新加坡大学的计算机专业嘿!芥末酱有个问题要小声的问你们!有没有人喜欢“玩电脑”的?当然,此“玩电脑”非彼“玩电脑”,这里的“玩电脑”可是大神般的存在!近几年,人工智能快速发展,大数据时代来临,互联网以一个几乎不可撼动的姿态席卷了我们生活的方方面面,在这背后是计算机技术的不断革新创新,也是因为这个关系,让计算机专业成了近几年的热门专业之一!他来了!他来了!芥末酱带着新加坡国立大学计算机专业走来了!咳咳,话不多说,上干货!计算机学院新加坡国立大学计算机学院的专业有:计算机科学硕士(Master of Computing - Computer Science)、计算机信息系统硕士(Master of Computing - Information Systems)、计算机硕士-信息通信安全(Master of Computing - Infocomm Security)、计算机硕士-人工智能(Master of Computing - Artificial Intelligence)由于各个专业的各项信息都相差无几,所以芥末酱就给大家一并概括啦(如有变动,以官网信息为准):录取要求:计算机专业本科毕业+G成绩 / IT相关本科+G成绩+2年工作经验 (本科是电子商务/工程/经济学/统计学/数学也可以考虑哦!)开学期:8月学制:18个月学费:36950新币雅思:6分托福:90分GREGMAT:320/650芥末酱相信,对计算机专业感兴趣的小伙伴们一定灰常多!欢迎轰炸私信~就酱紫,白白~
由信息技术推动的颠覆已成为新常态。快速变化的商业和技术环境要求专业人员掌握一套新的信息技术技能和知识。新加坡正在向智慧国家转型,本地和全球企业都需要新一代有才华、有能力的IT专业人员来支持、规划和执行转型变革。计算机硕士(信息系统),简称MComp IS,专门为将面临挑战这些商业和技术快速变化的下一代领导者做准备。它旨在为学生提供信息系统领域的关键的深层知识以及宝贵的实践经验来增强和更新学生的知识和技能。MCompIS为IT专业人员提供了一个理想的机会,可以获得有关IT数字化转型和创新的高级知识。主要目标是使IT专业人员完成从软件工程师和软件开发人员相关角色过渡到IT管理和领导职位。MComp IS课程的独特之处在于其强大而全面地强调四个关键支柱,即企业IT管理和转型,企业IT创新和设计,分析和智能系统以及数码创业。所有模块均由该领域的顶尖专家讲授,并提供最先进的概念框架,以理解IT创新以及最新的实用工具和技术—应用于现实世界的问题。该计划还提供以研究为导向的选项,如果您愿意,可以与世界知名的教授合作开展尖端研究项目。入学要求:1. 专业要求: 计算机专业荣誉学位;或 计算机相关学科的优秀荣誉学位,并具有2年IT行业经验;或 计算机专业学士学位,2年IT行业工作经验;或 具有良好的商科相关专业学士学位或荣誉学位,2年IT行业工作经验。 电子商务/工程/经济学/统计学/数学专业也可以考虑申请信息系统专业。2. GRE /托福/其他考试要求: 国际申请人,需提交GRE/GMAT/TOEFL/IELTS考试成绩作为证明其学术和语言能力以及准备好进入研究生学习的证明。申请人还可能需要按学校规定参加其他考试。 考生的GRE最低分数应为320(语言和定量)和3.5(分析),或者 GMAT分数应为650及以上 TOEFL最低90分;或雅思6.0分 GRE和TOEFL成绩的有效期分别为5年和2年。申请时间:新加坡国立大学计算机学院信息系统硕士,每年招生两次,分别在8月和1月入学。申请人将于5月底或6月(8月入学)或11月底(1月入学)通过电子邮件方式获知申请结果。申请结果也可通过新国大在线研究生入学系统查询。课程费用:课程结构:信息硕士课程的学生需要完成40个模块学分,可以通过以下三个选项之一灵活地完成课程:课程选项:完成10个模块(40个学分),其中,至少5个信息系统专业模块(20个学分), 其余五个非专业化模块(20个学分)可从计算机学院提供的4000至6000级模块中选择。学位论文选项:论文相当于4个模块(16个学分),6个模块(24学分)其中至少3个是信息系统专业模块。项目选择:完成8个模块(32学分),其中至少4个是信息系统专业模块。课程期限:课程分为全日制和兼职读制两种,可于一至三年完成课程。信息系统硕士课程:四大支柱课程设置:申请清单:1、个人陈述(必填)申请人应简明扼要地描述你申请该课程的理由、你对该领域的准备、未来的职业规划,以及其他可能有助于评估你的能力和研究生学习动机的背景和兴趣。2、身份证明公民身份证、身份证、护照、就业证(EP)或新加坡永久居留证明的复印件。除新加坡公民外,所有申请人均须提交护照复印件。希望申请非全日制课程的国际申请人也必须提交其EP复印件。3、学历(附英文翻译) 学位证书的公证过的真实副本——学士/硕士 公证过的官方成绩单——学士/硕士4、考试成绩 GRE(General) 或GMAT 托福或雅思注:我们GRE的机构代码是0677,院系代码是0402/0404,GMAT代码是DRT-16-68,托福是9088。5、推荐人报告所有申请都需要至少一份推荐信/推荐人报告。推荐人的推荐将通过在线入学系统提交。申请人需要在他们的在线申请中提供推荐人的电子邮件地址,系统将向您的推荐人发送电子邮件。不必提交推荐信的纸质版。6、其他证明文件例如: 获得的奖学金、奖励和奖项等(公证过的真实副本) 专业证书复印件等(如有) 一份银行对账单和最近的工资单或保荐信原件。重要提示:必须在规定的申请截止日期前通过在线研究生入学系统提交包含上述证明文件的完整申请。 所有必需的文件必须在递交时上传,才可能被考虑录取。学校不会代申请人上传文件。 学院对不完整的申请不予处理。 对申请截止日期后收到的申请将不予处理。
新加坡国立大学(National University of Singapore),简称国大(NUS),是新加坡首屈一指的世界级顶尖大学,在国际框架下推展高深优质的教育与科研之际,突出展现亚洲视角和优势。新加坡国立大学位列2021QS世界大学排名第11位,2021QS亚洲大学排名第1位。学校有3个国大教学中心(教学与学习发展中心、英文交流教学中心、系统科学院 )。此外新加坡国立大学的教学语言是英文,并采用英美式的通才教育,学生第一年被分到各个所属学院接收公共课基础教育,第二年以后才根据自身爱好和特长划分专业;采用了学分制和投标选课制,根据学生的兴趣进行选课搭配的指导;采用了英式的5分制和荣誉学位制,根据学生的综合累积分(CAP)授予不同等级的本科学位。研究生和博士生通常有两个导师,一个在所属院系,一个在相关的研究所甚至私人企业。除了学习和科研外,学校还鼓励学生参加各种课外活动,例如,社团、义工、兴趣小组等。新加坡国立大学计算机学院开设专业:(1)计算机科学课程(MComp CS)为您提供了深入研究计算机科学核心领域、磨练专业知识和了解该领域最新进展的机会。您将具备应对新技术挑战的知识和技能,并作为IT专业人士和领导者扩展您的职业选择。(2)信息系统计算机硕士学位课程(MComp IS)将使你在高级IT数字化转型方面发展专业知识,并为你过渡到IT管理和领导角色做好准备。如果你有志于创新且可行的IT解决方案,MComp IS就是不二之选。(3)信息安全专业人员在前线工作,维护通信设备和用户之间的信任,保护计算系统免受恶意攻击,确保系统和应用程序安全部署,制定和实施组织安全和隐私政策,管理组织的IT风险。(4)人工智能计算机硕士学位课程(MComp AI)将以先进的AI原理、算法和应用培养学生。该课程着重于智能系统的计算基础和原理(知识表示,机器学习,推理),以及AI主要应用领域的最新技术和商业实践,包括计算机视觉、语音和语言处理、数据分析,还有机器人技术。(5)2021年1月首次招生的计算机硕士专业。主要是为非计算机专业本科学位的学生设计的,旨在为那些希望加速转换到计算机领域的毕业生提供一条系统的途径。除了帮助学生打下坚实的计算机基础知识外,该课程还提供了涵盖深厚的计算机专业知识的选修课,以帮助毕业生未来在IT领域的职业挑战做好准备。新加坡是许多全球性科技公司的所在地,其中包括阿里巴巴、Facebook、Garena以及谷歌(Google)、Grab、来赞达(Lazada)和雷蛇(Razer)这些区域领跑企业。更多留学小知识,快来私信吧!专业留学规划师为你提供专业留学服务,为你的留学之路助力!
东南亚地区的网络普及率越来越高,有很大的市场潜力,Google、Facebook等互联网巨头已经开始将新加坡作为开发东南亚市场的跳板,在此成立了分部,可以预见未来几年东南亚的IT行业将会发展迅速。新加坡作为一个新兴发达国家,自然不会忽视对IT人才的培养,新加坡大学如新加坡国立大学设有计算机硕士课程,这一综合性的、充满挑战性的学位课程提供计算机科学、信息系统、人工智能、信息通信安全四个专业方向供学生选择。我因为对AI非常感兴趣,所以申请的是人工智能方向。通过人工智能计算机硕士学位课程的学习,我掌握了智能系统的计算基础和原理,接触到了AI主要应用领域的最新技术和商业实践,包括计算机视觉、语音和语言处理、数据分析,还有机器人技术。我读的专业是计算机硕士-计算机科学方向,除了计算机科学方向,该专业还有信息系统、人工智能、信息通信安全以及将于明年1月开课的通识性方向。课程的学习并不轻松,我需要在研究生期间完成40个学分的课程并且CAP在3.0以上才可以顺利毕业。
商业分析理学硕士(MSBA)是新加坡国立大学商业分析中心(BAC)提供的课程。它是由国大商学院和国大计算机学院的获奖学者设计和教授的。该项目旨在培养具备商业分析技能的专业人士,以满足希望通过数据分析改善运营的公司不断增长的需求。国大商业分析理学硕士(MSBA)课程提供全日制(一年)或兼职(两年)课程,旨在通过平衡学术严谨和实践应用,促进体验式学习。新加坡国立大学商业分析理学硕士(MSBA)课程的学员将具备机器学习等技能,以便在金融、零售、信息技术、供应链和医疗保健等不同行业的数据分析领域表现出色。完成课程后,国大商业分析理学硕士毕业生将能够使用相关的数据驱动技术和工具来理解和解决复杂的商业分析问题,这是一项在本地和国际不同行业和环境中都非常需要的技能。入学要求: 优秀的学士学位,并具有良好的荣誉等级,最好来自商业,经济学,计算机,数学,工程学,统计学科学。如果您没有业务分析或上述领域的学位,则您应具有至少2年的相关行业工作经验。对于海外学位持有者,要求有良好的GRE / GMAT定量得分。从新加坡以下四所大学(国大,SMU,NTU或SUTD)中的任何一所毕业,GRE / GMAT可被豁免。扎实的数学基础申请时间(2021年8月入学):申请开始:2020年10月12日申请截止:2021年1月31日面试日期:2-3月录取日期:4-5月课程费用:(AY2021/22)申请费:100新元新加坡公民和永久居民:53,000新元国际学生:58,000新元学费需缴纳消费税GST:7%接受录取后预付押金4000新币 (包括在学费中)课程结构:学生必须完成8个模块——5门必修课和3门选修课。商业分析理学硕士(MSBA)的顶石模块是为期一年的模块,包括顶石课程、行业分析研讨会和3 - 6个月的全职顶石项目。共分为2个学期+项目/实习,8-1月,1-5月国大商业分析硕士课程:申请清单:
热门研究生申请专业包括计算机科学,电子工程、金融工程等常年以来,新加坡几所排名靠前的公立大学以其全亚洲首屈一指的教育质量、性价比高的学费、以及成熟的人才供应市场吸引着大批国内学子前去深造。热门研究生申请专业包括计算机科学,电子工程、金融工程、金融以及商业分析等。本文主要为大家详细介绍新加坡国立大学。新加坡国立大学,2021QS世界大学排名第11位,也是亚洲大学排名的NO.1。NUS开设了法律学院、商业、计算机、工程、医学、牙科等17所学院。以下是常申的热门研究生专业及申请要求:Master of ComputingMComp该项目为期1.5年(三个学期),有4个分支,包括CS, AI, Information systems, Infocomm Security。无论选择哪个方向,MComp要求必须修满10门课程才能毕业,每学期最多修5门。// MComp-Computer ScienceMComp-CS课程范围较广,包括分布式系统、高级计算机网络、算法、计算机系统性能分析、人工智能等。// MComp-Artificial Intelligence此方向旨在培养人工智能高级原理、算法和应用方面的计算机专业人员,重点关注智能系统的计算基础和原则(知识表征、机器学习和推理),以及主要人工智能应用领域的最新技术((视觉、语音和语言处理、数据分析和机器人)。AI方向核心课程包括人工智能决策、机器学习的理论和算法、神经网络和深度学习、模型的不确定性。// MComp-Information SystemsMComp-IS专门培养致力于应对数字化创新挑战的商业和技术人才。该方向的主要目标是为IT专业人员提供从软件工程师和软件开发人员等相关角色过渡到IT管理和领导职位的途径。这个方向课程的独特之处在以下4个方面:企业IT管理和转型、企业IT创新与设计、分析和智能系统、数字创业。与此同时,IS方向的学生也可以跟着教授做科研。// MComp-Infocomm Security该方向主要课程有密码学、信息安全、系统安全、网络安全等。// MComp 申请要求计算机专业的荣誉学位;或者计算机相关专业的学位,但需要2年IT工作经验。GRE:320+3.5英语语言要求: TOEFL 90; IELTS 6.0申请费:50新加坡币申请截止日:11.25-03.31MS in Business AnalyticsNUS的BA由其商学院和计算机学院合办,课程非常硬核,从数据管理、机器学习覆盖到神经网络和深度学习。项目为期一年,必须完成至少8门课程和一项长达3-6个月和企业合作的专业咨询项目。// MSBA 申请要求从往年的class profile来看,计算机和理工科背景的学生占了快7成。大多数录取者都有工作经验,应届生占比10%左右值得注意的是MSBA项目只需提交GMAT/GRE成绩,不需要也不接受托福和雅思。网申10月份开通。MS in Electrical EngineeringMSEE研究方向有纳米科学与纳米技术、生物医学系统、计算机/多媒体系统、数字与无线通信、智能控制系统、电子与光电子材料与器件、硅集成电路、微波与电磁学、电能系统。// MSEE 申请要求EE或相关专业,倾向于有工作经验的申请者。针对在读的学生,需要提交7个学期的成绩单,也就是需要大一到大四上的成绩单。工科托福最低要求85/雅思6.0,GRE不强制要求。秋季入学大约一月份开通网申。MS in Financial EngineeringMFE开设在Risk Management Institute, 主要学习金融产品开发、价格模型、对冲、投资技术、风险分析和计算方法。// MFE 申请要求MFE每年都有Early Admission,即提前批申请,一般在往年的6-7月。常规申请10.01开始,来年3.15日截止。往年录取平均GMAT: 705, GRE: 324+3.5; TOEFL: 102/ IELTS: 7.0。NUS B School MS ProgramsNUS商学院传统MS商科项目适合应届毕业生和初入职场的职员申请。// MS in FinanceMSF为期15个月,包含3个学期和长达3个月的实践学习。基础核心课程包含公司融资、金融模型、投资学、期权和固定收益。选修课可以根据自身的职业规划focus在下面3个方向:企业融资、投资金融、以及金融和技术。MSF申请要求:TOEFL: 100/ IELTS: 7.0; GRE/GMAT不强制要求,但是不错的GRE/GMAT分数可以加分。10.01网申开通,第一轮截止日在12.31,第二轮2.28,国际生的最晚不超过4.15提交申请。// MS in Marketing Analytics and Insights该项目为期12或15个月(取决于实践学习项目的时间),包含3个学期和一个实践学习项目,旨在培养学生来满足行业对数据分析师日益增长的需求,从而应对市场营销的相关挑战——预测需求和趋势、了解消费者的偏好和行为模式、创造新的产品概念和发展产品组合、定价和促销决策、制定分销网络。申请要求同MSF。10.01网申开通,第一轮截止日在1.15,第二轮2.28,国际生的最晚不超过4.15提交申请// MS in Management项目时长一年,不带实习项目,针对有商科背景但工作经历不足的的学生而设置的。不过只有春季入学。除此之外,marketing和management这两个方向目还有与CEMS(全球管理教育联盟)合作的双学位项目。
【新智元导读】2019 QS世界大学排名公布,清华成为唯一一所进入前20的内地高校,中国大陆有6所高校进入百强。在计算机科学专业排名中,清华超越北京大学排名内地最高,位列第15名,北大位列第18名。最新的世界大学排名来了。被誉为“全球三大高校排名”之一的QS世界大学排名,昨晚刚刚发布了2019年的最新世界大学排行以及计算机学科榜单,在这两个榜单中:全球排名前三的高校是:MIT、斯坦福、哈佛大学;中国内地排名前三的高校是:清华、北大、复旦;计算机学科全球排名前三的是:MIT、斯坦福、卡内基梅隆大学(CMU);计算机学科中国内地排名前三的是:清华、北大、上海交大。QS世界大学排名和泰晤士高等教育世界大学排名、U.S.News世界大学排名并称世界三大大学排名,具有很高的权威性。在计算机科学领域,U.S.News去年发布的计算机科学专业排名,前十名里面,清华超越其他所有学校霸榜第一,中国高校进了四所,引发了很大争议。而QS世界大学排名发布的计算机学科排名中,清华超越北大排名第十五位,北大则排名第十八。以下是排名详细情况,看看你的学校排第几?唯一进入前二十名的内地高校是清华,6所内地高校进百强2019年QS世界大学排名前十的高校是:MIT、斯坦福大学、哈佛大学、加州理工学院、牛津大学、剑桥大学、苏黎世联邦理工学院、帝国理工学院、芝加哥大学、伦敦大学学院。前十榜单和2018年相比毫无变化,继续被欧美高校霸榜。前二十的高校里面,清华是唯一一所内地高校,排名第十七,清华去年排名第二十五,排名进步很大。值得注意的是,新加坡的两所高校新加坡国立大学(11名)和南洋理工大学(12名)表现抢眼,成为亚洲高校里面排名最靠前的两所大学。新加坡国立大学去年排名第十五,南洋理工大学去年排名第十一。北大位列第三十名,跟去年的第三十八名相比也有很大的提升。前一百名中,中国内地高校有六所:清华(17)北大(30)复旦(44)上交大(59)浙大(68)中科大(98)以下是所有上榜内地高校的大排名,看看有没有你的学校:港澳台方面,进入前一百的有:香港大学(25)香港科技大学(37)香港中文大学(49)香港城市大学(55)国立台湾大学(72)计算机科学排名:清华反超北大下面是单项榜单。在计算机科学与信息系统学科排名中,MIT依旧是这个领域的常青藤,排名全球第一,这也是该校连续8年荣登榜首。第二和第三名是斯坦福大学、CMU。四到十名分别是:加州大学伯克利分校、剑桥大学、牛津大学、哈佛大学、洛桑联邦理工学院(去年并列第18名)、苏黎世联邦理工学院、新加坡国立大学。清华大学今年并列第15、北京大学并列第18。需要指出,在去年的排名中,北京大学位列第17名,清华大学位列第20名。也就是说,清华今年反超北大。具体看,清华的计算机学科排名比去年有所上升,而北大则略有下降:清华的计算机科学学科排名全球并列第15,比去年上升5位。北大计算机学科全球并列第18,比去年下降1位。2019年,QS大学计算机科学学科排名,中国大陆地区的大学排名如下:清华、北京、上交大、复旦、南大、中科大、浙大、中山大学、西安交大。中国香港的大学表现也不凡,共有5所进入前100名,依次是港科大、港大、港中文、香港城市大学和香港理工大学。中国台湾进入前100的大学有3所,依次是国立台湾大学、国立交通大学、国立清华大学。中国澳门这次没有大学进入前100名。大学排名依据:学术和雇主声誉占70%每年的世界大学排名只要一出炉,必定会引起众网友们的口水之争。去年U.S.News世界大学计算机科学排名,清华大学位列世界第一,引发争议,原因在于其独特的评估体系。那么今年QS大学排名的依据和体系是什么呢?根据其官网介绍,主要分为四个指标:学术声誉(Academic Reputation):40%雇主声誉(Employer reputation):30%文献引用数(Citations Paper):15%H-Index引用(H-Index Citations):15%当然,根据学科的不同,四项指标的权重分配也会有所不同。上述各项百分比数值为计算机学科的权重分配:学术声誉(Academic Reputation)今年,QS世界大学排名得到了来自全球83000名学者的反馈帮助。在提供了姓名、联系方式、职位以及所在机构等信息之后,受访者需要确定他们最熟悉的国家、地区和faculty area,以及他们所拥有专业知识范畴内的两个更加细分的学科领域。对于他们所确定的(最多5个)faculty area,受访者被要求列出他们认为在给定领域中最优秀的10个国内机构和30个国际机构。当然,他们无法选择自己的机构。雇主声誉(Employer reputation)QS世界大学排名从全球研究生雇主那里收集了42000万份调查回复。雇主声誉调查的工作原理与学术声誉类似,但不适用于不同的faculty area。雇主被要求找出他们认为最适合招收研究生的10个国内院校和30个国际院校。他们还需要确定他们更希望招收的学科方向。文献引用数(Citations Paper)在这个指标中,衡量的是每篇论文的引文量,而不是每名教员的引文量。并且为每个学科设置了最低的发表门槛,以避免由少量高被引论文引起的潜在异常。H-IndexH-Index是一种衡量科学家或学者发表作品的生产力和影响力的方法。该指数是基于该学者被引用次数最多的论文集以及他们在其他出版物中被引用的次数。你觉得,这个榜单排名是合理的吗?
新加坡国立大学(National University of Singapore),简称国大(NUS),是新加坡首屈一指的世界级大学。在2021QS世界大学排名中,新加坡国立大学位居第11名,亚洲第1名。本期我们为大家介绍新加坡国立大学计算机学院硕士项目,以供大家参考。计算机硕士Master of Computing新加坡国立大学计算机硕士隶属计算机学院,是一个具有领域专业性,全面且具有挑战性的研究生课程。它涵盖了最新的研究成果,包括应用和基础研究。该计划还提供高级和深入的IT知识,为学生将来应对IT职业挑战做好准备。项目提供多个研究方向供学生选择: Artificial Intelligence Computer Science Infocomm Security; Information Systems项目信息项目时长:1.5年(全日制)学费:AY2020/2021:S$48,000(不含GST)申请时间:8月入学:申请开始时间为11月/12月,申请截止时间为3月15日1月入学:申请开始时间为8月15日,申请截止时间为9月15日本科背景:计算机专业荣誉学位;或具有2年IT行业经验的相关学科的荣誉学位;或具有2年IT行业从业经验的计算机学士学位;或具有2年IT行业经验的与业务相关学科的良好的学士学位或荣誉学位以上为最低入学要求,将优先考虑具有IT相关工作经验的学生。语言成绩:最低分数要求托福90/雅思6.0GRE/GMAT:最低要求GRE320(写作不低于3.5)/GMAT650面试:无面试
作者 | Showthem@知乎(已授权)「 开始写这篇总结的时候是三月,纽约成了疫情震中,看着新闻报道里的中央公园,中国城,第五大道,往事浮现,于是开始写这篇回顾。陆陆续续一直没写完,转眼年底了,加州疫情更糟。前几天看新闻说Cathedral教堂发生枪击案,震惊...这教堂就在我当时住的学校公寓旁边,每天出门都可以看到。遂又忆起每天上学的时光,于是决定把这篇总结写完,会分几个part放出来。快圣诞了,希望疫情早日控制住,一切安好 」。刚上大学时,听过不少学长学姐分享会;申请博士时,读了不少留学申请总结。都收获很大,让当时啥也不懂的我,了解了每场游戏(如何度过一个充实的本科;如何拿到心仪的PhD offer)的principles:有啥规则,有啥技巧,等等。开始读博时候,我也去找类似的读博经历分享,令我收益良多的,如熊辉老师、田渊栋和李沐大牛的总结,林达华老师的blog;但可惜只有这寥寥几篇,读博又是一个复杂的事儿,当时的我并不能清晰地看见前面的路,遇到一些事亦因缺乏经验借鉴,走了弯路。于是当时便想着,等我毕业了,也得记下我的经历,希望能帮助到刚开始读博,像我当年一样迷茫的科研新人。也借此记录和感恩一路走来,所有帮助过我的人,best of luck。因为篇幅限制,有的问题难以讲得完善全面,或跟您意见不合,全当看小说,寻个乐子罢了。作者Mike Shou是Facebook AI研究科学家,他将于2021年加入新加坡国立大学,担任助理教授。他在哥伦比亚大学工程与应用科学学院的高级执行副院长张世富的指导下获得了博士学位,研究领域为计算机视觉和深度学习,主要关注视频理解和生成。 个人主页:http://www.columbia.e/~zs2262/1万事开头难(第一学期)1.1 初到纽约2014年夏天,在北京国际机场,我安慰我妈说,“没事,明年暑假我就回来啦”,万万没想到,一直忙忙碌碌,一去就是5年……可能是初次留学的兴奋,十几个小时的飞行,感觉很快就过了,到了JFK机场,坐上纽约特色的黄色的士。去学校路上,先是皇后区的平房,后来到了曼哈顿,深砖红色的高楼,跟想象中的国际大都市并不大一样,倒很有历史厚重感,日后想想也是,纽约也不能到处都如时代广场那般呀。接着,办入住,搞卫生,小憩了一会儿,傍晚出去门口的超市买点吃的;第一次从112街,走到Broadway上,看着熙熙攘攘的外国人面孔,很傻的竟然笑了出来…那会儿自然是极开心的,就是一个毛头小子,充满了对未来生活期待的样子(哎,回不去的青春啊);当然了,怎么也没想到,接下来的一年,会如此艰难……1.2 差距开学后一系列事情,一下子让我清清楚楚地,看到自己跟师兄们比,各个方面有着很大的差距。且不说核心业务能力了,首当其冲自然是语言环境的变化。一天路上,一小哥对着我说:How are you?我想,这不是新概念英语上的经典对话吗,难道我真要回传说中的I’m fine, thank you, and you?从那儿之后,我知道了,how are you就相当于,吃了么您呐,并不是真的问什么,而是打招呼,跟say hi差不多,一般回good good就可以了,甚至不回,直接也回对方how are you都行。然后到了第一天来lab,正好Y来面博后,老板让他给个talk,Y希腊口音的英语,再加上讲的内容涉及一些专业术语,几十分钟我几乎完全没听懂他说什么;会后跟他一对一meet,更是尴尬的很…后来18年来FB实习,巧了Y是我mentor之一,第一天带我吃的午饭,我们交流完全无障碍了,他也不记得当年还见过我……我有个朋友总结,刚来时候,跟外国人的交流,是三分靠听,七分靠猜……现如今,即使是印度口音,只要不是说的特别差的,或者我特别不熟悉的东西,都能通畅交流了。感觉这没啥技巧,首先要敢说,然后多跟不同的人聊天练习,慢慢就好了,倒不必太过担心,徒增压力。但是如果英语不好的话,难以跟外国专家合作,融入核心科研圈子,对长远的发展耽误很大,尽量在1-2年内做好这个提升。1.3 让老板知道你在干活因为我是本科毕业直博,刚读博那会儿,思维里还是默认,导师是教育培养学生的角色,指导学生做出成绩;明白但没有深刻认识到,博士生与导师还有雇佣关系。第一个学期,我主要是跟着师兄们做,跟导师大概一个月meet一次,每周有weekly report。开学时,老板把我分给一个师兄带,参与他的项目A,是个很好的学习机会,但是发不了paper。11月,CVPR投稿的季节,另一个师兄找到我帮忙做项目B,这个项目准备投CVPR,做出来的话可以co-author。于是我那段时间都扑在做B上,终于实现了其中一个核心的模块。CVPR投稿完的那周,正好导师约meet,我想B的事情做完了,下面精力就都是做原本的A了,meet对我来说,主要目的是确定下接下来的plan呗。正好搞CVPR之前,项目A的师兄让我reproce一篇NeurIPS文章的方法,用到项目A的data上,于是,我准备的slides主要介绍那篇NeurIPS和怎么用到项目A上。结果meeting结束,导师很不高兴,觉得我这几周没有progress。记得那天导师办公室没开灯,冬天下午五点的纽约,天已经黑了,周围一片黑压压的,更显压抑。我当时挺惊讶的,因为原还以为在导师印象中,是我参与了B的CVPR投稿,很impress呢。我后来仔细反思了下,虽然这几周我对B也算是呕心沥血,weekly report里也有提,但是,一来我只是coauthor,对于B工作整体而言算不上main contributor;二来导师很忙,不能assume对方完全了解并且记得你做过的一点一滴。同时,我也明白了这个meeting的目的既是讨论research ideas,但也是review progress,我首先得让导师明白,我这段时间有在好好干活。现在的我,不会只提项目A之后我想怎么做,会同时准备一页slide总结下我对B的贡献。1.4 自己的感受没那么重要我们系第一个学期末就要博士资格考试。这个考试,各个学校称呼不同,大概就是博士生通过这个考试,才证明有能力,qualify继续读博士。我们系给大家两次机会,第一学期末第一次考,没通过的第三学期末再考一次,要是还没考过,就只能卷铺盖走人了。而且这考试还真不是走过场,每次大概挂三分之一的人,所以真真切切见到周围有人因为qualify没过走人的。我本科学的CS,博士因为fellowship是EE发的,所以在EE系。这可愁坏我了,因为考的是EE的基础topics,电路,DSP,网络啥的我大都一窍不通。于是第一个学期的课,我选了门DSP,准备好好从头学。这是硬课,再加上平常主要精力还得放在lab的项目上,第一学期压力巨大。记得有一天,晚上睡觉做了噩梦,梦到不知什么怪物,惊醒,醒来想到各种tasks各种e,顿时只想继续回到梦中,相比而言,还是怪物比较可爱……这时候,只好把自己的感受搁置一边,累、苦,想这些又有什么用呢,只能更加平添烦恼。该做什么就去做,告诉自己干就完了,结束后反而发现,过程其实也就那样,有时候我们只是过度看重了自己的感受,夸大了困难的程度,其实自己的感受没那么重要,只要身体本身还撑得住。qualify考试在1月初。12中旬,忙完了期末考试,去Chinatown吃了顿好的,回家看了部电影,然后跟导师请好假,专心复习qualify。大概有三周的复习时间,除了DSP,其他的topics完全从零开始学。后来觉得,这考试的目的,不是考的知识本身,而考的是学习能力。复习的过程是很惨了,时值圣诞节假期,朋友圈各式各样在佛罗里达坐游轮的,迪士尼看烟花的,回国火锅小烧烤的;而那年的纽约还尤其的冷,家里的暖气开到最大,还是冷的不行,我只能早出晚归的去图书馆;路面冻得白花花的,公车开过扬起白沙,从家里112街到图书馆114街只有5分钟,但却那么漫长;每天几条裤子叠着穿,有天开始一度冷到零下负十几度,我刚出门一会儿就赶紧回来,在牛仔裤外面又套了件运动裤……所幸最后考试通过了,小秘告诉我竟然考了第三,震惊,真是功夫不负有心人讷……1.5 上课没那么重要第一学期,选DSP,纯为了考qualify exam修的,跟我日后的研究,基本不搭噶。我第一学期还修了机器学习,机器学习我之前没有系统学过,学完还是受益良多。但为了达到学分要求,我博士期间,被迫修了14门课,第四年还在上课……我的感觉是,CV是实践科学,上课没那么重要,很多时候甚至是浪费时间。我觉得值得选课去学的,可能就是机器学习,算法,就够了。搞CV方向的,与其上门CV,还不如自学网上教程,亲身参与几个项目,学的更快,对书上的知识有更深刻的理解。我觉得上课最大的作用,就是去了解这门学科,有哪些基本的概念和算法(所谓把unknown unknown变成known unknown),哪天你要用到他们了,需要把known unknown变成known known的时候,知道在Google里输入啥关键词去搜。当然如果有时间,上些基础型的硬课,自然没啥;但对于博士生,时间本就紧张,就得做做平衡了,选些seminar的课比较好,一般主要就是读论文,做project。我后面陆陆续续带了很多低年级的学生,很多人学期伊始,觉得要多学些知识,选的都是硬课,学期过半,发现作业做不完,科研没时间,两头耽误,都是后悔不已…2方向比努力重要2.1 PhD选题第一学期在课业,科研,qualify考试,适应国外环境,种种碾压之下,总算过去了……虽然痛苦,但只是工作量大,努力使劲就好了……第二个学期开始,2015年于我,关键词是迷茫,努力努力但怎么也使不上劲的那种……第二学期开始,重心主要集中在research上了,跟导师的meeting也从一月一次变成了每周一次,有幸得导师亲自调教各种真正做科研的能力了。导师给我定了个新的项目,深度学习下的incremental learning。这其实是个很难的问题,现在5年后来看,都没有被很好的解决;亦没有一个标准的benchmark,也就是说,其实大家还没有定义好这个问题;记得导师那会儿说,if you can formulate this problem,这个问题就已经解决70% 了。结果忙忙碌碌几个月,研究了很多文献,做了很多实验,还是没有太大的进展,就是感觉很迷茫了,不知道下一步该干嘛。幸运的是,到5月份,导师让我跟师兄一起参加一个叫THUMOS的比赛,这其实又是个新的项目了;开始我还觉得,已经忙不过来了,哪有时间再多一个项目,后来庆幸参与了这次比赛,开始了我做video这个方向的科研生涯。那会儿video领域,大家主要做classification,而且是几秒的短视频;THUMOS是长视频,而且不光有action classification task,还要一个task是action detection,检测你所感兴趣片段的开始/结束时间。参加比赛时,我跟着师兄主要搞classification,边做边学,上手了处理视频的模型和框架,收获很大。比赛完后,我发现classification大家搞的火热,而detection,同样很重要的一个课题,却没有人研究过基于深度学习的方法,于是就有了我的第一篇CVPR文章,收到了很多follow-up。我自己也算是找到了自己的研究方向,不再迷茫。我觉得这段经历,对新手很有参考价值,很多时候光努力不够,方向更重要。新手如何选博士几年的topic,有两个问题值得思考:能不能快速上手?有几个简单的评判标准:state-of-the-art的paper有没有开源的代码?目的是你能迅速复现baseline,熟悉整体pipeline(如怎样预处理,后处理),加深对实现和细节的理解有没有对这个topic有hands-on经验的师兄,或者community里面approachable的前辈?目的是,当你遇到实现上的细节问题,可以及时咨询和得到反馈这个topic有没有比赛,或者标准的benchmark?目的是,有大家已经定义好的数据,实验setup,评价标准;这样,你有可以直接比较的baseline,outperform baseline的时候也容易被人认可能不能有大的impact?这里我指的是博士期间的大方向,由一系列单项的工作或者paper构成。单篇paper通常有三种类型:(1)First work:开创了一个topic,比如RCNN于object detection(2)Last work:基本解决了一个topic,比如Faster-RCNN,YoLo于object detection(3)Improve类型,介于First和Last之间的。Last很难,Improve常见但影响力不够深远,对于新手而言,博士的早期工作,在有能力做出来和有impact之间的trade-off比较好的,估计是First了,不一定非要是第一篇,只要是某个topic里面开创性工作的那一批之一,都是不错的。这个早期工作之后,你会对这个问题哪里要改进,有很清楚的认识,因为improvement room大,也会有很多ideas。同样,早期的时候怎么选这样一个topic呢:相关的比赛是这一两年新开的吗,相关的benchmark是这一两年出来的吗,上面的结果提升空间大吗(现在是20%还是已经80%了)?2.2 单篇Paper选题前面说的PhD选题是大方向上的,具体到每一篇paper,选择的principle和重点则不太一样。来Facebook后从马爷爷那知道了一个著名的Heilmeier问题系列,是指导老师们申项目的,我觉得稍微改改,便很适用于我们考虑,某一篇paper的选题,合不合适:What are you trying to do? Articulate your objectives using absolutely no jargon.How is it done today, and what are the limits of current practice?Who cares? [Support other’s research? Shape research landscape? Power applications in instry?]What's new in your approach and why do you think it will be successful?If you're successful, what difference will it make? [e.g. Contributions in theory/modeling? Improve accuracy by 5% on dataset A, B, C…?]What are the risks and the payoffs? [Further, how would you mitigate the risks? If your proposed method does not work, what could be alternative design? These can end up as discussions such as ablation studies in your paper.]How much will it cost? [e.g. How many GPUs do your experiments require? How long is each training process? How about data storage?]How long will it take? [How many hours are you going to work on this per week? When is the submission DDL? Can you make it?]What are the midterm and final "exams" to check for success?3谈谈PresentationPresentation分为作报告,还有就是写paper3.1 谈谈做报告14年,刚来哥大那会儿,每周五是我们组会,导师让我在组会上present RCNN,这是我第一次给老板作报告,而且是在全组面前报告,自然想要好好表现。我对object detection之前完全没了解过,于是paper读了一遍又一遍,文中用到的前人技术不懂,便找到前人的文章去学怎么回事。感觉自己学到好多,自我感动,觉得花了这么大工夫,一定到时候会让导师刮目相看。结果就是啪啪打脸:导师极其严谨,当我解释了A,解释了B,问我已经有A了为啥还要B;我大脑一片空白,尝试着解释了半天,导师表示听不懂,这是可想而知的,因为其实我自己也并没有搞清楚为啥;当时自己读paper的思维模式其实只是,memorize怎么做怎么做,但没有去搞清楚要这么做背后的原理;另外当时slides准备的也不够好。总之结果是,这次报告搞砸了。还好事后,师兄们继续跟我讨论,让我对技术原理有了更深刻的认识;有的师兄更用亲身经历安慰我,说当年他刚来的时候,第一次汇报工作连slides都没做,干讲,导师自然也是没能听懂。之后几年,从导师身上学到了很多presentation的技巧:如果可能的话,事先了解你的听众背景,是跟你做同一个topic的,还是同一个大领域但不同topic的,还是完全其他专业背景的。需要根据听众背景,定制和调整:比如,需不需要多介绍些背景?需不需要更深入技术细节?等等一页slide尽可能focus在一个点上,不要信息量过大,否则听众很容易lost尽可能多用图片表达,不要大段大段的列文字,A picture is worth a thousand words上面这两点,其实principle都是尽量让要讲的内容简单明了,因为很多时候我们在听talk,这样被动接受的时候,接受新知识的能力是比主动接受时候(比如看paper)低的。当听众问问题的时候,If you don’t know the answer, just say don’t know.如果是跟mentor日常讨论的slides,因为会讨论到很细节的东西,有些图PPT画起来,很花时间,而且通常这样细节的图还挺多,所以可以就ipad上面手画一画,截个图放到PPT里就好了;如果是正式一点的presentation,写slides跟写paper的principle有点像,不要太focus在细节上,更重要的是讲清楚motivation,为什么这样设计,细枝末节的不关键的内容,放在backup slides里面。19年CVPR,Doctoral Consortium有幸mentor是斯坦福的一位大牛教授,她也提到了presentation的重要性,说她们lab有个开玩笑的说法,一份slides交给她去改,no pixel left……为了分享如何能让报告听起来有兴趣,她画了下面这张图,让听众情感(亦是兴趣高低,注意力程度)随着时间的变化,有三个高潮:首先,介绍你的问题,通常这时候大家都会引发兴趣;但听着听着大家注意力就不集中了,这时候就到了图中第一个低谷,这时候需要指出来这个问题有哪些challenge,大家的兴趣就又被激发了;等大家兴趣来了,精力集中的时候,介绍你的一部分工作work 1;等介绍完第一个工作,大家又疲劳了,这时候指出来,即使有这个work 1,问题还不能被解决,因为有remaining challenge;接着大家又被调动了兴致,可以开始介绍work 2。3.2 谈谈写paper在2.2里面讲了对某一篇paper,如何选题和做规划。那真的到了写paper的时候,我自己有几点如何让文章写的更好的体会:先给一个Talk。写paper最难的是构思storyline,而最好的完成这一步的方法就是先对你的工作做一个slides,给周围的人present一遍。这个过程中,你会梳理好自己的思路,画好文中的figure,准备好实验结果的table,周围的人还可以给你提意见,帮助你完善,等这个talk给完了,后面写paper就会顺畅自然了。其实我现在,如果准备投一个paper,当做了一段时间后,就会按照最终presentation的思路,准备slides,用在每周给老板们report时。开头先快速review一下做的task和提出的方法,remind一下context,然后重点focus在那周做的新东西上,所以每周汇报的slides可能80%都是跟上一周一样的,然后新的方法和实验结果的那几页slides是新的,有比较多的细节。用Google doc做语法检查。刚写好的paper有typo和语法错误是很难避免的,但常常会被reviewer揪着不放。大家写paper如今大都在overleaf上,但overleaf的查错还是不够好,建议可以写完paper后,贴到Google doc里面。几年前开始,估计是由于deep learning对Google NLP的改进很大,感觉Google自动改的质量已经非常高了。Rationale很重要。不光是要讲清楚你怎么做的,更要justify你问什么这么做;不光要讲你的结果比baseline好,更要解释为什么好;读者看到的不应是一个“使用手册”。有时候我们写paper,花了很多篇幅写了很多实现细节,但是更重要的是,解释“为什么”,这个背后的逻辑和insights。大部分paper都是提出一个新的方法,这类方法型paper似乎都可以套下面这个框架:Introction:可以分为以下几个部分:Problem definitionPrevious methods and their limits简单描述你是提出了什么技术来overcome上面的limits一个图,非常high-level的解释前人工作的limits和你的工作怎么解决了这些limits,最好让人30秒内完全看懂最后一段如今大都是,In summary, this paper makes three contributions:First work to解决什么limits提出了什么novel的技术outperform了state-of-the-art多少Related Work:一般三五个subsection,分别review下相关的topics,同样不光讲previous work做了啥,更要讲自己的方法跟前人工作有啥不同Method这是文章的主体,按照你觉得最容易让别人看懂的方式来讲可以第一个subsection是overview,formulate一下你的problem给出notation,配一个整体framework的图,图里面的字体不能太大或者太小看不清,要有些细节,让人光看图就能明白你的方法是怎么回事,但不要过于复杂,让人在不超过2分钟的时间看完这张图然后几个subsection具体介绍你的方法或者模型;如果testing跟training不太一样,最后一个subsection介绍inference时候的不同,通常是一些post-processing操作ExperimentDatasetsImplementation details such as pre-processing process, training recipeEvaluation metricsComparisons with state-of-the-artDetailed analysisAlternative design choice explorationAblation studiesVisualization examplesConclusion (and Future Work)Abstract:是全文的精简版,建议在paper写完第一稿差不多成型了,有定下来的成熟的storyline了,再去写abstract;大概就是用一两句话分别概括paper里面每个section,然后串起来另外paper提交时候,可以交supplementary materials,虽然reviewer并不被要求强制看这个,但其实给我们机会,去include更多文章技术细节、实验结果的好地方;在后面rebuttal阶段,通常篇幅有限制,但如果你已经在supp里面未雨绸缪,可以省很多空间,refer reviewer去看你supp里面的内容就好了。说到rebuttal,我还是比较幸运的,从导师那学到很多。导师已经是功成名就,业界泰斗那种,起初我以为他这个级别会对我们是放养;但我在哥大投自己第一篇一作paper的时候,导师可以说是手把手带我入门了。还记得16年CVPR review出来后,导师找我讨论rebuttal,我那会儿对写rebuttal并没有什么经验,也不知道可以用R1代表review 1等等。那天meeting开始已经晚上7点了,估计导师还没吃饭,我两就挨着坐在他办公室里,对着他的电脑,讨论reviewer提的一个一个问题。因为很多时候其实reviewer表达问题并不准确,他教我分析每个问题背后reviewer真正关注的点是什么。边讨论,导师边直接敲下我们讨论的notes,meeting完后,我看这notes基本上就可以算是个rebuttal的初稿了,比我meet前准备的draft强多了……
新加坡国立大学(National University of Singapore),简称国大(NUS),是新加坡首屈一指的世界级顶尖大学。新加坡国立大学研究生申请gpa要求是不少学生所关心的问题,新加坡国立大学研究生申请要求学生有本科学历证书,下面随选校帝看详细介绍:新加坡国立大学成立于1905年,2006年由英国《泰晤士高等教育增刊》所发表的世界大学100强排名中,新加坡国立大学名列第19位,在几个重要的学科领域表现更为出色。在科技领域方面,国大上升到第8的位置。在生物医学领域的排名为世界第9名。此外,国大在社会科学领域居亚洲之首,世界排名第11位。国大拥有13个提供本科和研究生学位课程的学院、1700名博士、博士后专家与学者,500名研究人员。这些教职人员均毕业于世界著名的高等学府(主要是欧美名校),保障了教学内容的国际化和教学品质的卓越性。新加坡国立大学为各个领域的专业人才提供了最先进的研究设施和条件。11个国家级的研究中心和11个大学级的研究中心遍布校园,创造了浓厚的研究气氛。这些研究中心与制造业、IT业以及生物科学等产业紧密合作,真正做到了“学以致用”,并启发了学生的创业精神。1)新加坡国立大学研究生申请专业文学及社会科学系:中文,语言研究,文学,东南亚研究,应用经济,经济,国际关系研究(GRE),社会工作学(GRE)计算机系:计算机商学系:工商管理(英文授课),工商管理(中文授课)设计及环境学系:建筑科学,工程管理,不动产,环境管理,建筑学,都市设计,建筑法律工程系:土木工程,化学工程,电子电气工程,环境工程,地质工程,工业与系统工程,智能产业管理,科技管理,材料科学及工程,机械工程,机械电子,运输系统及管理,安全健康与环境技术,系统设计及管理,法律系:法律(中国法),法律(公司及金融服务法),法律(知识产权法),法律(国际商法),法律(国际比较法)生物工程系:生物工程学医学院:临床胚胎学,医学,病理学公共关系系:公共管理,公众管理,国家政策理学院:化学,应用物理,物理,数学,统计学,工业化学系统科学系:工艺学2)新加坡国立大学研究生申请基本条件1. 本科毕业,有学士学位证书;2. 语言成绩:新托福92分以上(机考)或雅思 6.0分;3. 个别专业需GRE成绩及面试;4. 个别专业需要工作经验3)新加坡国立大学研究生学费约14700新币/年,个别专业有所不同4)新加坡国立大学研究生申请截止日期每年1月(个别专业略有不同)5)新加坡国立大学研究生的入学时间每年8月份入学6)新加坡国立大学研究生的学制1-2年(注:个别专业会有所不同)备注:计算机系: 计算机硕士学位申请基本条件:1.本科毕业,学士学位证书,优秀的本科成绩(最好为电脑工程专业),两年相关工作经验2.GRE成绩(1350分以上),新托福(100分)/雅思(6.0分)学费: 约14700新币/年工程系: 土木工程,化学工程,电子电气工程,环境工程,地质工程,工业与系统工程,智能产业管理,科技管理,材料科学及工程,机械工程,机械电子,运输系统及管理,安全健康与环境技术,系统设计及管理新加坡国立大学研究生申请gpa要求。申请基本条件:1.本科毕业,学士学位证书,优秀的本科成绩2.新托福(92分)/雅思(6.0分)3.最好有相关工作经验及GRE成绩学费: 约14700新币/年3.杜克大学-新加坡国立大学研究生医学院招生条件:1.完成至少本科学历(或本科第四年),本科专业为医学以外的科学专业。最好是生命科学,工程科学,药理学,化学,物理,计算机科学,或类似领域。2. GRE成绩(最低1400分)3. MCAT (Medical College Admission Test)成绩(30分以上)4. 新托福(100分以上)/雅思(7.0分以上)5. 优秀的本科成绩(成绩需通过WES鉴定)6. 3-5份导师推荐信7. 面试学费:约38000新币/年 学费贷款:学费的85-90%学制:5 + 1 = 6 年 学位:医学硕士学位新加坡国立大学研究生申请gpa要求是什么?通过以上对新加坡国立大学的研究生专业入学要求介绍和新加坡研究生学费的解读,很多计划去新加坡的学生和家长应该对新加坡研究生条件和新加坡研究生学费有了大致的了解,特别是计划申请新加坡国立大学的人更可以参考以上信息制定自己的新加坡计划。