统计研究好发吗

随着大数据的火热，机器学习越来越火，统计专业也得到重视，因此报考统计专业的人数越来越多。同时对于很多考生而言，专硕应用统计相对于学硕统计学性价比更高，再加上今年数学三尤为简单，130+的考生尤其多，造成了今年应用统计考研是一个特别困难的年份，就算你考了400+，也许现在的你还在寻找调剂的院校，这是一个令人心酸的消息。北京大学是一个良心大学，将考生的成绩排名都公布出来了，相对公平很多，我们可以分析一下数据。北京大学金融专硕一共123人报名参加考试，缺考人数14人，剩下109人，其中400分及以上一共9人，最高分433分。北京大学应用统计专硕一共240人报名参加考试，缺考人数60人，剩下180人，其中400分及以上一共51人，最高分446分，学校预计录取12人。当然有读者说，其实北京大学并非特例，根据消息，今年绝大多数院校，应用统计专业分数都偏高。2019应用统计考研——“困难”的一个年份，国家线就快出来了，祝考生好运！

前言一所高校科研实力是否强大，不光要看培养出人才的多少，学科建设的评价，还有顶级期刊文章的数量。如果一所高校在顶级期刊上发表的文章比较多，自然这所高校的科研成果就比较有分量，实力也相对较强。我们熟知的全世界最顶级的期刊有两个，一个是《Nature》，另外一个便是《Science》。近日，软科统计了中国内地高校在本年所发布的顶级期刊数量，我们一起来看一下吧。内地高校顶级期刊发文量统计出炉，清华荣登榜首，北大复旦并列第三如果说世界上的顶级期刊你不太了解，但是我相信你应该会听过《Nature》与《Science》，这两种期刊是世界上最厉害的期刊，也更具有权威性，高校都以在这些期刊上发表文章而感到荣耀。下面我们来简单介绍下两种期刊。《Nature》是世界上历史悠久的、最有名望的科学杂志之一，它首次出版时间在1869年，它最大的特点便是这里面的内容发表来自很多科学领域的一手研究论文，并不一定专注于一种领域，这里面发表的文章，都是该研究领域内最前沿的研究结果。与《Nature》相似，《Science》也是全世界最权威的学术期刊之一，它是于1880年由爱迪生投资1万美元创办，是发表最好的原始研究论文、综述的期刊之一，能在这里面发表文章，足可见其科研能力非一般人可比！近日，软科统计了我国内地高校2020年在《Nature》与《Science》上发表的文章数目。至八月底，我国内地高校N&S总发文数达到了123篇，其中八月份发表文章共13篇。在这次统计中，清华大学、中国科学院大学分别以20与17的数量位居前两名，北京大学和复旦大学发表文章数量相同，并列第三。值得一提的是，在这里面双非院校表现也是不容小视，其中南方科技大学表现更为突出，排名高达第九，它为什么会这样厉害呢？双非院校实力不弱，南方科技大学“力压群雄”在这次统计中，共有57所内地高校作为通讯作者单位在N&S发表至少一篇文章，其中的双非院校就高达21所，这足以证明，双非院校并非实力不行，一部分高校科研实力更是堪比双一流。其中表现最为突出的便是南方科技大学，作为新生院校，为何实力如此强大呢？南方科技大学简称南科大，是深圳市创办的一所创新型大学，其建校历史不长，仅有八年历史而已，2012年时，教育部同意建立南方科技大学，到2018年时，南方科技大学就被获批为博士学位授予单位，可见其成长速度之快。如今的南方科技大学，实力堪比我国的“985工程“、”211工程“高校，为何建校历史不长，其实力就如此强大呢？南方科技大学位于我国深圳，地理位置已经占尽先机，为其快速发展提供了地理条件。另外南方科技大学的师资力量也非一般高校可比，校内的院士数量就高达45位，我们知道，院士的加入不光代表着人才，还有各种资源的汇入。所以南方科技大学的科研实力才会如此强大！最后大学之大，非有大楼之谓也，乃是有大师之谓也。一所高校的科研实力想要发展，没有人才支撑是不行的。而高校的科研实力又该如何评定呢？最主要的指标就是发表高质量论文的数量，所以高校想要发展，想要发表高质量论文，最主要的就是引进人才，有了人才，这些就变得顺理成章了！部分图片来源于网络，如有侵权烦请联系删除喜欢我的内容就关注下吧往期精彩九月开始复习考研晚吗？掌握这些技巧，你离双一流不远了！最新高校升学率排名来啦！北大退出前五，这所高校排名令人吃惊！恭喜！新高校联盟正式成立，长三角地区迎来大发展时期！国庆放假还能回家吗？教育部最新通知来了

安全统计研究的分析方法包括四大方法：空间自相关方法，聚类分析法、灰色统计法、实验数据统计方法。那么，怎么理解这四大方法呢？1.空间自相关方法1）空间自相关方法是研究空间中某空间单元与其周围空间单元就某种特征值，进行空间自相关性程度的计算，以分析这些空间单元在空间分现象的特征的统计分析方法2）研究对象是两个或多个属性变量间的相互关系及关联程度，以及同一属性值在不同空间位置上的相关关系及关联程度3）优点是可同时满足独立性和大样本两个假设，可以用图形示意区域集聚事故的类型，而且还可用一些量化指标，揭示研究区域内事故发生的空间格局空间自相关方法2. 聚类分析法1）聚类分析法就是输入一组未分类的数据，通过分析数据，确定每个记录所属的类别，把相似性大的对象聚集为一个类2）主要用于安全统计数据或样本的分类3）按原理可分为层次聚类法和非层次聚类法；按照分类的目的可分为指标聚类（R型）和样品聚类（Q型）4）具有客观性、科学性等优点5）如果数据量少会影响归纳精确性；需要介入主观因素确定该分成几类；只能对指标进行单一归类聚类分析法3. 灰色统计法1）灰色统计法是一种白数的灰化处理方法，以灰数的白化函数生成为基础，将安全统计数据按某种灰数所描述的类别进行归纳整理，判断安全指标所属的灰类2）具有可操作性强，分辨率高等优点，通过建立影响事故发生的安全统计核心指标，来对事故进行安全统计分析灰色统计法4. 实验数据统计方法1）实验数据统计方法是基于完全样本的安全统计方法，用此方法处理产品寿命数据是，检验产品寿命数据属于何种类型后采用相应的安全统计方法进行数据处理，做基于特征值的可靠性统计并归一化处理2实验数据统计方法包含正太分布、三参数威布尔分布、两参数Weibull分布、极小值分布、极大值分布等等；数据处理有图解法和解析法试验数据统计方法

TOP前言“TOP大学来了”小编按，近年来随着我国科学技术水平的不断进步，国内高校在《Nature》《Science》的发文量增长迅速，今天小编就带着大家一起来看看，国内高校究竟发了多少篇顶刊！为了显示高校的真正学术水平，本文只统计一作+通讯，且仅统计研究论文。“TOP大学来了”从发文单位统计来看，2020年全年度发文量（一作+通讯）超过10篇只有两所高校，北京大学和清华大学。“TOP大学来了”从发文的单一学者贡献度来看，潘建伟院士无疑是榜首！潘院士团队本年度发表了5篇顶刊，话说潘建伟院士应该是中国每年顶刊的“常客”，高产学者，水平顶尖。“TOP大学来了”从发文学科来看，本年度生物医学类文章依然是主打学科，2020年结构生物学/新冠肺炎类论文的数量猛增。据小编统计来看，除了南京大学外，发表过3篇及以上顶刊的高校基本上都有生物医学类论文发表。“TOP大学来了”统计后发现，北京大学2020年度共发文12篇（一作+通讯），位居高校第一；紧随其后的是清华大学，本年度共发文11篇，其中8篇《Nature》、3篇《Science》，排列第二。“TOP大学来了”统计来看，复旦大学和中国科学技术大学分别排列第三、四位。复旦大学的9篇文章中，生医学科展现出了雄厚的实力，发文占比极高，仅结构生物学新冠类论文就有4篇。中国科学技术大学有8篇论文，潘建伟院士课题组贡献了其中的5篇，可以说潘组一个团队的顶刊发文量能够抵得上全国90%以上的高校。“TOP大学来了”梳理发现，浙江大学位列第五，有7篇文章上榜，生医学科占比较高。南京大学和上海科技大学并列第六。南京大学的5篇文章主要集中于物理及地质学科，这是南大的传统优势学科。上海科技大学和西湖大学在新建高校中发展极为迅速，属于后来居上的高校，热度极高，两校发文的学科也很类似，主要集中于结构生物学，上海科技大学的5篇文章中，有4篇文章来自于结构生物学/新冠，西湖大学今年的2篇顶刊全部来自于结构生物学/新冠。“TOP大学来了”统计来看，上海交通大学、武汉大学和南方科技大学并列第八。其中，上海交通大学的顶刊分别来自于化学、生物医学和海洋学三大学科，值得注意的是上交大本年度唯一的1篇生医类顶刊作者，来自于医学院附属第九人民医院的雷鸣教授，近3年已经发了5篇Nature&Science&Cell。武汉大学的3篇顶刊，全部来自于结构生物学/新冠。南方科技大学虽然与西湖大学、上海科技大学都是发展极为迅速的新建高校，但发文学科结构与后两者不同，南方科大所发的3篇顶刊论文，有1篇来自于生医学科，2篇来自于物质学科。审核、编辑：大可版权声明：本文综合自“Nature&Science”，文章转摘只为学术传播，如涉及侵权问题，请联系我们，我们将及时修改或删除。

原标题：日本统计研究发现：中美合著论文数量近些年激增参考消息网8月12日报道 据日本《每日新闻》8月11日报道，日本文部科学省科学技术与学术政策研究所分析了2015年至2017年间多国研究人员合著论文的情况，发现美国研究人员的合著对象最多的是中国研究人员，其数量和近10年与英国、日本等国家的合著数量相比激增明显。日媒称，随着中国研究实力的崛起，美国深化了在科学研究层面与中国的合作关系。报道称，日本文部科学省按照研究人员所属机构的所在国分析了全球出版的论文，得出了三年的平均值。美国合著对象国的占比在2005年至2007年的情况为：英国12.9%，排名第一；中国8.7%，排名第四。然而，在10年后的2015年至2017年，中国占比大幅增加至24.3%，跃居首位；英国占比13.9%，降至第二。报道指出，中国的研究活动非常活跃，论文数量激增至10年前的近4倍。中国赴美在科学工程领域深造的研究生数量逐年增加，在美国从事研究的中国籍研究生2017年约有8万人。这些年轻人回国后可能会继续与美国的科学家合作研究，这或许是中美合著论文数量激增的一个原因。报道还称，2005年至2007年，日本和中国在国际合著论文数量上都是年均1.8万篇左右，但到了2015年至2017年，日本为2.59万篇，中国为8.05万篇，差距逐渐拉大。另一方面，日本国际合著论文占其论文总量的比例为32.9%，高于中国的27%。日本与中国最大的合著对象国与10年前一样，都是美国。更多资讯或合作欢迎关注中国经济网官方微信（名称：中国经济网，id：ourcecn）来源：参考消息

各种名利奖赏刺激我们推出重大论点，但好的科学或许意味着放慢速度，更加谨慎地实践。CHRISTIE ASCHWANDEN封面：Klaus VedfeltSOCIAL PSYCHOLOGY 社会心理学如果科学是寻找真理的一种客观手段，那它也同样要求人类的判断。假如说你是一位怀揣这样一个假说的心理学家：人们其实明白他们对被污名化群体带有一种潜意识的偏见；如果你问他们，他们将会承认这一点。那可能看起来是一个颇为直接的观点——这一观点非对非错。但测试它的方式却并不显而易见。首先，什么是消极的刻板印象？你所讨论的被污名化群体是指哪一类？你如何测量人们在什么程度上能够意识到他们的隐性态度？你将如何测量人们在何种程度上愿意自我披露？这些问题将以许多种不同的方式得到回答：而反过来，又可能导致大量不同的发现。一个新的众包实验——涉及到超过24个国家地区的15000名被试和200名研究人员——证实了这一点。不同的研究项目以自己的方式来测试同一系列的研究问题时，往往会得到差异化的、有时甚至是对立的结果。这个众包项目戏剧性地展示了被广泛讨论的可重复性危机中的观点。研究者们在设计他们的研究时做出的主观决策，能够对观察的结果产生巨大的影响。不论是通过“P值篡改（p-hacking）*”，或者是他们漫步在“小径分叉的花园”时所做出的选择，研究者都可能有意无意地将结果引向一种特定的结论。*译者注：P值篡改(p-hacking)：科研人员通过不断地改变统计方法以使p值<0.05,导致结果的假阳性和实验的不可重复性。2016年Nature的一篇论文探讨了学术界发表结论的可重复性问题。来自各界的1500名科学家回答了他们对于所在学科存在何种程度的可重复性危机， 其中物理和化学科学家对自家文献的可重复最自信。—图片来源：Monya Baker (2016) Nature News Feature这篇新论文的主要作者，新加坡国际商学院（INSEAD）的心理学家艾瑞克·乌拉曼（Eric Uhlmann），曾将将矛头指向一项研究。在这项研究中，29个研究团队收到了同样一组数据集，而这些团队要用这个数据集回答一个简单的研究问题：“相对较浅肤色运动员而言，足球裁判员是否会给深肤色的运动员更多的红牌？”尽管分析的数据是完全一样的，但是没有哪两支团队能给出相同的答案。然而，这些团队的发现确实都指向了同一个方向。红牌研究显示了数据分析的决策是怎样影响到结果的，但乌尔曼也担心其他的决策也会卷入研究设计中。因此他发起了最近的这项研究。这项研究规模更庞大，也更野心勃勃，未来会在《心理学公报》（The Psychological Bulletin）（数据和材料都在网上公开）上发表。这一项目从五种假说开始。这五种假说都已得到实验性检验，但实验的结果仍未公布。除了像上述足球运动员所体现的潜在联系的假说之外，这些假说还包括：人们如何回应激进的谈判策略，或者什么样的因素会让人们更愿意接受运动员使用兴奋剂。乌尔曼和他的同事向很多研究团队抛出了同样一个问题，但并不告诉他们有关最原始的那项研究的信息，或者那些研究发现了什么。随后，这些团队分别设计了各自的实验，以检验一些共同因素作用下的假设。这些研究必须在线上进行，从共享的被试数据库里随机地抽取出参与者。每一项研究设计都操作了两次：第一次的被试来自亚马逊公司的Mechanical Turk（译者注：亚马逊旗下的劳务众包平台），第二次则是全新的、从一个叫Pure Profile的调查公司里找到的一群被试。研究表明，这些团队在设计实验时中会出现巨大差异。例如，第一个假说是关于人们是否能够意识到他们会存在内隐偏见（unconscious bias)。一个团队仅仅要求被试按他们对如下叙述的赞同程度评级：“不管我对社会公平抱有怎样的外在信念（也就是，有意识地），我相信我对被污名化的社会群体成员会自动地（无意识地）持有消极联想。”根据这一回答，他们得出该假设是错误的：人们并不报告潜在的消极成见的意识。当我们相信不该相信的事情时，我们在相信什么？通常我们被证实大错特错时，会恼羞成怒地作出辩驳。理解认知失调，有助于对这一现象作出解释。相关阅读 →　对于这个假说，另一个团队则是这样测试的：他们询问被试对一个政治党派的自我认同感，然后让他们按对假定的对立党派成员的感觉做一个评级。以这种方法，他们发现了人们很愿意报告他们自己的消极成见。而第三个团队给被试展示了白皮肤、黑皮肤或者超重肥胖的（也有小猫小狗的）男男女女的照片，然后让他们按自己对这些人直接的直觉反应评级。他们的结果也展示了人们确实承认对被污名化群体的成员持有消极成见。这项研究结束时，有七个团队发现了支持这一假说的证据，而有六个团队则发现了反对证据。综合一切考虑，这些数据并不能支持“人们能意识到、且报告他们自己的潜在成见”的观点。但是，如果你看到的只是一个团队设计的结果，那很容易就会得到一个不同的结论。这项研究发现，五种假说中有四种假说都出现了一种相似的模式：不同的研究团队在相反的方向上产生了统计学显著效应。哪怕一个研究问题的答案所指方向一致，影响的效应大小却相差甚远。在13个研究团队中，有11个团队得出的数据能够清晰地支持“极端的提议让人们更加不相信谈判”的假说。然而，在剩下的两个团队中发现的统计效应只隐约指向这种观点。一些团队发现极端的提议对信任有很大的影响，而其他团队发现这些因素影响甚微。众包资源假说测试 | 连线杂志00:12示例一：“当直接问到：人们是否会自我袒露一种隐匿的、对污名化社会群体成员的不由自主的消极联想？”示例二：“比起在一开始先做出缓和的提议的谈判者，在一开始先做出极端化的提议的谈判者，会让人对其更加信任还是更不信任，或者都一样呢？”示例三：“哪种效果会不顾物质/经济的需求而持续地作用对那些群体的道德判断：有利的还是有害的，或者没有任何影响？”示例四：“人们反对兴奋剂在体育运动中的使用的原因，部分出自于他们‘违背了规则’......”示例五：“功利主义还是伦理方向的义务论更能联系到个人的福祉？”——柯亨的d效果范围，95%的置信区间 图表：连线杂志 资源：Landy et al.安娜·德勒柏（Anna Dreber）认为，这个故事告诉我们，单单一项研究能告诉我们的无足轻重。她是斯德哥尔摩经济学院（the Stockholm School of Economics ）的经济学家，也是该项目的作者之一。“我们作为研究者，必须对我们怎么说话格外小心，你不该说，‘我已经检验了这个假说’，你必须说，‘我用一种特定的方式检验了它’，它对其他情况是否具有普遍性取决于更多的研究结果。”这个问题，以及披露这个问题的办法，并不是社会心理学所独有的。与此相似的是，近日一个项目让70个团队用同一个功能性磁共振图像的数据集合来检验9种假设。没有两支团队使用了完全一样的方法，而不出意料的是，他们的结果各种各样。如果只通过这些项目的结果来判断，那么我们也许可以合理地推测出科学文献如同一片结果对立的密林（如果对于同一个问题，不同的研究团队总能得到不同的答案，那么期刊中应该满是矛盾）。然而，事实与此相反。科学期刊中到处都是确证假设结果成立的研究，而那些零结果就不幸成为了“文件抽屉”问题*（file-drawer problem）的一部分。想想上述关于内隐偏见的假说的结论：一半的团队发现有利证据，一半的团队发现反对证据。如果这项研究真的以出版为目标，那么前者将在正式论文中找到落脚点，余下的将被掩盖并遗忘。*译者注：“文件抽屉”问题(file-drawer problem)：在科研出版界，人们倾向于筛选性地发表更积极、显著的结果。人们的信念过滤了我们所能看到/意识到的证据—图片来源：GEPS Bulletin乌尔曼及其同事的证明，提示了假设应该在多样且透明的方式中得到检验。“我们需要做更多的研究，试着以不同的方式看待同一个问题。”来自牛津大学的心理学家多乐丝·毕肖普（Dorothy Bishop）说道。那样的话，你可以“在你上蹿下跳、跳舞庆祝之前，真正地阐明它有多么可靠”。结果当然是论证了谦卑审慎的重要性，乌尔曼说。“我们必须谨慎地对待我们在文章中、我们的大学在公开出版物中、我们在媒体采访中所说的内容，我们需要严谨地对待我们的主张。”各种名利奖赏刺激我们推出重大论点，但好的科学或许意味着放慢速度，更加谨慎地实践。放慢速度也是伦敦大学学院心理学家乌塔·费瑞斯（Uta Frith），在一篇最近发表于《认知科学趋势》（ Trends in Cognitive Sciences）的论文里所提出的。费瑞斯写道，“目前的‘发表或发霉’（publish or perish）的文化，对科学家和科学自身具有腐蚀性的影响。”多发论文，而不是努力发表高质量的论文，这给研究者带来压力的同时，也欺骗了科学，她说。“快的科学让我们走小路、抄近道，也的确会导致可重复性危机。”她写道。那么她的建议是什么呢？“慢科学。”它致力于“科学的更大目标”——即作为一种寻找真理的方式。她说，对研究者而言，促进“慢科学”的方法，就是从特级葡萄园的葡萄栽培实践中寻找启发——他们为了维持葡萄酒的最优质量，而想尽办法限制其产量。毕肖普也提出类似的建议，科学家要限制他们的产出，“为了发展一种理论，你需要大量的观察，而我认为我们常常观察得很少，”她说，“然后我们在不成熟的时候就进行理论建构。但如果我们能够更广泛，更全面地去探索那些得到观察的情况，那我们的理论建构也会更优质一些。”如果说，这项关于五种假说的研究教会了我们什么，那就是：科学是一个过程，而且是一个漫长的过程。翻译：兵书校对：曹安洁排版：夏明明https://www.wired.com/story/200-researchers-5-hypotheses-no-consistent-answers/Christie Aschwanden克里斯蒂·阿什万登（Christie Aschwanden）（@悬崖之巅）(@cragcrest)是一名获奖科学记者。她是纽约时报畅销书《准备好了：我们的所有运动员能从奇怪的康复科学中学到什么》的作者，以及播客“新兴形式”的联合主持人。

第31届神经信息处理系统大会（NIPS）上周在加州长滩(Long Beach)举行。NIPS可以说是AI领域最有声望的学术会议之一。今年也是出席人数最多的一次。近几年NIPS的出席人数一直急剧上升。大型AI会议出席人数趋势图（来自AI Index）AAAI:国际人工智能协会IJCAI:人工智能国际联合大会NIPS:神经信息处理系统大会CVPR:IEEE国际计算机视觉与模式识别会议ICML:国际机器学习大会ICRA:机器人与自动化会议ACL:国际计算语言学学会年会你可能猜到了，提交审查的论文数量也在增加。2016年论文提交共2406篇，接收了568篇论文，接收率为24%。今年论文提交共3240篇，接收了679篇，接受率为21%。自从我攻读博士学位以来，NIPS就一直在我的关注中。上周，我宣布加入一家新的机器学习初创公司Infinia ML，决定与Lawrence Carin合作。Lawrence是机器学习领域的重要人物，NIPS就是一个很好的例子。Lawrence的团队今年在NIPS发表了10篇论文，这是很了不起的成就。这驱使我对接收的679篇论文背后的人员以及机构做了一些分析。研究NIPS并不容易除了了解哪些研究员（例如Lawrence）被NIPS接收了论文，我很想知道哪些机构是最多产的。就像Andrej Karpathy为ICML所做的那样，我认为这是一项简单的数据挖掘任务，特别是NIPS和ICML用了同样的网站。在十月，当我查看接收论文初始列表时（可以在Wayback Machine上找到），格式长得是这个样子：这是可行的。它有我所需要的所有信息，包括论文、作者名单、所属机构等。写个脚本解析并生成我需要统计的信息应该不难。但是，这是我第一次接触不同机构所使用的各种名称。例如Google有10种不同的方式来表示，IBM有11种不同的版本。因此我需要一些手动清理。这也没啥。当我想获取更新后的统计信息（为了这篇文章），更大的问题来了。以上文那种完美格式呈现的接收论文最终名单不见了。有几个地方可以找到最终名单，但有一个问题：没有一个界面包含了每个作者所属机构。我做了一些搜索，但找不到其他来源。我本打算从论文里将机构提取出来，但在浏览了几篇论文之后，我发现论文并没有标准化作者栏的格式，以至于它本应该是一项快速任务，现在看起来像一个大工程。NIPS2017接收论文名单的片段对我来说，仅存的另一个选择就是，期待9月份最初发布的文章列表没有太多的修改，这样一来，就可以将9月版中的机构信息应用于12月版。我可能需要配对这两个独立的数据集，并核对其不同之处，因而，数据解析工作可能会变得非常复杂。同时，这也意味着，对于9月版里面没有出现的新作者而言，我无法得到其机构信息。毕竟，我一直想找到的只是大概的的数据，而不是百分之百精确的统计结果，所以我继续往下进行了。9月份和12月份文章列表的区别9月份和12月份两个版本的文章数量没有变化，但是其中有部分的文章标题稍做调整，部分文章甚至把标题完全改变（这使得两个版本间的匹配非常困难）。从两个列表的679篇文章中，我能够找到完全匹配一致的560篇文章。此后，我又使用一些简单的规则，匹配了剩余文章中的98篇。举例来说，查对标题从前数20、15或10个字母，或者标题从后数20、15或10个字母中，看看是否可以匹配。最后，12月份的文章列表中只剩下21篇文章，无法从9月份的文章列表中找到相对一致的匹配标题。接下来进行作者匹配，从2035位作者中，我能够匹配1886位作者。剩下来149个作者未能匹配，标记为“无组织”，仅占全部作者总数的93%。看起来又是一次不那么完美匹配，但是，对于我的目的而言，这些已经足够了。现在终于可以开始做点儿有意思的事儿了！关于都有谁参加了类似NIPS这样的会议，我有一大堆问题，不过，其中最核心的问题是：谁是最多产的作者。如果你还记得上个世纪九十年代末期和本世纪早期是什么样子，如今发布文章就好比10－20年前的争着申请专利的竞赛。幸亏现在发表文章与知识产权（比如专利）无关，这也是我喜欢AI复兴的部分原因。作者信息的统计正如我稍早提到的，杜克大学的Lawrence Carin团队在NIPS发表了10篇文章。他位于排行榜第一位，其他作者根本没法和他们比。当然，这并不意味着Lawrence是这10篇文章的第一作者，可是，他监督管理着所有的研究，并对所有10篇文章都有贡献，其研究领域囊括几个主题，有文本分析、图像合成、大脑动态局域潜力分析，让人叹为观止。通常情况下，一篇文章的最后一个作者就是该研究团队的负责人，或者管理着多个不同的研究项目。所以，当你看到Lawrence和象Bengio这样的其他知名人物一起出现在下表，就不会感到惊讶了。反过来说，文章的第一作者则通常就是做苦活累活最多的那位。有三人分别贡献了三篇第一作者文章，真的是劳模。有关研究机构的数据现在我们来看看发表在NIPS文章量排名前五十的机构。我没有把谷歌和DeepMind放在一起，这样能看出谷歌多占比例之大。卡耐基梅隆,麻省理工,斯坦福和伯克利是前四的大学。谷歌，微软和IBM是跻身前列的公司。这些数据和ICML的很相似。接下来，我想看看有多少机构的名字是列在文章中第一位的，因为这意味着谁带领或发起了这些研究。下图数据显示谷歌排在第四位，这说明虽然谷歌被列在很多文章上面，但他们所做的不仅仅是带领整个研究。最后，我想看看每个机构有多少作者。这又一次能够看出多少人在这些机构参与带了尖端的研究。在这儿，凯耐基梅隆有很大的优势。总结我从这次的统计数据中得出了一下结论：谷歌很明显是延伸研究方向宽度的领导者。他们的名字出现在大部分的论文中，如果你把DeepMind也加进去的话他们就是迄今为止在NIPS有最多作者的机构。卡耐基梅隆是在学术机构中在NIPS发表文章的领导者。他们有最多的第一作者而且除谷歌和DeepMind之外最多的人参与到文章的编制中。杜克大学的Lawrence Carin有在NIPS最高产的一组研究人员。他也相比其他人参与到了更多的文章。杜克大学在大学中总文章量、第一作者文章量和总作者数量排名前十。 *有关机构名称的备注让我突然感到有点搞笑的，我花了好多功夫来研究这个展示着在最新的机器学习研究的世界性的学术会议，虽然好像我的任务看起来很简单，只是要把这些数字整合在一起。其实只要稍微做点努力（比如，12月的最终列表能够使用9月时相同的格式），这花了一整个周六下午时间的工作其实一个小时就能完成。不仅如此，公司、大学和科研机构或许也要开始标准化其文章被引用的方式。现在，发表的论文有极大的价值 -- 在未来，会有很多人频繁的做如我在这篇文章中所做的统计数据工作。一个机构多种多样的名字会给提供精确的统计数据工作带来很大的麻烦。下图展示了我如何把最常变换名字的机构整合到一起的小部分代码，我打赌你不知道IBM有11种拼写方法：

伴随本科生的增多，许多行业对本科生需求有所降低，更多的倾向高学历毕业生，即使这样，但也不代表所有人都应当考研，但是，有些专业确实适合考研，考研后专业含金量提高很多，就业也会轻松许多。大多数人选择考研，无非是为了更好地就业，为了未来前景等，当然也有一小部分学生是随大流，但这些群体考上的机会要小一些，毕竟机会留给那些有准备的人。考研的难度就不再单独说了，有很多同学考了多次依然没有考上，而且考研的同学一般要拿出一年的时间来备考，不然成功的概率不会很高，即使这样，依然有许多人选择考研。据了解，大多数人选择考研是因为考研可以带来这些好处！增加就业机会：这一点不言而喻，研究生学历高，能够参加的招聘考试也多，而且一些私企也会比较青睐研究生，所以为了毕业更好的就业，考研是必须的。收入比本科高：据了解，研究生的薪资水平要高于本科生，一般情况下要多500到1000左右，如果是国企的话，可能相差更大。评职称机会多：要知道，在企业事业单位工作的话，学历高的人评职称机会要大一些，因此研究生如果和本科生平时工作区别不大，那么评职称研究生机会更大一些。申请大城市人才引进落户：每个城市有不同的落户要求，一般会与学历挂钩，研究生落户福利政策要优于本科生。考公务员有优势：从目前来看，各类公务员招录和事业单位招聘，有不少职位会限制研究生学历，因此，研究生报考公务员等更具优势，后期提升也要容易。接触更多人才：俗话说“近朱者赤近墨者黑”，考上研究生之后，接触的也是各类优秀人才，对未来发展有好处。重新选择专业的机会：有不少同学高考成绩不如意，没有选上合适的专业，考研给了我们第二次选择专业的机会，让我们选择自己感兴趣的专业。开阔眼界，增长知识：考研以后，可以开阔眼界，能够增长见识，最重要的事可以增长个人能力。以上就是小编今天分享的内容，希望对大家有所帮助，特别是想要通过考研改变自己的专科生，完全可以升本后考研，这是一种不错的选择。

2018年考研过去不久，即将来临的是新一年的考研浪潮。面临考研，学子的竞争压力可谓一年比一年重，因为随着我国教育的发展，选择考研的大学生基数每年都在增长，考研竞争力越来越强。自己的专业要不要考研，要不要调整自己的专业取向，以及如何增强自身硬实力与求职竞争力，成为了令众多大学生最头疼的最敏感的问题。近日，中国教育在线与中国研究生招生信息网先后出台了关于考研的统计数据《2019年全国研究生招生调查报告》与《2015-2018年硕士研究上报考数据分析报告》，从侧面透露了在近年来与即将到来的新一年考研中的多项重要信息。结合其他调查资料，我们可以看出近年来这四类专业的火爆程度。不知道你的专业在榜上吗？一、工商管理硕士工商管理专业的应用性很强，涉猎知识面囊括经济学、会计学、统计学、金融学、证券投资学、财务管理、管理学、人力资源管理、运筹学、市场营销等方面。按以往的毕业生去向，主要从事销售、会计、证券行业，就业范围很广， 尤其是研究生身份，可以进一步增强毕业生的求职资本，就业形势十分喜人。二、法律硕士（非法学）只招收具有大学本科学历（或同等学力）的非法律专业毕业生，与法学硕士不同的地方在于，法律硕士属于应用型硕士，而法学硕士属于学术型硕士。因此，法律硕士的就业范围要更广，除了法律相关的就业范围外，还可以成为企业管理和行政管理的综合素质型管理人才。由于其跨专业的背景，法律硕士在工作中具有更大的优势，综合能力更强，更能得到社会的普遍认可。可以说，考取法律硕士是很不错的一条未来规划。三、会计专业虽说近年来学会计的人数越来越多，但依旧无法改变会计硕士的热门程度。考上会计硕士，等同于可以在商海中指点江山了。对于会计硕士专业来说，有源源不断的社会需求，就业形势良好。可以说，优秀的会计人才是每个团体必备的香饽饽，各大单位和事业集团都少不了会计。随着近年来中国各类经济实体的不断涌现，社会对会计人才的需求将会持续保持热度，因此考取会计硕士会让你更脱颖而出，绝对吃不了亏。四、金融专业金融专业，听起来都散发着一股子热门的味道。毕业生的就业去向有证券、银行、信托、保险、基金、租赁、期货等行业，听起来都是高薪的代名词。如果硕士毕业名校，在北上广深等金融机构总部工作，薪酬几十万肯定不成问题。但是金融考研的难度也是出了名的，因此如果要考金融硕士的学生一定要狠下功夫。以上就是近年来一直保持高热度的四大专业了。不知道你们有什么看法呢？欢迎在评论区留下你的见解。