memeBot」,面向任意给定的语句来生成 meme 图。同时在训练的过程中,他们制作出了首个大型 meme 图字幕数据集。memeBot 示意图。memeBot 模型架构图。对于给定输入序列,通过结合模板选择模块(template selection mole)选择的和标签生成 transformer(caption generation transformer)生成的表情包标签来创建新的表情包。附录 A:实验中所用 meme 字幕数据集包括的模版和图像。推荐:在制作沙雕表情包这件事上,AI也略胜一筹。论文 7:Deep Learning with Graph-Structured Representations作者:Thomas Kipf论文链接:https://pure.uva.nl/ws/files/46900201/Thesis.pdf摘要:近日,GoogleAI 大脑团队研究科学家、GCN 作者、阿姆斯特丹大学机器学习博士生 Thomas Kipf 宣布其博士论文《深度学习图结构表征》(Deep Learning with Graph-Structured Representations)可以下载了。在论文中,作者提出了利用结构化数据进行机器学习的新方法,这些方法主要基于结构化表示以及图表示的神经网络模型计算,由此当从具有显式和隐式模块结构的数据学习时可以提升泛化性能。GCN 作者 Thomas Kipf 宣布公开其博士论文(178 页)。论文部分目录。推荐:这篇博士论文涵盖了深度学习领域的一系列新兴主题,如图卷积网络和结构发现等。ArXiv Weekly Radiostation机器之心联合由楚航、罗若天发起的ArXiv Weekly Radiostation,在 7 Papers 的基础上,精选本周更多重要论文,包括NLP、CV、ML领域各10篇精选,并提供音频形式的论文摘要简介,详情如下:本周 10 篇 NLP 精选论文是:1. A Survey on Dialog Management: Recent Advances and Challenges. (from Yinpei Dai, Huihua Yu, Yixuan Jiang, Chengguang Tang, Yongbin Li, Jian Sun)2. Topological Sort for Sentence Ordering. (from Shrimai Prabhumoye, Ruslan Salakhutdinov, Alan W Black)3. Exploring Controllable Text Generation Techniques. (from Shrimai Prabhumoye, Alan W Black, Ruslan Salakhutdinov)4. CODA-19: Reliably Annotating Research Aspects on 10,000+ CORD-19 Abstracts Using Non-Expert Crowd. (from Ting-Hao 'Kenneth' Huang, Chieh-Yang Huang, Chien-Kuang Cornelia Ding, Yen-Chia Hsu, C. Lee Giles)5. AdapterFusion: Non-Destructive Task Composition for Transfer Learning. (from Jonas Pfeiffer, Aishwarya Kamath, Andreas Rücklé, Kyunghyun Cho, Iryna Gurevych)6. Extracting Headless MWEs from Dependency Parse Trees: Parsing, Tagging, and Joint Modeling Approaches. (from Tianze Shi, Lillian Lee)7. Soft Gazetteers for Low-Resource Named Entity Recognition. (from Shruti Rijhwani, Shuyan Zhou, Graham Neubig, Jaime Carbonell)8. Cross-lingual Entity Alignment for Knowledge Graphs with Incidental Supervision from Free Text. (from Muhao Chen, Weijia Shi, Ben Zhou, Dan Roth)9. TORQUE: A Reading Comprehension Dataset of Temporal Ordering Questions. (from Qiang Ning, Hao Wu, Rujun Han, Nanyun Peng, Matt Gardner, Dan Roth)10. Structured Tuning for Semantic Role Labeling. (from Tao Li, Parth Anand Jawale, Martha Palmer, Vivek Srikumar)本周 10 篇 CV 精选论文是:1. The AVA-Kinetics Localized Human Actions Video Dataset. (from Ang Li, Meghana Thotakuri, David A. Ross, Joo Carreira, Alexander Vostrikov, Andrew Zisserman)2. Adversarial Training against Location-Optimized Adversarial Patches. (from Sukrut Rao, David Stutz, Bernt Schiele)3. Streaming Object Detection for 3-D Point Clouds. (from Wei Han, Zhengdong Zhang, Benjamin Caine, Brandon Yang, Christoph Sprunk, Ouais Alsharif, Jiquan Ngiam, Vijay Vasudevan, Jonathon Shlens, Zhifeng Chen)4. StereoGAN: Bridging Synthetic-to-Real Domain Gap by Joint Optimization of Domain Translation and Stereo Matching. (from Rui Liu, Chengxi Yang, Wenxiu Sun, Xiaogang Wang, Hongsheng Li)5. Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia. (from Xi Ouyang, Jiayu Huo, Liming Xia, Fei Shan, Jun Liu, Zhanhao Mo, Fuhua Yan, Zhongxiang Ding, Qi Yang, Bin Song, Feng Shi, Huan Yuan, Ying Wei, Xiaohuan Cao, Yaozong Gao, Dijia Wu, Qian Wang, Dinggang Shen)6. CONFIG: Controllable Neural Face Image Generation. (from Marek Kowalski, Stephan J. Garbin, Virginia Estellers, Tadas Baltruaitis, Matthew Johnson, Jamie Shotton)7. Self-Supervised Human Depth Estimation from Monocular Videos. (from Feitong Tan, Hao Zhu, Zhaopeng Cui, Siyu Zhu, Marc Pollefeys, Ping Tan)8. Occlusion resistant learning of intuitive physics from videos. (from Ronan Riochet, Josef Sivic, Ivan Laptev, Emmanuel Dupoux)9. Multi-Head Attention with Joint Agent-Map Representation for Trajectory Prediction in Autonomous Driving. (from Kaouther Messaoud, Nachiket Deo, Mohan M. Trivedi, Fawzi Nashashibi)10. Enhancing Geometric Factors in Model Learning and Inference for Object Detection and Instance Segmentation. (from Zhaohui Zheng, Ping Wang, Dongwei Ren, Wei Liu, Rongguang Ye, Qinghua Hu, Wangmeng Zuo)本周 10 篇 ML 精选论文是:1. Partially-Typed NER Datasets Integration: Connecting Practice to Theory. (from Shi Zhi, Liyuan Liu, Yu Zhang, Shiyin Wang, Qi Li, Chao Zhang, Jiawei Han)2. Time Dependence in Non-Autonomous Neural ODEs. (from Jared Quincy Davis, Krzysztof Choromanski, Jake Varley, Honglak Lee, Jean-Jacques Slotine, Valerii Likhosterov, Adrian Weller, Ameesh Makadia, Vikas Sindhwani)3. Successfully Applying the Stabilized Lottery Ticket Hypothesis to the Transformer Architecture. (from Christopher Brix, Parnia Bahar, Hermann Ney)4. Interpreting Rate-Distortion of Variational Autoencoder and Using Model Uncertainty for Anomaly Detection. (from Seonho Park, George Adosoglou, Panos M. Pardalos)5. Physics-informed neural network for ultrasound nondestructive quantification of surface breaking cracks. (from Khemraj Shukla, Patricio Clark Di Leoni, James Blackshire, Daniel Sparkman, George Em Karniadakiss)6. Bullseye Polytope: A Scalable Clean-Label Poisoning Attack with Improved Transferability. (from Hojjat Aghakhani, Dongyu Meng, Yu-Xiang Wang, Christopher Kruegel, Giovanni Vigna)7. Plan2Vec: Unsupervised Representation Learning by Latent Plans. (from Ge Yang, Amy Zhang, Ari S. Morcos, Joelle Pineau, Pieter Abbeel, Roberto Calandra)8. Demand-Side Scheling Based on Deep Actor-Critic Learning for Smart Grids. (from Joash Lee, Wenbo Wang, Dusit Niyato)9. APo-VAE: Text Generation in Hyperbolic Space. (from Shuyang Dai, Zhe Gan, Yu Cheng, Chenyang Tao, Lawrence Carin, Jingjing Liu)10. EDD: Efficient Differentiable DNN Architecture and Implementation Co-search for Embedded AI Solutions. (from Yuhong Li, Cong Hao, Xiaofan Zhang, Xinheng Liu, Yao Chen, Jinjun Xiong, Wen-mei Hwu, Deming Chen)
CS一直是美国留学非常热门的专业,这两年依然热度不减,关注的同学也比较多,本文我主要对CS专业的申请来进行分解。美国Computer Science学科细分首先给大家介绍一下美国CS学科的分类。平时我们所说的CS其实是一个很广的概念,就像医学一样,很多不同的细的分科,这里我列了一些美国比较常见的分科。软件工程数据库计算机网络人工智能计算机图形学和多媒体体系结构/编译器和并行计算人机交互管理信息系统信息安全理论和算法软件工程,是关于计算机软件开发和维护的一门工程学科,简单一点可以理解为CS+管理科学。是整个CS里最弱化数学能力的分支,但概念性很强,有点像半个文科,而且特别强调实践,是所有分支里就业机会最多的方向,但可能不是最尖端,最有趣的方向。数据库,涉及与数据管理相关的所有方面,可应用的领域有电脑游戏设计,数据隐私与安全等。数据库是CS各领域中最抽象和枯燥的方向。抽象体现在所用的数学知识全部基于离散数学和抽象代数,而不是连续数学,所以要学好并不容易;枯燥体现在它不像很多其它方向那样可以做出非常花哨的结果或图形界面。但学好数据库的话,就业非常稳定。人工智能,AI可以说是目前CS最热门的方向了。说得通俗一点,例如人脸识别,虹膜识别,google的自动驾驶,微软的Hanover系统自动开药,医学领域的自动影像学、金融领域的自动算法交易都是AI的成果。大多数的科技公司,比如亚马逊、特斯拉、谷歌都把AI看成下一个十年里,公司的创新驱动力。学习AI需要非常广泛的知识面和训练,不仅需要CS的雄厚的基础知识,还需要了解一些认知心理学、语言学、哲学和工程学的知识。除此之外,还需要掌握一些技能和工具,例如统计学、神经科学、控制、优化和运筹学。对于大多数计算机科学排名较高的高校,他们往往在人工智能研究方面也会极为出色。包括斯坦福大学,卡内基梅隆大学,麻省理工大学,加州伯克利大学,佐治亚理工大学等。计算机图形学Computer Graphics,多媒体Multimedia。这个专业与人工智能、计算机网络、软件工程全都有交叉。研究图像的表达、处理等。计算机成像,三维动画,甚至网络影像传播都属于这个方向的范畴。学习这个专业的同学可以去游戏设计公司,电影视频制作公司找工作。总之,现在的生活离不开图形图像的数字表达处理,也就离不开学计算机图形学和多媒体的同学。人机交互(HCI)也是最近大热的新兴专业。不过很多人对HCI都存在一个误区——人机交互就是设计界面,这是把人机交互和交互设计(Interactive Design)混为一谈了。事实上HCI是一个大型的交叉学科,它包括认知心理学,社会学,CS,需要涉猎的知识也包括软件,硬件,算法,Machine Learning, Deep Learning, 社会调查等。举个大家熟悉的例子,多点触控技术就是人机交互研究的一大成果,这里面既包括算法的研究也包括硬件设备的开发以及软硬件整合的系统技术,以及手势规则的定义等,而交互设计,则可能是指在设计一个APP时,如何将产品的各个功能与特定的手势操作对应起来,以及实现这些功能的次序和条件是什么样的。HCI有两个大方向: 1) 偏Design的(属于艺术类方向,需要portfolio); 2)偏工程方向。理工科背景的学生一般都申请工程方向。还有比如管理信息系统MIS本质上说就是一个数据库系统,它和其他数据库系统的不同就在于其目的用于整合必要的信息用于决策。MIS专业还分成在工程院(计算机学院)或者商学院(管理)下面。前者偏技术,后者是偏商科了。咱们中国人去美国读Master,当然是偏技术的那种毕业以后路子平坦一些。还有信息安全和计算机网络,其实严格一点说是属于Computer engineering, 一些学校也会放在EE系下面。体系结构/编译器和并行计算,Computer Architecture 计算机架构是讲计算机硬件组成的,属于CE或EE;编译器和并行计算申请的人也很少,理论和算法方向是理论层面的。美国CS学校排名(USNews)和录取要求美国学校排名版本特别多,但大部分参考的都是USNews的排名,而USNews也有两个排名,一个综合排名,一个专业排名。其实综合排名这个说法是不太准确的,因为这本来是属于本科类学科的排名。你会发现在综合排名里,很多公立学校的排名不是很靠前,这主要是因为很多公立学校在招收本科生的时候,会考虑到不同州由于教学水平不一样,学生素质也不太一样,为了相对公平,会招收一部分可能不那么优秀的学生进来,所以就会拉低公立学校的录取水平,所以排名不是很靠前。但我们在申请Master或Ph.D的时候,应该参考专业排名,专业排名能比较准确地反映研究生院的水平。这里我们把学校大概分为三档:Top10这一档是相对是比较难申请的。申请Top10你必须要有一定的亮点,不能有特别明显的短板。拿到录取的学生背景都是非常强的,研究经历、实习经历都很丰富,并且这些学生都很会包装自己,在文书中把自己的特点和优势最大化的展现。申请硬件的话也有一个大概的衡量标准可以给大家参考,当然申请也不是只看硬件,肯定是一个比较综合的过程:GPA3.8 ,T105,G320。虽然Top10学校的CS都不太好申请,但也有相对比较好申的学校,当然只是相对,这种相对是跟斯坦福、麻省理工、伯克利这些学校来比较的。了解计算机专业都会知道CMU, 申请CMU有一个好处,因为这个学校的CS专业很大,所以相对的录取概率也会比较大,UIUC也同理。另外还有Georgia Tech,UT-Austin也会相对容易一点。Top30Top30的申请要求相对会容易一些,你可以有1~2个不太明显的缺点,但是也不能来一个GPA60,这肯定是不行的。这一档里我们会比较推荐哥大、普度、宾大、南加州、加州大学圣地亚哥分校和加州大学欧文分校。这些学校的毕业生还是比较好找工作的。如果你达不到Top10的水平,这些学校是很好的选择。TOP30的话,GPA3.5 、T100 、G 315以上是比较推荐的。Top100TOP100这个档次的学校跨度会比较大,但是在申请难度上的差别却不是特别明显,申请合理、条件中规中矩一些就能拿到录取。GPA3.0、T90、G310以上即可。这里面比较推荐的学校就有UC-Davis,UC-Riverside,TAMU, Stony Brook,NCSU等。在申请这些学校的时候,排名不用看的太重,60名到70名差距不是很大。申请这些学校,首先需要考虑地域条件。地域好的地方,往往工作会比较好找。举个例子,加州部分学校虽然排名比较靠后,但是毕业生的工作也会相当好找。除了加州之外,还有德州。因为德州现在在达拉斯那边已经形成了一个比较强势的IT圈。另外还有亚特兰大,亚特兰大北部的IT公司也是非常多的。还有纽约、波士顿,以及西雅图。如何弥补申请中无法改变的短板?有些申请短板是无法改变的,比如本科学校、GPA。想要大幅度改变GPA,这是比较难的,往往是需要花费很大的力气重修但是还是提升不了多少。所以如果你觉得自己定位是在TOP50,想冲一下TOP30,或者想TOP30冲TOP10,这种情况下,你就要想其他办法来弥补你的不足了。比较有效的方法主要有两个:争取发表学术论文第一个是发表论文,发表论文主要有三个比较好的方法。第一个是进你们学校教授的实验室,这个需要你去和教授谈,一般如果你成绩不错,表明缘由的话,教授一般都不会拒绝你,免费的劳动力一般他们都会要的。如果你进了实验室,他一般会让博士生或者硕士生带你。如果你运气比较好,你碰到一些博士或者硕士师兄,他们正好要发论文,你去帮他们整理一下数据,画画图,哪怕做一些技术含量比较低的活,他们也有可能会把你的名字挂在上面,这样就可以完成你的论文任务了。完成这一步你可以淘汰一大部分的同学。第二个方法,你可以利用暑假去中科院或者其他研究机构去实习,中科院和微软亚洲研究院的论文产量都是非常高的。还有第三个方法,其实你不用把论文想的太难,你可以和你几个成绩好的同学做个项目,组队去出一篇论文,能找到老师指导的话肯定会更好。增加自己的研究经历这个方法其实和以上发表论文的三个方法差不多,但对于工业界的实习来说,最好是能找外资公司,能进名气大并且能接触一些核心工作肯定是比较好的,如果这两者不能兼得时间也比较充分的情况下,也可以做一个大公司类似打杂的实习,然后再去一个小公司接触一些核心,这也是比较好的。找外资公司还有一个好处,有机会可以拿到比较好的推荐信,一般如果学校是要求三封推荐信,最好是一篇来自于自己学校的教授,一篇来自企业,还有一篇来自研究所,这是一个比较好的搭配。CS类交叉学科与跨专业肯定有同学实在没有条件去弥补这些不足,但又想申请比较好的学校怎么办?其实还有一种曲线救国的方法——申请交叉学科。因为如果你想申请CS,你不仅在和国人竞争,还有美国本土学生在和你一起申请,而美国学校在录取的时候肯定会多考虑自己国家的学生,所以CS申请难度相对会比其他专业更难一点。但是我们可以去申请一些交叉的学科,这些学科往往会比CS专业申请要求低一些,竞争也不会那么激烈。比如ECE电子与计算机工程,听起来名字也非常像CS,还有比如计算科学与工程,这主要是偏向于理论计算的一个学科,但这个学科里面都是有偏向于Computer Science部分的。而且这些专业在找工作的时候,在难度和工资收入上和传统的CS没有明显的区别,但是录取要求会低很多,性价比很高。CS如此热门,自然也是吸引了一大批同学想跨专业申请,如果想转CS,有哪些课程可以推荐?具体需要学哪些课程呢?首先,大家可以在MOOC平台,包括Coursera,edx Udacity等等这些平台上修计算机的课,他们的课程是非常全面的,理工和商科类的都有,可以修完拿证书,认可度是比较不错的;另外就是可以去巴鲁克的官网修C++的网课也是可以的,在美国的认可度很高。数学方面:线性代数,概率与统计和离散数学这几门是必修课,基本上国内的工科开设离散数学的比较少,如果没有这门课程的话看看学校可不可以选修,如果不可以选修这门课的话可以在Coursera,edx,Udacity等等平台上修这门课拿到证书也是可以的。另外就是可以参加国赛或者美赛,争取拿到比较好的奖项,也可以很有利于证明自己的数学能力。计算机的课程包括:数据结构和算法,操作系统,数据库;如果时间有限,建议先攻数据结构和算法。编程语言方面最好会C语言,C++,Java和python等;跨专业申请有难度,但也并不完全不可能。还有一种法子,你可以试着到美国后再本校转专业,在美国转专业是比国内容易很多的。这其实是一个比较好的方法,但是也不能够保证是一定可以的,而且你也要付出很多的努力,同时学两个专业的课程是非常累的。其他关于美国CS申请的问题也可以在文末给我留言,我会给大家一一解答
Q1:美国大学的学制是怎样的? A1:美国本科所有专业一般为四年。完成本科学习以后,可以继续申请就读研究生。一般硕士研究生课程需要读两年,博士需要读五年。在美国具有了本科学士学位就可以直接申请硕博连读。美国大学跟中国的学校一样每年分为两学期:春季和秋季。秋季一般在8月底9月初开学,春季一般在1月初开学,各学校都有着自己的日程。另外,学生也可选择夏季继续留在学校上课。一般新生都推荐从秋季开始入学。 Q2:如何选择最适合自己的院校? A2:选可靠的学校是确保方案安全的第一步。新通凭借多年的经验,建议家长在择校过程中,需要考虑以下几点: 学校排名及专业排名与孩子能力匹配 学校的规模,往届毕业生的升学方向 学校的监督管理机制 学校的位置和费用 Q3:美国有多少所大学? A3:学院和大学一共大约有3600所。 Q4:美国公立大学与私立大学有哪些区别?美国公立学校好,还是私立学校好? A4:只有一个区别:资金的来源不同。公立大学一般是州政府出资,而私立大学一般是个人或团体出资。除此之外在其他方面几乎没有什么区别,尤其是教育质量上。与中国不同,学校的好坏与学校是公立还是私立没有关系,无论是公立学校还是私立学校都有顶尖大学。不过,一般来说,公立大学的规模要大于私立大学,费用公立大学相对要便宜一些。 Q5:在美国读书可以打工吗? A5:根据美国政府规定,外国留学生在校内打工,不需申办特别许可,但要注册维持全日制学生身份,在学期中每周工作时间一般限制在20小时,在假期时则可达40小时。若到校外打工,则需申办特别工作许可。美国的校园工作其实都很轻松,一般在大学食堂、书店、图书馆、健康俱乐部或大学的行政办公室等帮忙。 Q6:去美国留学,需要准备哪些材料? A6:除了配合准备申请材料外,主要是需要在资金、财力上做一些相应的准备,包括存款证明、工作证明等。美国对存款的数额、期限都没有特定的要求,其灵活性比较大。 Q7:准备出国一般需要准备多长时间? A7:因为美国大学申请截止日期一般都是在开学前半年,而申请开放时间一般会在入学季提前一年,所以留学美国留学至少要提前1年到1年半准备材料,比如申请2018年秋季入学,在2017年9月份就可以递交申请了。而且随着近年来申请竞争越来越激烈,美国院校越来越关注学生的背景软实力,一般的同学都会提前3-4年开始规划留学申请,提前参加暑期课程或实习提升自己的软实力。 Q8:去美国留学通常需要语言达到什么样的水平? A8:一般直接入读正课均需要托福80分或雅思6.5分,商科类和文科类专业要求会达到托福100分雅思7.0以上。在美国院校过往的招生经验中也会发现,即使很多学生语言分数很高,但是直接入读正课仍然没有办法短时间适应,所以美国很多知名大学也提供桥梁课程或预科课程,比如著名的南加州大学、东北大学等学校,在学生语言成绩不够时,可以进入学校的桥梁课程或预科学习,完成预科课程直接进入正课,既保证学生在申请时就可以确定拿到学校的录取,又可以为学生提供适应环境的时间及相关语言和学术提升课程,帮助学生快速适应美国的学习和生活。 Q9:去美国留学需要准备多少钱? A9:美国大学学费从1万到6万美金不等,公立学校相对费用较低,私立学校学费则更贵。另外,在美国不同城市生活的费用也不尽相同,在大城市每月房租就要一两千美金,而在一些小城市一个月总计的生活费也许只需要一两千美金。所以根据选择的学校不同,一年的花费从15万到50万元不等。 Q10:去美国读书可以申请移民吗? A10:通过去美国读书申请移民,需要在毕业后找到正式的工作,将签证从学生签证转换成工作签证,然后申请绿卡。一般只要拿到工作签证,不出意外基本都可以申请到绿卡。在美国最难的是拿到工作签证,因为每年发放的工作签证有限,即使找到工作的学生仍然要通过抽签决定是否能获得工作签证。但是拿到美国本科或硕士学位后,学生可以获得12-36个月不等的实习期,在此期间都可以参加抽签,实习期越长也相应增加了中签的可能性。 Q:11:我在美国有亲戚朋友,他们会对我的申请有帮助吗? A11:除非他们是你申请的系的教授或是这个领域的知名人士,并且愿意帮助你做推荐人。否则,一般不会有什么帮助。 Q12:什么是有条件录取? A12:双录取,顾名思义,就是两个录取通知书,主要是针对没有考托福或者雅思成绩想出国留学的孩子们,美国学校会提供两个录取通知书,一个是语言中心的,一个是大学专业课的,只要完成了语言的要求,就可以直接读大学的专业课,所以双录取还有另外一个名字叫做有条件录取,即前提条件是完成语言的要求。 在这里,新姐有必要对双录取进行一下简单分析,目前有很多家长或者孩子们对双录取有一些偏见,认为双录取的学校可能不太行。其实不然,现在美国很多不错的大学都开始提供双录取,注意双录取的学校也不是谁都能够去的,必须具备语言以外的所有其他条件。当然,如果孩子英语基础过硬,在短时间内可以考出学校要求的托福或者雅思成绩,那自然就可以直接录取了,选择的空间也更广,但如果基础不好,双录取的学校可以作为参考。 Q13:没有TOEFL成绩能留美吗? A13:可以,很多学校也同时接受雅思成绩。另外,只要选择的学校提供有ESL语言课程,可以同时申请语言、学位双录取。本科提供双录取的学校较多,研究生比较少。 Q14:个人在音乐、体育等其它方面的特长对申请是否会有帮助? A14:美国的大学喜欢有特长的学生,本科申请的时候作用更大一些。不过研究生申请更偏重学术,这方面的特长对申请帮助很有限,建议学生加强考研背景与实习经历。 Q15:我的大学成绩不好,能否改成绩? A15:千万别!美国很注重诚信,如果被查出做假成绩,即使到了美国,也会被退回来。不过中国有一些大学允许学生在达到一些学分之后,可以少提供几门课程的成绩,这是学校允许的。算是打个擦边球了。 Q16:如果GPA不高,如何弥补? A16:GPA不高,就需要加强背景提升,可以通过突出实习经历、学术实践(比如研究、论文)和研究能力等来弥补,证明你的能力和潜力。 Q17:申请美国研究生时,GPA和托福、GRE成绩相比,哪个更重要? A17:通常情况下,GPA会比托福、GRE成绩更重要,但是托福一般要至少达到学校的最低要求,而在其它各方面的条件都差不多的情况下,GRE分高的会更具优势。 Q18:什么专业的学生考GMAT? A18:一般申请商学院/管理学院的学生需要考GMAT,也有些交叉学科的专业接受GMAT比如体育管理,MIS。 Q19:申请美国博士一定要有硕士学位吗? A19:不一定,多数博士项目只要求申请人具有学士学位。 Q:20:申请美国大学的程序有哪些? A20:首先要参加TOEFL、GRE/GMAT/SAT/ACT等必要的考试,然后根据自己的综合条件确定要申请的学校,有目的的准备申请文书,在学校的截止日期前提交申请表并寄出全部申请材料,接下来的工作就是要和学校保持联系以及等待通知书了。 Q21:申请美国研究生需要具备什么基本条件? A21:美国研究生申请一般要求大学成绩,即GPA在3.0(约80分)以上,TOEFL成绩80分左右(不同学校不同专业要求不同),同时提供GRE或GMAT成绩(这两项通常没有最低要求,但会给出平均分供参考),且要求入学前拿到学士学位。对于GPA和TOEFL的要求,也会根据排名等有所不同。 Q22:美国大学看重学生的哪些素质? A22:与国内一考定终身不同,美国大学更看重的是学生的整个上学阶段的表现和综合素质。首先,学术成绩、标准化考试成绩和语言成绩,是最重要的几项标准。其次,个人的重要获奖经历对申请排名靠前的学校也有帮助。另外,要精心准备申请材料中的文书写作,包括Essay或个人陈述,以及老师的推荐信。最后,是个人的课外活动、兴趣特长、实习经历等。 Q23:国际生可以申请美国的公立高中吗? A23:一般申请私立高中,但也不是不可以;若申请公立高中,则为一年制的交换生,签证类别为J1。 Q24:申请美国的本科一般需要哪些条件? A24:申请美国的本科需要提供高一到高三的成绩单(平均分一般不低于80分),高中在学证明或者毕业证,托福成绩或者雅思成绩,好一些的学校同时需要SAT成绩,存款证明。 Q25:获得双录取的学生签证率如何? A25:签证和双录取本身没有直接关系,但由于双录取的同学往往英文不太好,更容易被质疑学习的能力,拒签率要高一些。大家要牢记,美国签证的几个重点: 1/真正的目的:去留学(真正的学生) 2/美国学习结束,要回国工作!(无移民倾向) 3/有足够的经济基础保证在美国读书的费用。 Q26:美国的硕士需要读几年? A26:不同学校,专业的读书时间不同,很多商科的课程需要1年到1年半,一般理工科为2年,有些设计类则要3年。 Q27:据说美国大学不承认中国的硕士学位,是这样吗? A27:美国大学并非不承认中国的硕士学位,而是由于美国的博士多为硕博连读项目,由于中美两国教育体制和课程有所不同。所以即使申请人具有了硕士学位,还是要和本科毕业生一样从硕士读起,所以才会有不承认中国硕士学位的说法。 Q28:申请美国大学一般是需要托福还是雅思? A28:托福雅思都被美国的学校认可,但是美国有极少数的学校不承认雅思。本科的话,一般雅思要求6.5,更好的学校要求7,美国比较好的学校(比如前50名)大多数需要考SAT。 如果去美国读硕士,那语言需要考托福或者雅思的同时,还需要考GRE或者GMAT(除了商学院需要考GMAT以外,文理学院需要考GRE)。 Q29:现在是大学在读,将来想申请美国的硕士,该如何规划各种考试的时间,何时开始申请学校? A29:这个问题,我们分点讨论: (1) 成绩单和在读证明都是学校提供,不需要学生本人提前做什么准备,平时学好,考试考个不错的成绩,需要的时候直接去学校开出来就行了。 (2) 托福和GRE成绩是最重要的,这两个成绩应该提前准备,如果英语基础一般,那大二就应该开始有计划的去学习英语了,争取大三结束之前就能考出理想的托福和GRE成绩,如果是秋季入学读硕士,那争取在前一年的12月之前就把上述申请材料递出,美国很多名校报名的截止日期提前一年。(也有一些学校开学前4、5个月才截止,但一般都是不太好的学校) (3) 上面说的是硬件材料,其他软件材料和资金方面随时需要随时准备,不用提前做规划。 总而言之,所谓申请规划说白了就是英语考试的规划,希望学生们根据自身的条件提前准备,做到心中有数,以不变应万变。 Q30:申请美国的硕士一般需要哪些申请材料? A30:整体来说材料是大同小异的,除了学校网站上的硬性要求之外,其他的也可以提供一些辅助材料,并没有整齐划一的规定,基本材料总结如下: 1/大学成绩单中英文(有的学校至少6个学期的,有个学校至少7个学期的,绩点3.0以上) 2/大学毕业证中英文(没毕业提供在读证明) 3/大学学位证中英文(没毕业提供在读证明) 4/托福和GRE 5/英文简历 6/三封推荐(推荐人可以自行选择:教授,辅导员,主任,朋友都可以做推荐人,如果有在相关背景的学术界有头有脸的人给写推荐信当然更好,可以镀镀金,有的学校有特殊要求,根据所选择的学校而定。笔者和本公司可以做具体指导。) 7/个人陈述(个人陈述比较重要,里面体现了本人的整体概况和学术思想,让教授看到这封信时就能对你有个立体的认识, 8/自己的获奖证书,比较有重量级的,翻译成中英文提供给学校。 9/如果曾经发表过论文,可以提供,最好是中英文的。 10/最后学校的申请表和申请费肯定是少不了的。 11/如果申请建筑类的或艺术类的需要提供作品集。 12/通常文史类或社会科学类专业要求提交Writing Sample,比如文化研究类、教育学、社会学、政治学、传媒、经济学等。 13/存款证明,作为第一年学费和生活费的担保金。 Q31:申请美国研究生院需要申请多少所学校? A31:5-10所基本就可以,当然这方面没有规定,你可以随意申请。但可以根据自己的具体情况调节。申请太少了,录取的几率会降低。申请太多了,花费更多的时间、精力和钱财,在有效的时间内可能会降低申请的质量。 Q32:申请美国大学一般什么时间提交申请材料? A32:提交申请材料的时间要看学校规定的截止日期,只要保证在截止日期前提交网上申请,寄送出材料即可。不过一些学校要求寄送材料在截止日期前到达学校,要特别注意,建议尽早准备。一般来说,申请材料寄送应尽可能不错过学校的申请截止日期。 Q33:研究生申请截止日期一般在什么时候? A33:通常美国研究生院的录取截至日期集中在12月,1月,2月几个月。有些学校早到11月截止,有些晚到5月份截止。要注意的是,有些专业和学校的奖学金申请截止日期比录取截至日期早。具体以学校网站为准。 Q34:什么时候可以知道研究生申请结果? A34:得知申请结果的时间通常和学校截止日期相关。多数学校会在3-5月份发出通知书,少数申请人可以在1月份得知申请结果,极个别的学校在6月7月也会收到学校的录取通知。 Q35:申请美国大学的费用有哪些? A35:申请美国大学的费用主要包括学校和签证两部分的费用。其中学校申请的费用会有:学校申请费、材料邮寄费、寄送TOEFL、GRE/GMAT成绩的费用。签证申请的费用主要有:签证申请费,SEVIS费,如果当地没有使馆或领馆,那赴外地面签的费用也是一笔不小的费用。: Q36:如何交纳申请费? A36:如果在线申请,一般是通过国际信用卡支付申请费;此外也可以用银行汇票或者美国银行支取的支票来支付(具体查看学校接受的付费方式)。 Q37:申请完学校以后,录取通知书和i-20要多长时间能到? A37:各个学校不完全一致,本科和硕士也各不相同。一般本科1-2个月,研究生2-4个月。 Q38:拿到录取通知书以后多久去签证?美国是面签吗?多久能知道签证结果? A38:签证一般是在i-20上开学时间的前3个月,美国需要面签,即学生本人拿着所有的签证材料去使馆与签证官面对面交流,当时就可以知道签证结果,一般2-3个工作日之后就可以去领取。 Q39:美国签证一般担保金要多少钱? A39:美国签证原则要求担保金涵盖第一年学费和生活费,但为了把握起见,建议提供在美国读书期间所有的学费和生活费。具体需要根据个人情况计算。 Q40:美国可以转专业或者转学么? A40:当然可以转,很自由。具体细则,和新姐家老师聊一聊吧! Q41:什么是学生签证? A41:美国移民法为赴美留学人员提供了两种非移民签证类别。“F”签证发放给赴美进行学术学习的留学生;而“M”签证则发放给进行非学术或职业学习的留学生。要获得学生签证,申请人必须首先申请一所美国学校并被其接收。申请赴美留学签证的申请人必须首先证明自己有能力在美国做全日制学生。申请人还必须证明其进入美国并短暂停留的唯一目的是在已建立的学术机构完成学业。 Q42:谁需要学生签证和学生许可,谁不需要? A42:如果你到美国学习,任何人都需要办理学生签证和学生许可。如果你是以旅游或工作为理由来美国,则要办理旅游或工作签证,而不是学生签证。美国公民或永久居民则不需要。 Q43:留学生是否可由美去澳洲/新西兰/新加坡/英国?是否需要回到中国签证? A43:可以,一般在美国留学满1年的学生,不需要回到中国签证,可以直接在美国申请。 Q44:我的签证会被拒签吗? A44:假如你没有达到入境条件、或非学习目的、或者因为欺骗等问题,可能会被拒签。但是你可以再次申请。但如果是因出具假材料或提供伪造的证明资料而被拒签,是没有机会获得批准的。 Q45:续签需要哪些材料? A45:成绩单,在读证明,新的I-20,DS160表格,签证费。 Q46:父母可以随行或者将来去探望留学的子女吗? A46:可以,办理相应的探亲签证即可。 Q47:申请美国大学的奖学金需要哪些条件? A47:美国不存在奖学金申请条件这一说法,只能说综合条件好可以提高奖学金的胜算,但没有什么条件能够保证100%拿到奖学金。 Q48:申请美国大学需要提供中国高考成绩吗? A48:具体看学校而定,有的学校要求,有的学校不需要。 Q49:留学美国,有年龄的限制吗? A49:没有,不过18岁以前需要提供未成年人担保。18岁以前可以申请美国中学进行学习。18岁以后,就可以直接选择美国大学或学院。 Q50:美国大学是如何排名的? A50:美国著名的US NEWS杂志每年会从所有3600多所美国大学中选取约1300所左右进入"全美最佳大学"名单,并根据各大学提供最高学位的不同以及规模、地域等将这1300所大学分为四个种类进行排名:博士类全国排名、文科学院全国排名、硕士类地区排名和本科类地区排名。但是也不能只重视排名,每所学校有自己不同的特色,最适合的,才是最好的。如果想申请美国前三十、五十院校还想被保录,推荐选择尚友留学名校申请保录留学服务,申请不成功不收钱。全文出自尚友网
11月19日,全国哲学社会科学工作办公室网站发布了《2020年度国家社科基金重大项目立项名单公示》,公示时间为2020年11月19日至11月25日。此次公示的名单中,共有342项拟立项课题,涉及了131个教学和研究机构。南京大学获批13项,排名全国高校第三位!与2019年立项相比,今年我校获批数增加3项。南京大学国家社科基金重大项目拟立项名单如下:国家社科基金项目是目前我国最高级别的社科研究项目,覆盖面广、影响力大,具有重要的导向性、权威性和示范作用。国家社科基金项目已形成包括重大项目、年度项目、特别委托项目、后期资助项目、西部项目、中华学术外译项目等六个类别的立项资助体系。国家社科基金的重大项目选题其基本要求是:要坚持正确政治导向,具有明确的研究目标、鲜明的问题意识、厚重的学术分量和较强的创新价值,体现有限规模和突出重点的原则,着力推出具有重要学术创新价值的标志性成果。南京大学立项教师简介王建华教授课题:中国共产党反贫困思想百年发展史研究(1921-2021)王建华,南京大学马克思主义学院党委书记,教授,博士生导师,南京大学历史学博士,复旦大学政治学理论专业博士后。研究方向:中共党史、现当代中国政治、政党理论与实践研究。赵奎英教授课题:当代艺术提出的重要美学问题研究赵奎英,曾任教于山东师范大学文学院,历任副教授、教授、博士生导师、文艺学教研室主任。现任南京大学艺术学院副院长、艺术理论学专业教授、博士生导师等。研究方向:艺术理论与美学、艺术符号学、语言诗学、生态语言文化等。吴福象教授课题:中国深度参与全球创新链治理的机制、路径与政策研究吴福象,经济学博士,南京大学商学院产业经济系主任,教授、博士生导师,国务院政府特殊津贴专家。研究方向:区域经济理论与区域规划、产业经济理论与分析方法、产品差异化与空间竞争、房地产经济与金融研究。胡广伟教授课题:大数据驱动的城乡社区服务体系精准化构建研究胡广伟,南京大学教授,信息管理科学系,博士生导师、硕士生导师。(详情可看官网)研究方向:数据资源管理、电子政务、MIS与软件工程。张海波教授课题:提升我国应急管理体系与能力现代化水平研究张海波,管理学博士,现为南京大学政府管理学院教授,博士生导师,南京大学社会风险与公共危机管理研究中心(南京大学人文社会科学首批重点研究基地)研究员、江苏省社会风险管理研究中心(江苏省首批哲学社会科学重点研究基地)研究员,CSSCI集刊《风险灾害危机研究》执行主编。研究方向:应急管理(危机管理/风险管理)、公共安全、社会治理。邓燕华教授课题:新时代乡村治理的组织体系建设问题研究邓燕华,香港中文大学博士,南京大学社会学系教授、博士生导师,兼任南京大学当代中国研究院副院长、《中国研究》(CSSCI集刊)编辑部主任等职。研究方向:政治社会学和环境社会学。吕宗力教授课题:纬书文献的综合整理与研究吕宗力,原中国社会科学院历史所研究员,美国威斯康星州麦迪逊大学博士生,香港科技大学人文学部教授,现为南京大学历史学院教授、六朝研究所学术顾问。研究方向:中国政治制度史,秦汉至魏晋南北朝政治、社会、文化史,古典文献,民间信仰。近年研究专题:谣言,谶纬,《史记》,国学,秦汉政治文化与制度。刘成教授课题:英国工党史(多卷本)刘成,历史学博士,2002年至今在南京大学工作,现为南京大学历史学院教授,博士生导师,联合国教科文组织和平学教席主持人(Holder of UNESCO Chair on Peace Studies),和平学研究所所长,英国与英联邦国家研究所所长。研究方向:英国史;和平学;世界近现代史。水涛教授课题:长江下游社会复杂化及中原化进程研究水涛,现任考古学专业教授、博士生导师。中国社会科学院古代文明研究中心客座研究员,江苏省考古学会常务理事。研究方向:中国西北地区青铜时代考古、中亚青铜时代考古、长江流域青铜时代考古。王月清教授课题:中国共产党宗教理论发展与治理创新研究王月清,现为南京大学哲学系教授、博士生导师、南京大学校报编辑部主任、党委宣传部副部长、南京大学社科处处长。研究方向:中国哲学、宗教伦理。程少轩教授课题:简帛阴阳五行类文献集成及综合研究程少轩,南京大学文学院教授,曾任复旦大学出土文献与古文字研究中心工作,历任助理研究员、副研究员。研究方向:古文字学等。金程宇教授课题:日韩所藏中国古逸文献整理与研究金程宇,现为南京大学文学院(原中文系)教授。早稻田大学日本宗教文化研究所招聘研究员、日本中国学会会员。专长领域:唐宋文献、域外汉籍等。苏新宁教授课题:面向国家战略的情报学教育与发展研究苏新宁,南京大学信息管理系首席学科带头人,情报学教授,博士生导师,现任南京大学信息技术开发研究所所长、南京大学中国社会科学研究评价中心副主任、南京大学中青年学术骨干,情报学报等多种杂志编委。研究方向:信息智能处理与检索;信息分析与科学评价;电子政务。来源 | “软科”公众号、南京大学各学院官网、全国哲学社会科学工作办公室官网整编 | 李美玉版权声明:本文部分文字及图片转载自“软科”公众号,南京大学各学院官网、全国哲学社会科学工作办公室官网,版权归原作者所有,如有涉及侵权问题,请联系我们,我们将及时修改或删除。
以下为收割机留学原创整理,如需转载,请注明出处。---offer收割机留学学员基本情况---本科院校:某211财经姓名:L同学申请国家:美国申请专业:BAGPA:83.6TOEFL:103GRE:313软性背景亮点:L同学软背景很丰富,工作经验很有优势,有2年国际知名创业公司工作经验,1AIESEC 实习,1银行实习,3段AIESEC志愿者活动---选校方案---offer收割机留学学生本科国际商务,毕业后工作方向为数据分析,根据后续的职业规划决定申请商务分析硕士。由于GPA不是很优势,且今年2月才开始申请,还没截止的学校已经不多,末尾批次的offer数量相对要少一点,所以选校时,既选择了冲刺院校,也保留了一两所保底院校。最终确认申请的项目为:Columbia,MS in Applied AnalyticsJHU,MS Information SystemCMU, Master of InformationSystems ManagementUSC,MS Business AnalyticsRochester,MS Business AnalyticsFordham,MS Business AnalyticsGWU,MS Business AnalyticsRensselaer PolytechnicInstitute,MSBusiness AnalyticsSMU,MS in ManagementOffer:JHU,MS Information SystemRochester,MS Business AnalyticsFordham,MS Business AnalyticsRensselaer Polytechnic Institute,MS Business AnalyticsSMU,MS in Management---申请过程---L同学的申请开始的比较晚,由于是在职,压力主要在准备TOEFL和GRE考试上,同时准备两门考试,备考的时间很紧,最终在12月考出托福,1月下旬拿到GRE成绩,由于时间已经比较晚,刷分效果不明显,综合考虑后决定用目前的成绩直接申请了。在2月跟文书老师沟通自己的一些想法后,开始陆续提交申请,后期的申请进程就很顺利了。4月内陆续拿到JHU、SMU、罗村、Fordham多个面试机会,在充分准备后也都有不错的表现。在前期选校和文书修改时与学生的交流中,可以明显感觉到L同学较强的工作能力,审时度势。与L同学每一次的沟通都快速有效,她自己也有很明确的一些想法,能够及时像文书老师反馈,大大提高了申请效率。---offer收割机留学文书节选---Now, as I have workedfull-time for nearly two years, I look forward to a career leap in myprofession in the fields of user and proct, which are of the greatestsignificance in the mobile Internet instry of this day. To either achieveproct optimization or master user preference, data analysis is indispensable.Every user has a unique digital portrait that consists of personal dataassociated with every viewing behavior, purchasing behavior and preference; andevery successful Internet company has the ability and awareness to profiletheir users for tailored strategies via the extraction from massive amounts ofdata. Fortunate for me, I had some exposure to this field ring my work atUber, who attaches great importance to user data and the potential businessbenefit within them. Although what I did was only the tip of the iceberg, Istill find my unlimited curiosity and enthusiasm for user data analysis.---Rochester BA介绍---在各大论坛上,Rochester一直是一个很有争议的学校。有人黑他的学费,有人黑他的地理位置,但是抛开其他的专业不谈, BA这个专业罗村目前做的还是很用心的,加上UR在美国东部和国内的名气,进可留美退可回国,是一个性价比比较高的选择。UR最赞的就是可以免费将从11个月延长到17个月(MKTAnalytics不行),而且最后半年会安排一门简单的网课,最后只要回来参加一个期末考试就可以了。这样等于UR送了大家半年找工作时间,让大家不用每天局限于在Rochester上课,有机会到别的城市好好的找工作实习等等,这样就不用占用OPT时间了。据说也有同学用这半年回国实习参加校招。按照BA是STEM现有OPT29个月,再加上UR免费送的6个月,一共35个月也就是三年多的时间可以让大家在美帝用来工作实习!五星好评。课程设置上,因为UR是先有了marketing analytics 再有business analytics,所以很多课是偷懒了,沿用了marketing analytics的,总体来说课程以R为主,大数据跟风的课程不是很多,以传统的stat+marketing+intro to mis 组成。具体课程如下: 目前BA项目还属于小班教学,2015招生13名,2016扩招到30人,今年应该还是会扩招,但就目前的申请状况看涨幅应该不夸张,class size还是比较良心!申请上看,UR BA这个专业在录取上比较注重综合能力,但也有些背景很好的同学被拒了。有很多同学觉得UR卡G700或者世界五百强实习(因为网申有特别要选),但根据BA的录取数据还是可以确认BA项目是没有卡这些条件的,录取数据如下:谈到就业,就要提到UR一直被诟病的另一个问题:地理位置,太村,不利于在当地找工作。不过学校也能意识到这一点,career service做的还不错,有校园宣讲,定期也会有大巴把大家拉到纽约。作为一个新项目,UR BA 的就业的参考数据还不多,第一年的十几人学生,就业率是100%,还是很感人的!另外一个吐槽,今年UR估计是被申爆了,搞了一堆MBA学生来负责面试,只负责问问题+记录,面试时想问点关于项目的问题他们自己也不是很清楚。---JHU MSIS介绍---约翰霍普金斯大学(JHU),2017年USNews综合排名11, Masterof Science in Information System(MSIS)是JHU Carey Business School2015年才开设在华盛顿DC校区的新项目,属STEM。项目的显著特征就是科技与商业管理策略的结合,课程会涉及一些编程的知识,但总体来说,这个项目涉及到的编程知识较为基础,还是更偏向于管理方向,shapeyour mind to be a better leader with technical acumen。MSIS项目的很多课程会和MBA的同学一起上,所以经常会有上课讨论和做项目的机会,可以锻炼沟通能力,丰富与外国同学一起做项目的经验,适当的也能发展network能力。此项目一共是36个学分,可以fulltime一年读完,或者一年半读完(就读期间Summer可以去实习),也有parttime2年的。具体的课程安排如下: 必修课(基础课)12credits,2credits each1. Business Communication2. Business Leadership and Human Values3. Information Systems4. Statistical Analysis5. Decision Models6. Operations Management 专业必修课12credits,2credits each1. Developing Internet Systems and Services2. Managing Complex projects3. IT and Global Sourcing Strategy4. Telecom Clouds and Mobile Applications5. Data Analytics6. Applied IS Architecture 选修课从中选出12credits,2credits each1. Competitive Intelligence2. Cybersecurity3. Digital Data and Business Intelligence4. Optimization Models5. Crisis Management6. Legal Foundations of Health Care7. Entrepreneurial Ventures8. Health Care Delivery9. Global Supply Chain Management基础必修课主要是给学生一个适应的过程,例如BusinessCommunication学的是如何写商务类的论文,如何应对公关危机,如何与来自不同国家不同文化背景的人沟通;BusinessLeadership and Human Values教的更多是如何在businessworld闯荡江湖而坚守ethicalprinciple,传承JHU商学院一直秉持的信条:wherebusiness is taught with humanity in mind; Information system 学的是信息技术如何影响和服务于商业运行,课上会讨论很多前沿的高新科技事件和科技概念(eg.IT laws, cloud strategy, network economy, big data, etc)。同时基础必修课会学一些较为基础的统计知识和决策模型。 专业必修和选修则是偏向于IT项目管理,数据分析,介绍信息系统的各种概念和难题,锻炼学生通过数据分析解决企业IT决策问题的能力。例如ManagingComplex Projects是由有丰富IT项目管理经验,曾经在NASA工作的有ComputerScience博士背景的教授教的,会运用到MicrosoftProject软件来安排复杂的IT项目运转;Data Analytics则是学习用R来做数据分析。录取要求: 项目2015年刚刚新开设的时候只录取了10多名学生,一半中国人一半外国人,并且大部分同学都有奖学金。录取的学生的背景参差不齐,国外国内本科,一流二流大学,文科理科背景,有实习没实习的都有,不太卡背景条件,不过平均水平还是100/700的语言和GMAT硬件,不要求有工作经验。不过2016年新的一届申请人数增加,招了30多名fulltime学生,20个左右的parttime学生,录取难度比第一届大。录取的条件据官网简章是prefer有工作经验,托福至少100,雅思至少7,本科GPA至少3.0。就业情况: 本项目开设在华盛顿DC的,地理位置佳。学校的careercenter会提供简历,咨询和内推帮助。Bloomberg的创始人是JHU毕业的,据说会提供一些就业上的帮助。就2015届的小伙伴介绍,录取的10几个同学中目前了解到的有3个,一个学生是去了银行,一个去了四大,有一个同学在JohnsHopkins Hospital 做ResearchAssistant。有编程背景的小伙伴在美国的就业难度相对较小,机会更多。2015届的还有些学生是2017年1月份毕业的,目前还没有明确的就业反馈。这个项目毕业后求职方向主要是Technology Consultant, Business Analyst,做IT行业和金融行业相关的职位。官方的说法是毕业后的小伙伴在Amazon WebService,IBM,PwC,Microsoft, Oracle,JPMorgan Chase,Deloitte等著名公司就业。最后的最后,老规矩!关注offer收割机留学,成为offer收割机!
你可以在管理信息系统(MIS)中获得硕士或博士学位。了解这些程序,以决定哪一个与你的教育和职业目标一致。MIS的研究生课程培养学生创建、实施和改变复杂数据系统的能力。硕士学位课程是专为那些想从事该领域高级职业的学生而设计的。大多数课程需要大约36个学分的学习时间,大约需要两年,并且通常以顶峰或论文告终。有些程序是在线提供的。申请者必须具有本科学位,可能需要修过某些本科课程,如会计、管理、商法、经济学和数学。博士课程通过基于学生特定兴趣领域的高度个性化的课程开发学生的研究和教学技能。他们通常需要五到六年才能完成。为了申请,学生必须持有相关领域的硕士学位。如果学生在管理信息系统和额外的硕士课程方面有相当丰富的工作经验,一些学校将放弃这一要求。管理信息系统理学硕士该领域的硕士学位课程着重于人们和企业如何使用信息系统来实现短期和长期目标。他们让学生做好系统分析员的准备,从事安装软件、解决存储问题、识别安全问题和执行其他任务来优化公司信息网络的职业。课程包括基本的计算机硬件和软件、基本原理、信息系统的设计、实现和分析,目的是使它们更加高效、安全和用户友好。核心课程可包括以下内容:系统分析与设计管理数据和系统企业政策电信计算机科学组织信息管理信息系统哲学博士博士研究项目是研究的重点,并在最后一篇论文中达到高潮。学生可以在理论和实际应用中进行高级研究,如:数据结构与操作系统企业应用基础设施商业系统分析与设计数据库设计与管理热门职业选择MIS硕士学位毕业生的一些职业选择包括:业务分析员信息系统分析员或设计师项目经理信息系统审计员电脑培训师或支持专家网络管理员就业观与薪酬信息美国劳工统计局(BLS)报告说,截至2015年5月,计算机系统分析师的平均年薪为90180美元。劳工统计局还预测,在2014到2024年间,这些专业人员的就业率将比所有职业的平均增长21%。总而言之,管理信息系统(MIS)的研究生层次学习是在硕士和博士层次上提供的。硕士学位课程为学生准备在该领域的高级职位,而博士学位课程是为那些想将职业生涯引向研究的学生设计的。本文来源:宁波学威MBA商学院。
工业文明之后的第三次技术浪潮,曾经让诞生了半导体以及电脑行业的美国西岸一跃成为技术主义者的朝圣天堂。至于诞生了现代物理学、宇宙天体学的欧洲,在这一轮疯狂的技术狂欢里,声音微弱。它似乎早就被人「封印」在了历史的前一夜。那里不该,也不能被遗忘。在代表现代前沿技术的起点和原点的大西洋彼岸,带有传统反叛精神的技术变革从来都没有缺位:DeepMind 把总部设置在这里,尝试让 AI 与医疗、能源尽快建立关联;位于剑桥的未来智能研究中心覆盖了从智能手机,外科手术机器人甚至到「终结者」式的军用机器人的人工智能所有应用领域。更难得的是,成长于这片厚重的历史土壤上,这些前沿技术的创新和探索又天然带着浓厚的人文色彩。这也是极客公园前沿社超频之旅此次前往英国探索的重要原因。在刚刚结束的英国行程里,极客公园前沿社带领国内优秀创业公司的管理者一起走访了剑桥卡文迪许实验室、帝国理工学院哈姆林研究中心、汇丰银行、DeepMind、迈凯伦公司、捷豹等公司和机构,对英国的技术思潮和商业探索进行了深入了解。如果硅谷为人们描绘出的未来图景是乐观至上、充满冒险意味,那么当我们来到「前沿之前」,就能发现英国创新者对于时间哲学的理解无形中渗透到了各个层面。无论是剑桥大学卡文迪许实验室、帝国理工大学哈姆林中心里正在攻克的课题方向,还是老牌跑车公司捷豹设计的一款新能源汽车,都在执着地平衡着前沿和人文、大胆创新和实际应用之间的关系。在这里,你几乎不会看到「风口」和「概念」,「能否解决实际问题,给人类带来更好的未来」是最重要的风向标。这也是几个世纪以来,英国推动技术社会进步的一贯思维体现。它看似少了锋芒,但如果我们必将要回答人类社会如何与技术共存的终极问题,这种典型的英式思考或许又是更先进和超前的,它值得被关注和重视。在此次英国超频之旅中,小米作为「超频伙伴」全程为我们提供了新一代全面屏 2.0 旗舰手机小米 MIX 2S,帮助大家记录下了英国沿途风景和精彩交流瞬间(根据双摄水印所示,本文文章配图均由小米 MIX 2S 拍摄完成)技术融进历史:英式创新的现实主义或许你也听到过不少关于「大英帝国技术走向衰落」的言论,但穿越伦敦、剑桥和考文垂三个城市,拜访了多家科学机构和商业组织后,我们明显感受到,这个国度依然不会放弃任何一个抵达未来的机会。在曾经诞生过「电子」、「中子」、「波粒二象性」等奠基性的物理学重要发现的剑桥卡文迪许实验室里,资深教授、英国皇家学会院士张祥成教授详细地向我们介绍,下一代的精准传感器是实验室正在重点攻克的方向。目前突破毫米级的传感器已经是业界公认的发展方向。其中,基于激光冷却原子的量子传感器可以大幅提升性能。和现在的解决方案相比,量子传感器不仅可以实现微型化,而且在人工智能、物联网、智慧城市和医疗的应用上有很大的前景。但想要实现大规模的应用,则需要核心材料技术和激光冷却技术获得同步发展。剑桥大学卡文迪许实验室资深教授、英国皇家学会院士张祥成不过,将科学孕育成技术,再向产业推进的节奏里,卡文迪许实验室一贯坚持的是从产业中发现问题,再建立课题、解决问题。实际上,在 1874 年,当时剑桥大学威廉·卡文迪许出资建立这所科学殿堂的初衷就是如此。张祥成教授反复跟我们强调着,自己和同事们正在攻克的方向关乎「实际」,而不是「时髦」:「工业界有许多难题因为工程和时间没办法解决,但这是科学家必须要做的事情。」包括张祥成在内的许多科学家正在研究的许多课题都来自产业界提出的问题。比如,张祥成目前重点的工作方向就包括寻找更耐受的陶瓷材料,或者功能更灵活的人工合成骨素材料。卡文迪许实验室博物馆,几乎就是一部现代物理学的发展史,陈列着历年诺贝尔奖得主取得重大突破的设备和珍贵合影卡文迪许实验室曾经诞生过 29 位诺贝尔奖学者,也是世界上诺贝尔奖获得者数量最多的单个实验室/系,它代表着人类物理学的光辉历史,直到现在,也依然保持着世界领先的地位。这充分说明,英国从来没有失去过在科研世界里的优势地位。但开拓者们从不会用「改变世界」的浮夸口径装饰自己的想法,他们更愿意强调节奏的合理、效用的最大化。事实上,这种「从实际问题出发寻找创新突破口」的现实主义思维,也是我们此次英国行程到访各个机构时不断被反复提及的一点。汇丰银行全球数字主管 Josh Bottomley当汇丰银行全球数字主管 Josh Bottomley 和我们谈起汇丰在区块链上的探索时,重点解释的是怎样利用区块链技术和数字货币更好地保护用户资产、提升运转效率,并且反复强调,技术没有高下之分,更重要的是从什么角度切入解决问题;而当帝国理工大学下的哈姆林中心主任杨广中聊到这个世界级医疗机器人实验室的创新模式时,重点展示的也是如何搭建技术走向临床、并且最大效率实现商业化的通道。杨广中教授告诉我们,哈姆林中心相信好的技术必须和产业更靠近、联合研发,才能快速落地。这个实验室最初成立的目的就是为了开发高效便捷的医疗成像技术、传感技术和机器人技术。目前,这家机构最让人兴奋的突破是一款运用于外科手术的蛇形机器人。在外媒的评价中,这款将集成图像和感应器结合起来的超微型手术机器人,将超越知名手术机器人「达芬奇」在微创手术上的应用能力,原因是它的灵活性已经可以突破达芬奇到不了的解剖部位,精准度和灵活性也被大大提升。目前正在广泛使用的「达芬奇」手术机器人体积庞大,哈姆林中心正在研发的蛇形机器人将把手术机器人做得更加小巧灵活能让这款蛇形机器人能很快走向临床的一个重要原因,就是充分利用了一套「实验-孵化-应用-反馈调整」的机制。为了让有价值的技术创新真正有机会走向实用,哈姆林中心甚至愿意尝试用一套更加合理的股权分配方式孵化实验室里走出的团队,等到某一技术或者产品已经被临床试验证明拥有了落地可能,甚至实现量产,再将团队推向资本市场。杨广中教授相信,无论从高效运营技术型创业公司,还是降低投资风险的角度来说,这都是更「保险」的一条路。在这条通道上坐落着许许多多的小实验室,我们看到了更多尚不能透露的前沿实验技术和遍布科学狂人的硅谷相比,我们感受到的「英式创新」好像不够激进,也没那么「魔幻」。和国内相比,诞生在这里的科技创业公司估值也普遍偏低。但从另一个角度来说,这并不是什么坏事,至少在这里,我们没有看到不切实际的疯狂和「泡沫」乱象。但回头再看看这个国家的历史就会明白,这也是英国对待技术创新的一贯态度。就像悬跨在泰晤士河之上的伦敦塔桥,建造初衷就是为了解决伦敦塔地铁运载能力不足的问题。这架在 1894 年被看做技术奇迹的双层开启桥最初依靠蒸汽机作为驱动系统,随后转而由电力系统驱动,但桥身整体的机械结构,则自建成之日起一直保持这正常运行,几无故障。俯瞰泰晤士河两岸,跨越百年的古老建筑与现代摩天大楼并存或许是这样的文化传统让英国在看待技术进步时持有着独特的态度:即便他们一直保持着制造「黑科技」的能力,这些实验室和机构也不愿意牺牲效能,一味追求技术炫酷。在这里的文化中,创新不该是惊艳的装点,它应该拥有更长久和实际的意义。带有批判主义的创新,和从未止步的人文思考除了「追求实际」的创新模式,英国整个商业社会对于「态度」的坚持、对于人文的思考,更是值得我们反思的一点。如果拿中国正在发生的技术商业变革和英国相比,这个海上帝国的商业生态并非一片蛮荒,现实也没有给诞生在这里的公司太多上下游延展探索的机会。所以无论是科研机构,还是商业公司,都会把对「连续性」和「极致」的思考放在首位。在哈姆林中心,包括博士后在内的员工上限被限定在了 100 人,杨广中教授认为,这才能让员工珍惜进入这家世界顶尖研究机构的机会,让哈姆林中心最好的资源得到充分利用,并且保持哈姆林中心的品牌效用;顶级跑车俱乐部迈凯伦公司自创立起就坚持只做跑车,并且将年产量控制在 5000 台以内,也是这种思维的体现;而捷豹即便在大胆开发豪华纯电轿跑 SUV I-PACE 时,也在用汽车设计语言强调着新车型和捷豹品牌形象、性能可靠性的延续。捷豹设计总监 Ian Callum捷豹设计总监 Ian Callum 在向我们展示捷豹的新款豪华纯电轿跑 SUV I-PACE 时,强调捷豹并非没有实现完全自动化驾驶的能力,但相比于特斯拉在智能化方面「惊人」的大踏步,I-PACE 更愿意坚持捷豹作为老牌跑车厂商的价值观。Ian Callum 强调,稳定和让人能够依赖的性能才是汽车工业稳定发展的基础。而捷豹未来的使命是,在保持跑车性能的基础上进行创新。至于如何在汽车行业变革的大势里保持优势,捷豹首席产品工程师 Graham Wilkins 反而觉得,目前捷豹拥有的空间反而更大,「在看到竞争的同时,也要「照照镜子」。」因为这意味着,这家公司有机会去重新「定义未来客户想要看到的车」,而不是被困在「是 SUV 还是跑车?」这样的思维讨论中,从而限制了创新的步伐。捷豹已经是英国在技术研发上投入最多的汽车企业。在 I-PACE 的研发过程中,概念车和量产车的工作几乎是同时进行,I-PACE 的突破承载了捷豹的开放创新除此之外,关于人文话题的思考,几乎和英伦式技术创新以同样的步伐前进着。在伦敦,我们见到了微软剑桥研究院主任张海燕。她所带领的团队工作重点,是探索如何用科技做善事、让科技进步带动社会进步。2017 年微软 Build 年度开发者大会上,微软 CEO 纳德拉曾经展示过一款名为 The Emma Watch 的智能手表,这款能让帕金森症(Parkinson's disease)患者克服手部颤抖的手表,就是张海燕的研究成果。在微软体系下,张海燕带领的团队几乎没有营收指标。但他们的探索,似乎被微软看做了自己作为科技公司的「责任」。张海燕告诉我们,团队还在研究一个名叫为 Fizzyo 的产品,帮助囊肿纤维化的儿童将他们的物理治疗变成视频游戏。此外,张海燕还在和同事合作开发 Torino 项目,用可触摸的玩具帮助视力受损的儿童学习计算机编程。在 2017 年微软 Build 开发大会上,纳德拉曾把「黄金时间」留给了张海燕和她研发的 The Emma Watch。张海燕一直致力于推动游戏和健康的跨领域结合这种对于技术与社会关系的思考,在英国几乎无处不在。当我们拜访霍金生前的好友,著名的宇宙学家,同时也是剑桥未来研究中心创始人之一的 Martin Rees 时,他也给出了他关于基因剪辑技术、宇宙探索等技术发展背后的隐忧。Martin Rees 向我们指出,如果从宇宙历史角度来说,人类正短暂地处于单一物种引导地球文明的阶段,但如果基因剪辑技术被大规模使用、机器智能无节制地发展,或许在不久的将来,达尔文进化论很快就会被技术进化所取代。Martin Rees 教授事实上,在英国,各种设施的信息化程度远远不如中国和美国,同时,人们关于「技术带来的隐忧」甚至在一定程度上会遏制在商业上的狂飙突进。但如果从更长远的角度来看,这种思考和英国历史思潮的发展紧密相关,也是我们在许多「市值高企」、「愿景远大」的科技公司身上还没有看到的闪光点。巧合的是,就在我们的英国行程中,欧盟个人资产保护新法 GDPR (General Data Protection Regulation) 也正式上路。它几乎对科技公司用个人数据来赚钱的所有环节进行了规定和限制。就当下来说,当越来越多的科技公司开始面临用户数据资产安全拷问时,这种前置式的「预警」价值正在凸显出来。而欧盟之后,也一定会有更多地区重视这个问题,再立数据严法。所以,如果从更广的范围探讨技术与未来人类社会如何共存的终极问题,我们在这趟旅途中接触到的思考或许都是有意义的。它揭示了这个国家一贯以来的创新路径和逻辑:从「人」的角度出发,解决问题。这个诞生过一级方程式赛车、英伦摇滚的古老国家依然还留存着反叛式的创新精神,但它也擅长用温和的方式推动社会革命。迈凯伦的创始人迈凯伦和俱乐部顶级车手塞纳都牺牲在了赛场上,塞纳曾说,「我不是为了成为第二或者第三而出生的,我的使命就是去赢!」就像镜子的两面,深厚的文化哲学也浸染了技术商业变革的每一个细节。这个国家或许没有追上轰轰烈烈的风口,可在谨慎的步伐中,同样不甘平庸。在此次英国超频之旅中,MIS 2S 充分展现了它作为「迄今拍照最好的小米手机」的优异实力:在实际日常使用中,骁龙 845 处理器配合 8GB 内存+256GB 闪存的至尊配置,让手机的流畅度和易用度得到一致好评;面对雾都伦敦阴晴不定的天气和室内外不同光线的频繁地转场,AI 技术的加持也让拥有后置超感光双摄相机的 MIX 2S 拍照性能得以充分发挥,以按照 25 种标签、针对多达 206 种场景实现智能优化,同时让前置单摄相机也有堪称完美的背景虚化效果;另外,结合骁龙 845 新增的硬件多帧降噪能力,拍照对焦又快又准,在逆光、弱光环境下也能拍出纯净画质。值得一提的是,MIS 2S 针对商务人士进行了特别优化,在拍照时可以智能识别 PPT,多帧画面超分辨率合成,保证上面的文字放大后也清晰可见。而小米对产品设计一贯坚持的努力与投入,也赢得了大英博物馆在内的三大世界级博物馆的认可,并惊艳推出与大英联合设计的「小米 MIX 2S 大英博物馆特别版」,向科技与艺术致敬。从惊艳的技术实力,再到携手大英博物馆推出艺术特别版,我们从小米 MIX 系列中,也看到了恰如本次英国超频「科技与艺术相融合」的风格特性。伦敦眼大英博物馆剑桥大学国王学院礼拜堂编辑:张鹏图片来源:极客公园、视觉中国
“我做事不喜欢拖拉,早规划早准备总比后期时间不够慌慌张张要好,想好了就去做,积极主动一点总是没错的,毕竟“第一步”很重要!”祝贺W同学(GPA85 T110 GMAT700)获得加拿大顶尖级商学院IveyMSc in Digital Management录取offer申请过程回顾“未雨绸缪”的W同学W同学属于典型的“未雨绸缪”类型的同学。为何这样说呢?与大部分学生不同,W同学在大一下学期就找到了明德,并正式签约,开始对美国留学申请做早期规划,如今拿到顶级商学院的offer,也正是应了那句话:早起的鸟儿有虫吃~只能说,真的很有先见之明!用W同学自己的话来讲就是:我做事不喜欢拖拉,早规划早准备总比后期时间不够慌慌张张要好,想好了就去做,积极主动一点总是没错的,毕竟“第一步”很重要!而在规划期间,W同学与老师更是一起经历了专业背景的准备和提升、申请海外交换学校、实习的规划和指导、标化成绩的早准备以及指导等,也是在这些经历中逐渐明确和选择了专业以及留学国家。在沟通的整个过程,W同学还充分展现出了自己作为一名数据小达人的天分,不断分享小达人的天分和热情,在不断的沟通交流中互通有无,彼此信任,默契配合,这也为后续申请提供了更多的依据,这一波操作堪称完美~但没有一个学生的申请过程是一帆风顺的,随着申请季的临近,一些小问题渐渐浮出了水面.......问题一GPAW同学就读的211院校是国内有名的财经类院校,学校限制优秀率,经常用GPA压人,就连院系里种子选手的GPA也就仅有3.6。所以,近三年来,W同学的GPA总是上来一点点,又下去一点点,虽然上下浮动不大,但对于申请留学的学生来说,GPA成绩还是非常重要的。为了改变这一现状,这对配合默契的“师生组合”随即又开始了新一轮操作:不管学校如何限制优秀率,该修的课,一定要修!因此,在校期间,应该哪个学期选什么课?哪些必修课怎么避坑?哪些课必须修?老师都跟W同学一一进行了讲解和规划,部分课程还通过coursera进行了深化学习。终于,功夫不负有心人,经过不懈的努力,疫情前期,W同学用于申请大学的三年的GPA最终过了85,努力没有白费~小贴士美国大学中的很多专业,尤其是商科文科类专业,大部分都会要求做第三方机构譬如WES的成绩认证,同时要求提供一个国际权威认可的GPA成绩(美国大学4.0标准),所以早早准备,将这些工作在提早完成,你的申请季可能就会容易一点。问题二陆本出国优势逐渐丧失由于近几年美本申请群体对陆本的冲击非常严重,W同学对自己(陆本211但没有海外背景)的情况有所担心。无独有偶,这也是很多同学遇到的问题。尤其是今年很多高校免提交GRE、GMAT的情况下,学生的背景和自身的优势考核就会相对严苛。针对这个情况,老师和W同学也做出了相应的解决对策:规划一段海外交换的学习经历。于是,从大二下学期开始,老师和W同学就开始从众多海外交换院校项目中进行筛选,最终选中了Top20+某商学院的海外交换项目。由于准备的时间充裕,W同学也积极配合,所以,从开始准备交换院校的申请材料、攥写文书、提交申请到拿到录取、成功面签,所有环节几乎一气呵成!海外交换回国后,令人惊喜的是,W同学有了一个更大的收获:更加明晰了自己职业道路的选择!回想这小半年经历的点滴,很难用文字表达,只能说未来某一刻回望时,这一定是我学生时代最“纯粹”的一段时光。异国他乡,不念过往,我明晰了自己职业道路的选择,也不枉当年背井离乡横跨大西洋到达亚美利加的人所创立的“公民社会”中,我变得更加敬畏所有伟大的文明了。我很感谢父母的支持和大家的帮助,以及小组合作时来自地球村各个角落的人们。这是W同学在归国后产生的新的认知,中西方文化的结合可能真的会改变一个人原本的思考方式,这也是很多留学生在学成归国以后尤其明显的一个特征。小贴士从申请的角度来说,海外交换的经历、国际化的课程学习和工作经验都是非常出彩的申请加分项。另一方面,事实证明,海外学习经历对于学生明确专业选择和职业道路发展方向也会有着非常重要的意义。问题三选专业、选学校在签约初期,W同学对自己的专业规划是申请金融,但实习经历和海外学习又让W同学有了新的想法。这个时候,早期规划的优势逐渐显露。因为W同学对留学的规划很早,又在老师的建议下进行了专业学习、实习以及海外交换,所以W同学对专业的选择和职业定位有了一个较为明晰的方向。所以,从最初的金融专业,到会计专业,经济专业,MIS专业,再到后来逐渐清晰的BA专业,虽然也曾想过CS专业,但最终还是非常精准的定位到像Ivey的MSc in Digital Management这样的商科和技术相结合的专业。专业选择逐渐明朗的同时,留学国家的选择也是历经坎坷。从最初的美国,到考虑同申新加坡,到放弃新加坡,调整为美加一起,再到调整为主攻加拿大,最终,W同学选择了最心仪的Ivey商学院,在结合背景匹配项目后并没有选择BA,而是选择了digital management,一步一步走向了“革命性的胜利”。而在回忆那段申请流程时,老师感慨道:我有幸见证了一个有担当、有规划,责任感十足的青年的成长,我非常感慨。从8.7号Ivey开放申请——到9.1提交申请——到9.9收到Ivey通知面试延期——到9.26收到面试通知——到10.22 近凌晨面试——到11.5号收到电话和邮件录取通知,耗时近三个月终于拿到第一枚录取,时间非常紧凑和集中。而W同学对自己未来的规划是我见过的最明晰的、最有想法的。这一次的申请,无论是文书撰写、学校申请还是面试辅导,W同学全程都在积极参与并及时给出自己的建议,这才得到了皆大欢喜的结果。正如W同学所说,接下来就是放开手去搞其他的学校了。小贴士每年的申请季都是学生们最纠结的时刻。一个专业纠结几天,一个学校犹豫几天,你的时间肯定不够用。再加上每个学校所需的材料各有不同,选校以后一定还要留时间进行准备。所以,提早规划一定要提上日程!切忌临时抱佛脚,这是绝对不可取的!最终,在解决了以上几个问题以后,W同学得到了心仪的offer,守得云开见月明,希望W同学在Ivey商学院一切顺利~关于韦仕敦大学韦仕敦大学 (Western University),原用名西安大略大学(The University of Western Ontario),是位于加拿大安大略省伦敦的一所世界著名学府,加拿大顶尖医学博士类公立大学之一,有超过130多年的学术积累及深厚的人力资源背景,被誉为“加拿大最美丽的大学”。关于Ivey商学院Ivey商学院是西安大略大学的核心,也是加拿大唯一一所可以授予HBA(Honours Business Administration)荣誉工商管理学士的商学院。Ivey以案例教学为主,同时也是除哈佛商学院之外最大的案例产地。但该院从2007年开始就没有再对外提供过数据,因此很多排名也都是从外部数据得出,即使是这样,Ivey也并没有输过:图/2019QS排名在19年Bloomberg世界商科学校排名中位居全加第1;在19年QS的商学院排名中,位居全加第2;在19年麦考林商学院排名中,位居全加第5。只能这样说:Ivey的确是一个非常特别的存在!不仅如此,据说在Ivey商学院MBA毕业生里,每6个人就有一个是CEO,HBA毕业的学生50%以上都是公司主管及以上级别。有句话说的好:你今天的同学,很有可能就是下一个华尔街之狼,Bay街精英~
想象一下,如果你参加大学考试,而不是交一份蓝皮书,几周后从教授那里得到一个分数,当你完成作业后,点击“发送”按钮,立即得到一个分数,你的论文就会被一个软件程序评分。然后,不要再做考试了,想象一下系统会立即让你重写考试以提高你的成绩。Edx,刚刚介绍了这样一个系统,将使其自动化(自动的)软件免费在网上任何institutioons想使用它。该软件使用人工智能来给学生的作文和简短的书面回答打分,让教授们有时间去完成其他任务。这项新服务将带来教育联盟(联盟)变成一个日益自动化的角色冲突教育。利用现代技术对作文题进行打分还没有得到权威部门的广泛认可,也招致了不少批评。电子工程师、Edx总裁阿南特·阿加瓦尔(Anant Agarwal)预测,即时评分软件将成为一种有用的教学工具,让学生能够一遍又一遍地参加考试、写论文,并提高答卷的质量。他说,与传统的教室系统相比,这项技术将具有明显的优势。在传统的教室系统中,学生通常要等上几天或几周才能拿到分数。阿加瓦尔博士说:“即时反馈对学习有很大的价值,学生们告诉我们,即时反馈让他们学得更好。”但怀疑论者(怀疑者)说,自动化系统无论对生活老师。一个资深评论家,莱斯佩雷尔曼,却吸引了全国上下的注意论文放在一起胡说八道几次,骗软件分级程序给高分。他还对那些声称该软件能与人类的成绩相媲美的研究提出了高度批评。他是一群教师上个月开始流传一份请愿书(呼吁)反对自动评估软件。该组织自称专业人士,反对在高风险评估中对学生论文进行机器评分。该组织已收集了近2000个签名,其中一些来自诺姆乔姆斯基(Noam Chomsky)等名人。“让我们面对自动论文评分的现实,”该组织的声明部分写道。“电脑不能“读”。他们不能测量有效的书面沟通的要点:准确性、推理、证据的充分性,明智、伦理(伦理)位置,令人信服的论点,有意义的组织,和清晰。”但是EdX专家认为它的软件将被学校和大学广泛使用。EdX提供课程结业证书,并表示计划明年继续扩张,包括增加国际学校。EdX评估工具要求有真人教师,或评分员100个论文或论文问题。软件将分配一个年级根据评分系统由老师,无论是信等级或数字(数字的)等级。Edx并不是第一个使用自动评估技术的公司,这种技术可以追溯到20世纪60年代的早期计算机。现在有很多公司提供商业项目来给笔试答案打分,在第二学校使用某种形式的技术。五分之一的印第安纳州已经进行了试验。在某些情况下,该软件被用作“第二阅读者”,以检查人类评分者的可靠性。但是,Edx联盟在制定标准方面的影响力越来越大,这可能会推动这项技术的发展。周二,斯坦福大学宣布将与EdX合作开发一个联合教育系统,利用自动评估技术。企业Coursera和Udacity,它们也致力于自动评估系统,因为即时反馈的价值。“它允许学生在他们的工作,获得即时反馈,这样学习变成一个游戏,学生自然引力(吸引)病房重新提交工作直到他们做对了,”达芙妮科勒说,计算机科学家和Coursera创始人。去年,休利特基金会赞助了两项10万美元的奖项,旨在改进论文评分和简短答案的软件。每一组有150多支队伍。作为休利特目录的赢家,Vik Paruchurt被EdX雇佣来帮助设计它的评估软件。官方人员Vuchic说:“我们的重点之一是帮助孩子们学会批判性思考。”“做选择题是不可能的”。挑战在于,这需要人类的评分者,所以他们要花更多的钱,花更多的时间。马克他监督了休利特基金会的自动论文评分竞赛,并写了一篇关于这个实验的论文。在他看来,这项技术虽然有他不完美的地方,但在教育领域还是会产生一定的影响。随着班级人数的增加,大多数教师不可能对学生的写作作业给予有意义的反馈,他说,此外,他指出,批评这项技术的人往往来自美国最好的大学,那里的教学水平比大多数学校都要高得多。[问]“他们通常来自非常著名的机构,事实上,他们在提供反馈方面做得比机器更好,”Shermis博士说。“人们似乎缺乏对现实世界中实际发生的事情的认识
来源:清华大学经济管理学院原标题:陈国青教授介绍大数据重大研究计划顶层设计思路2020年12月29~30日,国家自然科学基金委(NSFC)“大数据驱动的管理与决策研究”重大研究计划(以下简称“大数据重大研究计划”)2020年度学术研讨会以线上方式举行。大数据重大研究计划指导专家组组长、清华大学经济管理学院讲席教授陈国青向与会的近300名项目负责人和骨干介绍了重大研究计划的总体研究框架以及顶层设计思路,为整个重大研究计划的集成升华目标勾勒了面向多领域情境的、基于全景式PAGE框架的集成架构体系。同时,强调了各个项目在研究开展过程中新一轮迭代的关注重点和成果影响,以期产生更高水平的理论与应用进展。大数据重大研究计划是国家自然科学基金委启动的唯一一个大数据领域的重大研究计划,汇聚了一大批国内优秀团队,发挥管理、信息、数理、医学等多学科交叉优势,结合公共管理、商务、金融、医疗健康等领域的重要管理决策问题,在大数据决策范式、分析方法、治理共享、使能创新等方向上展开攻关。大数据重大研究计划到目前为止已经部署了培育、重点、集成等各类项目140余项,成为国内开展大数据管理决策研究与应用的集群性攻关的一支有生力量,并在学术创新、行业应用和政策影响方面取得了一系列高水平重要成果。重大研究计划是国家自然科学基金委最高规格的项目类型,是具有统一研究目标的项目集群。重大研究计划设立指导专家组,以实现对重大研究计划的顶层设计、总体布局、项目部署和研究指导。陈国青陈国青现为清华大学经济管理学院EMC讲席教授,学术委员会主任,曾长期担任常务副院长。陈国青2005年度获聘教育部长江学者特聘教授,2007年度获得复旦管理学杰出贡献奖,2009年度获授国际模糊系统学会IFSA Fellow,2019年度获授国际信息系统协会AIS Fellow。他还担任教育部高等学校管理科学与工程类专业教学指导委员会主任委员,国家信息化专家咨询委员会成员,中国系统工程学会副理事长,中国信息经济学会副理事长,中国管理现代化研究会副理事长等。陈国青的研究贡献主要体现在信息系统方法创新及其赋能创新方面,包括商务智能与大数据分析、IT战略与管理、新兴电子商务、不确定性建模等。他在国内外重要刊物上发表了大量的学术论著,如在《国际计算机学会学报》(ACM Transactions)、《国际计算机学会通讯》(Communications of ACM)、《决策科学》(Decision Sciences)、《管理科学学报》、《管理世界》、《电子电气工程师学会学报》(IEEE Transactions)、《美国运筹与管理学会计算杂志》(INFORMS JOC)、《国际信息系统学会杂志》(Journal of AIS)、《美国信息科学与技术学会杂志》(Journal of ASIST)、《管理信息系统杂志》(Journal of MIS)、《管理信息系统季刊》(MIS Quarterly)等,并主持多项国家级重要科研课题和企业合作项目,包括国家自然科学基金委(NSFC)重大项目(新兴电子商务与大数据分析领域)和国家杰出青年科学基金项目(商务智能领域)等。现担任NSFC重大研究计划(大数据驱动的管理与决策研究)指导专家组组长。陈国青多年来积极推动包括信息系统在内的我国相关学科专业的建设,如教学质量国家标准、课程体系、师资发展等方面。在清华大学讲授了多门本科生和研究生课程,如“管理信息系统”、“大数据时代的管理”、“高级信息系统”、“数据-模型-决策”等,出版多部国家级规划教材,担任国家精品课负责人,全国百篇优秀博士论文指导教师。陈国青和国内学科带头人一起成立了国际信息系统学会中国分会(CNAIS)并担任创始主席(2005-2013),使得CNAIS成为我国信息系统学界的主流平台和国际交流桥梁,促进了我国信息系统学者教研水平和影响力的不断提升。陈国青还曾担任许多国际学术会议的主席/联执主席,包括亚太信息系统年会(PACIS)、中国学者信息管理年会(CSWIM)等。