我希望旗帜鲜明的摆明我的观点

我强烈建议所有人都自己DIY申请博士

千万别找中介啊
千万别找中介啊
千万别找中介啊


这不是你有钱还是没钱的问题,而是花钱找中介也未必能在CS博士申请的道路上扫清障碍的问题


美国名校CS博士申请...实在是太魔幻了...

即便是你有的是钱,也不要花这个钱,因为CS博士申请的不确定性实在太多。虽然任何事都有不确定性、都没有100%,但是问题就在于CS博士申请这个节点,运气的因素非常大,起码比你想象的要大。

甚至在很多时候,会发生【即便是你能力不行,但是你运气好,所以你能申上好的CS博士】以及【即便是你能力行,但是你运气不好,所以你没能申上好的CS博士】这种事情。

总之,CS博士申请的旅程上,有太多不确定性,花钱也无法对抗博士申请的不确定性,那为什么还要花钱呢?

即便是你有的是钱,那我觉得你遇到靠谱的机构或者导师之后,最多预约1-2个单次付费咨询就可以了。。。真的,撑破天你就花这种小钱就行了、就到头了,不要再额外多花一分钱了。

总之不要找中介购买几万元的博士申请服务。

现在的你可能满脸问号,不太明白为什么肖哥会得出这样的结论。

所以接下来,你跟着肖哥的思维,一步一步走,你就会完全明白其原因了。然后你就会与肖哥一样,对身边的所有人也呼吁“博士申请不要找中介、不要花钱”了。



接下来,我们不妨看一看,那些优秀的人且考虑申请CS博士的人,会按照什么思路去思考自己是否要申CS博士、以及如何要申CS博士?

根据肖哥的观察,这样的人的思维框架如下:


思考的流程

1.思考清楚是否真的有必要读CS博士

2.认清好运与坏运都可能会在CS博士申请的路上发生,并且直接导致博士申请成功/失败

3.在备战CS博士申请之前先想好如果申请失败,自己的出路是什么

4.如何备战CS博士申请

5.拿到博士录取后,选择offer的原则

6.如何克服读博期间的挑战,并且顺利毕业

7.博士学历的人在找工作的时候的注意事项


接下来,肖哥一个一个说一下这7步思维流程应该如何思考



对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html

一个人可能会因为各种原因而想要读博士,那到底哪些原因是理性的、哪些是不理性的呢?

注意,我这里说的理性,是指的——假设有一个人,他非常有钱、喜欢购物,每次去逛街都要买名包。虽然他很有钱、他可以这样做、这也是他的自由,但是问题就是每次逛街都要买名包是不是有点太过了、太浪费了,大部分人看了后可能都会说一句“虽然你有钱,但是你也别太浪费、别太奢侈,这样有点不理性”——对,这就是我说的理性二字的含义。

总之,肖哥的意思是,在申博这件事,你需要有比较理性的原因后,再去申请CS博士以及读CS博士。


6种常见的不理性的原因

6种常见的理性的原因

不理性的原因1:我只是单纯的想读一个博士,因为博士是地球上的最高学历,我想要这个最高学历。

肖哥不建议你感情用事,毕竟读博期间你少赚了5年钱,在美国5年的CS工作可能会让你拥有40-70万美元(甚至更多)的积蓄,这钱你真的不要么?
理性的原因1:我以后想要做CS教职(成为CS Professor)、或者以后想要在几十年的工作生涯里 学界职位和业界职位来回切换自如
肖哥觉得,如果你是因为以后要从事的职位,几乎只考虑博士学历的人,你再去读博士的话,那的确是理性的决定。不过,在学界做professor也是一份辛苦的工作,你需要持续做科研、持续跟踪领域动态、持续学新东西、还要教课、带学生、以及处理行政有关的事务,其实压力也是不小的。所以肖哥建议你一定多了解了解成为professor之后的工作日常哈~

不理性的原因2:很多教授和学长说只有读博了才能实现能力的切实提高,读硕士期间得到的训练不够,人的能力会有欠缺。

肖哥不建议你盲目夸大博士对人成长的作用。虽然读博期间会很难的任务要完成,但是工作期间也会有很难的任务要做,人的能力也会得到切实提高的。
理性的原因2:我想要一毕业就成为业界的CS Research Scientist
肖哥觉得,如果你是因为一毕业就想立刻成为Research Scientist,那你可以去读博士。(不过,你在开发的岗位工作5-10年之后也有希望成为Research Scientist。)

不理性的原因3:感觉现在就业形势不如前几年好,我先去学界读个博士,在学界躲几年再出来找工作。

肖哥不建议你过度高估求职难度。虽然近几年形势不如以往,但是把准备做充分,然后按照极致的思路找下去(思路在肖哥的“CS求职疯子”版块),就能找到工作、且不用担心laid off。
理性的原因3:我不想做单纯的ML开发或者是软件开发
肖哥觉得,如果你不想做开发,那的确可以考虑读博然后之后走科研色彩重的职业道路。

不理性的原因4:读博了之后,学历会变高,就一定能找到工作。

肖哥不建议你过度放大读博对就业的帮助。只有特定的职位可能会卡学历,绝大部分的CS职位是不卡学历的(本科、硕士、博士都可以)。想要提高自己的就业竞争力,应该是在自己的简历多多暴露业界色彩。具体看下https://www.xiaogeedu.com/h-nd-240.html 这个文章
理性的原因4:我以后想要在学界的CS科研机构工作
肖哥觉得,如果你想在学界的科研机构就业,那读博这件事,基本上也是一定要做的。

不理性的原因5:读博了期间会做5年科研,这样可以在找业界的科研性质的工作的时候,很讨业界公司科研部门的喜欢

肖哥不建议你把学界科研想的那么接地气。在学界做科研所获取的经历,有可能业界公司并不会完全喜欢。具体看下 https://www.xiaogeedu.com/h-nd-300.html 这个文章
理性的原因5:我以后想要在业界的CS科研部门工作
肖哥觉得,如果你想在业界做的科研部门就业,那最好也是去读博。(但是其必要性比在学界的CS科研机构就业的读博的必要性弱一些。)

不理性的原因6:业界总裁员,所以我要读博,这样被裁的概率小。

肖哥不建议你把读博这件事与不会失业这件事划上等号。在很多时候,公司裁员的时候是不看你学历高低的,比如你所在的团队在公司里不咋赚钱,公司可能就越来越养不起了,然后就会裁掉全team的人。team里的员工,不管学历是本科、硕士、还是博士,都有可能被裁。所以学历并不能起到过大的保障作用,尤其是工作经验越来越久以后,学历的作用大概率是越来越小的。(其实,选对公司、选对团队、选对领导,以及多多思考如何培养塑造自己在公司里的不可替代性——让公司觉得一旦失去你,公司就要完蛋了,比你是什么学历更重要,更能帮助你躲过裁员与失业。)
理性的原因6:我真的非常喜欢科研,我每天就想呆在科研的世界不出来,到了一种痴迷的程度。
肖哥觉得,如果你真的如此钟爱科研、享受科研过程带给你的挑战感与科研成果带给你的成就感,那你真的还挺适合读博的,读博的5-6年就基本上是全职做科研的5-6年。但是,肖哥还是要提醒你一下,读博期间压力还挺大的,比如科研做不出来的时候,你会觉得人生毫无希望、自己是全世界最惨的人;然后你好不容易科研做出了成果然后去参加conference给别人做presentation展示你的成果,但是此时听众里的各种大神级的professor或者research scientist就会开始质疑你的工作不准确、不完整、不合理,然后你的心情就直接从天堂到地狱。你要做好压力大+苦行僧的准备。
如果你符合上面左侧的这6个原因,其实你依然可以选择去读博士,但是只是因为高学历、锻炼能力、躲避就业而去读博,的确是不够理性的。
如果你符合上面右侧的这6个原因,你最好是读一个博士,因为如果你的目标/喜好,满足这六点中的一点或者多点,那读博基本上是一个必须要走的人生路径。肖哥认为,因为这些目标/喜好而去读博,是理性的。


然后我们再来比较一下CS博士与CS硕士的区别,以方便你进一步确定你是想读CS博士而不是CS硕士:


0

比较维度

CS博士

CS硕士

(Research Master)

CS硕士

(Course Master)

0

名额

极少

极少


0

是否最好有科研经历、有论文

大概率是

大概率是

是,但是没有也行

0

是否要套磁

大概率是

大概率是


申请

是否有面试

大概率是

大概率是

否(即便是有,也是non technical面试)

0

文书能否包装

不能

不能


0

读书是否有奖学金

有,全奖

有,全奖半奖都有可能

大概率没有,即便是有,钱也很少

0

读书时长

4-5年,甚至6年

2年最常见

1年、1.5年、2年都有可能,以后两者为主

0

毕业的时候是否有论文要求


大概率有

大概率没有

读书

读书期间能否同时拿硕博学历

大概率是修够了CS课程就可以在读博期间顺便修一个硕士。
如果你符合上面右侧的这6个原因,你最好是读一个博士,因为如果你的目标/喜好,满足这六点中的一点或者多点,那读博基本上是一个必须要走的人生路径。肖哥认为,因为这些目标/喜好而去读博,是理性的。
在北美,很少有那种正式的“硕博连读”。在读完硕士后,如果想要继续读博士,大概率还是要走一下博士申请的流程。只不过如果你读的是Research Master,只要你的导师还算喜欢你,的确有可能拿到这个导师的PhD录取。

0

0

读书期间能否去实习

看导师的意思,导师同意就行,不同意就不太行。

看导师的意思,导师同意就行,不同意就不太行。

大概率可以,除非program只有1年(1年的项目就是刚去读书就要主要找全职)。

结论:

你有权为你的人生做任何决定,外人的确无权干涉,但是肖哥建议你尽量是由于理性的原因而去读的CS博士,这样你才大概率不会后悔去读博了。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


运气因素在CS博士申请的道路上占据了很大的比重。接下来我们看一下好运气与坏运气的例子:


如果自己运气好的话,真的有可能会发生很多意想不到的事情。比如随便举几个例子:

(1)
小刚虽然有科研、有论文、有实习,但是都不是太有竞争力的那种,并且也没有美国名校的名师的推荐信,所以针对特别Top的学校小刚就没有套磁,直接盲申的。小刚本来完全不抱希望的,结果居然有个教授联系自己然后说要给自己发PhD录取。
(2)
小杰在本科做科研期间,通过参与一些conference或者workshop认识了一些美国大学的PhD,然后跟其中一个PhD(比如他叫小明)就形成了好朋友,常年保持联系。然后自己要申CS博士的时候,小明偷偷告诉小杰 小明的博士导师的邻组有一个教授在招PhD,但是这个消息只有小明知道,其他人都不知道。然后小明把这个事情告诉小杰后,小杰去联系了那个招PhD的教授,然后聊的还不错,教授也很喜欢小杰,所以就给小杰发PhD的录取了。
(3)
......

总之,如果真的很走运,CS博士申请真的可能会很简单,好运与缘分来了,甚至会直接促进CS博士申请的成功。

虽然我们希望好运降临在你身上,但是我们还是要做最坏的打算,即,如果拥有的不是好运气,而是坏运气,那到底这种坏运气会坏到什么程度,以及坏运气是怎么导致自己CS博士申请直接失败的。


在成长的道路上,我们都听过很多【有付出就有收获】、【人定胜天】的励志故事。但是,当我们要面对CS博士申请这件事的时候,就可能会被残酷的现实狠狠地打脸————存在很多我们努力了也无法克服的障碍。在遇到这种障碍的时候,我们可能会感叹命运的捉弄、自己的运气实在是太差了,但是我们也只能叹一句无奈,没有任何解决的方法。

这种坏运气发生的概率真的不小,而且坏运气的类型也非常多,比如:


4种常见的坏运气
为什么这个坏运气你难以通过个人努力去克服
教授的手下有PhD延期毕业,那这个教授今年可能就不招新的PhD学生了。
因为教授已经用这个PhD用了四五年了,都用习惯了,只要PhD不毕业,教授还是习惯用熟悉的人干活。
教授今年没有拿到足够的funding,所以没有钱招PhD学生了。
因为博士通常都是全奖且有工资的,教授需要养这个PhD总共5年,所以如果教授缺钱的话就招不了新的PhD。
教授死活没有看上你(即便你觉得你很优秀了),并不想给你PhD录取。
因为在发放博士录取这件事上,通常教授具有很大的自主权和个人偏好。而每个教授的偏好又非常个性化(例如,只接受美本的申请者、只考虑某个学校出身的本科生等等),所以教授如果就是没看上你,你优秀也没用。
博士的坑位非常少,每个教授即便是招,可能每年也就招1-3个。因为给教授干活的人不在少数(教授手下还会有unpaid research assistant干活),再加上钱的因素,教授即便是招PhD,也招的非常少。
一个教授最多并行带8-15个PhD(然后这些PhD分散在5个年级:博一、博二、博三、博四、博五,所以平均每个年级也就1-3个PhD),所以教授每年即便是都招PhD,那的确也就是1-3个的样子,实在是名额太少了,而且竞争者又那么多。


这些坏运气是你无法克服的障碍,构成CS博士申请中的不确定性因素。而这种不确定性因素如果发生,将会导致如下难以接受的后果:


1.最难接受的后果:
CS博士申请全拒。


肖哥不是说所有人的CS博士申请都会全拒,我只是说美国名校的CS博士申请比美国名校的CS硕士申请更容易发生全拒事件。
2.比较难接受的后果:
CS博士申请虽然有录取,但是教授的方向与自己想做的方向不一致。


肖哥不是说所有人的CS博士申请都会遇到不合适的教授,我只是说CS博士申请之后拿到的录取可能偏少,所以可选择的范围就少。而CS硕士申请如果是申的course master,那如果依然想做科研的话,可以在读硕期间找新的科研机会,不遇到合适自己的科研机会就不停下来,这样就能确保在读硕期间遇到合适的科研老师和科研项目了。
3.有点难接受的后果:
CS博士申请虽然有录取、且教授方向与自己一致,但是教授的科研思路与业界的解决方案不太一样(跟着教授做的科研可能不接业界的地气)。


肖哥不是说所有人在读CS博士期间做的东西都不接业界的地气,但是的确在有的人身上会发生这种事情。如果遇到了这种教授,且想要在业界找科研类的工作,那读完博士后可能会感叹一句:“我读博期间做的东西业界根本不用,感觉这5年有点浪费的感觉。”
4.还算可以接受的后果:
CS博士申请虽然有录取、且教授方向与自己一致、且教授的科研思路与业界的解决方案基本一样(跟着教授做的科研接业界的地气),但是博士的学校的层次比本科学校的层次(排名)低了不少。


肖哥不是说所有人的CS博士申请都会遭遇学校层次降低,但是由于CS博士的坑位的确是太少了,所以的确比CS硕士申请更容易发生学校层次降低。不过也不要太介意这个问题,因为,其实真的有许多优秀的教授是在非Top大学(这是由于学界的教职岗位实在是太少了导致的)。
5.皆大欢喜的结果:
CS博士申请有录取、且教授方向与自己一致、且教授的科研思路与业界的解决方案基本一样(跟着教授做的科研接业界的地气)、且博士学校的层次(排名)也比本科学校提高了。


肖哥最希望每一个CS博士申请者都有这样的结果,但是CS硕士申请发生这样事情的概率的确比CS博士申请高。


关于上面的【3.有点难接受的后果】里提到的“跟着教授做的科研可能不接业界的地气”,我建议你仔细读一下这些信息:


学界科研任务
任务以及solution
对找业界科研工作是否有用
情况1(最不好的情况)
这个任务,业界公司不做
没太有用。而且你可能找不太到你学界科研任务对应的业界职位。。
情况2(可以接受的情况
这个任务,业界公司做,但是学界的solution和业界的solution不太一样
做这种学界科研任务,对找其对应的业界科研工作还是有点用的,但是没有完全打中业界公司的心坎,但是其实坚持找工作也能找到。
情况3(最期待的情况)
这个任务,业界公司做,学界的solution和业界的solution近似
做这种学界科研任务,基本上业界机会特别喜欢,因为从任务到solution,基本都很像、很近似。
所以,你需要判断
你意识到CS博士申请有巨大的不确定性,可能努力也无法克服,所以:
你决定修改你的人生计划,不申请博士了。就读个本科或者硕士后,就工作了,不再读博了。
你是哪种情况:
你意识到CS博士申请有巨大的不确定性,可能努力也无法克服,但是:
你接受这种不确定性,但是还是想去拼一把博士申请试试看,并且也针对申博全拒的情况做了backup plan的准备。
结论:

你如果在了解了CS博士申请中存在很多无法克服的障碍、以及存在巨大不确定性之后,依然决定要申请CS博士,那肖哥当然100%支持你。

但是就是想提醒你一句,你即便是购买了靠谱的CS申博服务,你会发现它也只能帮助你更优秀而已,但是它帮助你变得更优秀后依然不能确保你有博士录取,所以你就索性不要签约任何中介、不要购买任何申博服务了。

以及,肖哥也同时强烈建议你,一定要准备backup plan(万一博士申请结果不好,你也要有后路),且不要找中介(你交的几万块钱中介费里,一定会有冤枉钱的成分——因为花钱是无法帮助你克服坏运气事件的、你在CS博士申请这件事上依然有无法克服的障碍,所以就不要花钱找中介了,自己纯纯纯DIY就好)。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


如果你申请博士的时候的学历是本科(或者是本科在读),那么你可能会因为担心CS博士申请全拒而考虑两种backup方案:


常见备选方案1
常见备选方案2
方案细节
为了避免自己没有任何录取,在申请的时候就同时申请了CS博士和很多CS硕士。如果一旦发生CS博士申请全拒,自己就去读CS硕士。
不申CS硕士,且接受自己没有CS博士录取的可能性。如果一旦发生CS博士申请全拒,自己就在本科毕业后全职在学界做科研,然后之后再继续申博。
好处

博士申请全拒的话就去读硕士,起码算是有了一个CS的advanced degree。可以在读CS硕士期间继续思考自己是否要申请CS博士。如果硕士毕业后不读博了、而是去工作了,其实还算是能早点开始赚钱,自己未必会不开心。


(美本和非美本都可以在美国读完CS硕士之后,就开始在美国工作。)

本科毕业以后,全职做科研其实是非常有利于科研有产出的(因为你所有的时间、精力都砸在科研这一件事了)。如果之后能申中CS博士,自己会庆幸自己多亏没去读CS硕士(因为读CS硕士期间要上课,会很耽误做科研)。


(美本在本科毕业后是可以在美国境内长期全职做科研的。)

坏处

如果真的在博士申请全拒的情况下去读硕士了,并且自己还是想在硕士毕业后去读CS博士,自己在学界呆的时间就非常久(本科4年+硕士2年+博士5年=11年),有点耽误赚钱。

本科毕业以后,全职做科研虽然会有很高的概率有产出,但是也依然不能保证CS博士申请有好结果。如果之后没有申中CS博士,自己会很懊恼为什么没有去读CS硕士(读个CS硕士起码还是能让自己有一个CS的advanced degree的)。


注意,非美本的本科毕业后是无法直接去美国境内长期做科研的。所以要么就是通过J-1然后在美国境内长期做科研(B-2旅游签入境后只能在美国呆6个月,短期科研可以),要么就是人不去美国但是是remote做美国的科研。

方案适合什么样心态的人

对读博的执念没有那么大(也能开心的接受读一个CS硕士然后就去工作赚钱了)。

对读博的执念很大、且愿意为了读博这个梦想而孤注一掷、背水一战。


注意,在这个备选方案1这里有一个非常常见的误区,那就是有的人认为【肖哥,我的最终目标依然就是要申博的,但是,我也明白申博有很多不确定性,那么,我还是先申research Master而不是course master,然后在读硕期间可以跟着导师做科研,这样读完硕士再申PhD】,这个结论大概率是错误的。

这是为啥呢?来吧,跟着思维推导一起走一遍好了~



如果你看懂了上面的逻辑,那我们就可以最终用一个更简单的逻辑总结一下:


如果你想读research master且你能100%确定(但是想要100%确定真的很难。。)你读research master期间跟着你的advisor做的东西是你想做的、且是你以后想要读PhD的方向,那你就可以去读那个research master。毕竟这样一来,你又能做自己想做的research,又可以让这个research占1-3门课的学分(你就可以在读硕士课程这件事上少花一些时间了)。

否则的话,你还是最好去读course master,然后在course master期间多去学水一些、简单一些的硕士课程,这样你就可以在全美的学校(包括你自己的硕士学校和其他的美国学校)里,寻找合适的教授的合适的research projects然后去做。


如果你申请博士的时候的学历是硕士(或者是硕士在读),那么你可能会因为担心CS博士申请全拒而考虑三种backup方案:


0
常见备选方案1
常见备选方案2
常见备选方案3
方案细节

为了避免自己在没有任何录取的情况下还失业,那就是CS博士申请与CS求职同时做。如果一旦发生美国CS博士申请全拒,自己就去工作。

为了避免自己在没有美国CS博士录取,那就是全球各种英语系的国家(比如英国、新加坡、加拿大、澳大利亚)的CS博士都申请。如果一旦发生美国CS博士申请全拒,自己就去其他国家读CS博士。

不找工作、也不申请其他国家的CS博士,自己就在硕士毕业后全职在学界做科研,然后之后再继续申博。

好处

博士申请全拒的话就去工作,起码就没有让失学和失业同时发生。自己的挫败感会弱一些。

起码自己能去读一个CS博士,虽然去的国家不是美国,但是由于在其他国家读完博士以后,也可以通过EB1申绿卡然后去美国,或者通过J-1去美国做post doc的方式去美国。所以其实也并没有什么太大影响,反正最终能去美国。

硕士毕业以后,全职做科研其实是非常有利于科研有产出的(因为你所有的时间、精力都砸在科研这一件事了)。如果之后能申中CS博士,自己会庆幸自己硕士毕业后没有去就业或者读其他国家的CS博士

(美硕在硕士毕业后是可以在美国境内长期全职做科研的。)

坏处

由于找工作也是需要时间来备战的,如果在CS博士申请之前就备战求职会耽误申博的背景提升(做科研)。所以可能需要考虑在CS博士申请之后再开始备战求职。

这种方案是为了申CS博士而申CS博士,所以有可能会发生自己读的那个CS博士并不让自己满意(可能对教授不满意、对学校不满意、对方向不满意)。

硕士毕业以后,全职做科研虽然会有很高的概率有产出,但是也依然不能保证CS博士申请有好结果。如果之后没有申中CS博士,自己会很懊恼为什么没有去找工作或者去其他国家读CS博士。

注意,非美硕的硕士毕业后是无法直接去美国境内长期做科研的。所以要么就是通过J-1然后在美国境内长期做科研(B-2旅游签入境后只能在美国呆6个月,短期科研可以),要么就是人不去美国但是是remote做美国的科研。

方案适合什么样心态的人

无法接受失学与失业同时发生。

对读CS博士有执念但是对国家没有执念(不太care这个博士是不是在美国读)。

对读博的执念很大、且愿意为了读博这个梦想而孤注一掷、背水一战。


嗯。。。什么?你觉得思考这些backup方案太烧脑了?你脑子快转不动了?所以你不想思考backup方案了,想心无旁骛地、不想backup方案地只走CS博士申请的道路然后不申中好的美国CS博士绝不罢休是吗?

没问题hhh毕竟的确有一些人,第一次申请CS博士就拿到了特别好的CS博士录取。我也祝福你能一把就中。

但是,我觉得还是有必要让你知道有那种【不申中好的美国CS博士绝不罢休】的精神的人,在最坎坷的情况下会遭遇什么。来吧,咱们一起来看一下肖哥见过的最坎坷的2个博士申请者到底经历了什么:


这两个人都是肖哥的CMU校友(为保护隐私,我就不具体说这两个人的性别、具体方向以及二人的哪个阶段的学校是CMU了)。肖哥之所以把这两个校友的情况列在这里,是因为肖哥在这两个CMU校友身上清晰的看到了【不申中好的美国CS博士绝不罢休】的精神,也对二人相当钦佩,他们的精神值得我们所有的人学习,肖哥也相信他们未来会在各自的研究领域里取得巨大的成就。

希望所有的真心想要申请Top CS博士并且不申中决不罢休的人,都向这二人学习。

当然了,如果你不想这么坎坷,那你就尽量通过把劲儿使对地方,然后这样就可以走捷径了,不用这么折腾。因为捷径真的太舒服了。。。


你们看!这捷径都多舒服啊所以我强烈建议申请CS博士的时候的备战周期要长达3-4年,这样你即便是没有paper(甚至是没有科研)都也许可以走通Top CS博士申请的道路~~

结论:

我当然祝你申请CS博士一切顺利、走出捷径,且拿到自己喜欢的录取,但是我强烈建议你提前想好backup plan再去做CS申博的各种准备,毕竟人在做规划的时候,需要考虑到最坏情况发生后自己应该怎么办,这样走人生路才能风险小一些。

我希望再次强调,CS博士申请有巨大的不确定性,所以很多人其实都会为自己考虑后路。上面提到的几种只是常见的备选方案,还有其他各种方案,在这里就不一一列举了。

不过,如果你真的不想思考备选方案,我觉得当然也没问题,那肖哥鼓励你拿出【不申中好的美国CS博士决不罢休】的强大精神,好好走好自己的CS博士申请之路。只不过,在心态上,你需要明白这条路如果坎坷起来会坎坷成什么样、捷径起来会捷径成什么样,有了这样的思想准备后,再去实现【不申中好的美国CS博士决不罢休】的精神也会更踏实一些。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


如果你在了解了01与02之后,依然要申请CS博士,我真的对你送上衷心的祝福。期待你能够顺利的走通CS博士申请。接下来,我就梳理一下要做什么准备。

4条建议
背后的原因
选择非敏感的方向
主要是担心签证会过不了。虽然方向敏感也不是100%被拒,但是的确增加了签证被拒的概率。就算不被拒,那被check的概率是非常高的,而check的时间越久,越有可能耽误上学。
仔细思考要读System大类还是AI大类的博士
任何PhD应该都不希望自己读博期间做的东西是不接业界地气的(如果这个PhD毕业后是想找业界工作的话)。而根据肖哥的观察,从概率的角度来说,读System大类的PhD,比读AI大类的PhD,相对更容易遭遇做的东西不接业界地气的这种事。但是如果已经接业界地气了,那是System大类的PhD比AI大类的PhD要更值得读一些。

我的意思是,比如:
100个System PhD的机会里,可能20个对System就业有用,80个对System就业用处小;
100个AI PhD的机会里,可能40个对AI就业有用,60个对AI就业用处小;
但是,那20个对System就业有用的PhD,与,那40个对AI就业有用的PhD,哪个更值得读?都值得读,但是相对来说,大概率是前者更值得读。

(但是这些结论都不绝对,需要具体情况具体分析。所以这里列的结论真的是仅供参考,可能会变哈,我需要看到具体的机会以及方向才能下出更准确的结论。)
做一下深入的查阅与调查,看看不同方向都是做什么的,然后可能还要自己动手做做一些简单的任务试试看是什么感觉
如果一个人没吃过西红柿、也没吃过土豆,你问他更喜欢吃什么,他可能回答不出来;但是她如果这两种食物都吃过了,他就能知道自己更喜欢吃什么了。有些东西的确只有自己尝试了才能知道自己喜欢什么。
选择1-2个你最钟爱的方向、加1-3个与之相关的方向
读PhD就是与科研谈一场5年的恋爱。如果你不喜欢这个方向,那你会很挣扎、甚至会随时想要quit这个PhD。选择最喜欢的方向后,做起来会最有动力。不过,还是不要把方向框的太死,相关方向也稍微选择一下,最终确立自己的方向。



那接下来我们就看看美国Top 40的大学的CS专业都有哪些CS方向(这里只陈列方向名字,但是细节需要去官网看,因为细节太多了,在我这网站上也列不下):


  • CS四大
  • CS专排5-10
  • CS专排11-15
  • CS专排16-20
  • CS专排21-26
  • CS专排27-30
  • CS专排31-35
  • CS专排36-40
1 - Massachusetts Institute of Technology 麻省理工学院
(1) AI and Society (2) AI for Healthcare and Life Sciences (3) Biological and Medical Devices and Systems (4) Communications Systems (5) Computational Fabrication and Manufacturing (6) Computer Architecture (7) Educational Technology (8) Electronic, Magnetic, Optical and Quantum Materials and Devices (9) Energy (10) Graphics and Vision (11) Human-Computer Interaction (12) Information Science and Systems (13) Integrated Circuits and Systems (14) Nanoscale Materials, Devices, and Systems (15) Natural Language and Speech Processing (16) Optics + Photonics (17) Optimization and Game Theory (18) Programming Languages and Software Engineering (19) Quantum Computing, Communication, and Sensing (20) Robotics (21) Security and Cryptography (22) Signal Processing (23) Systems and Networking (24) Systems Theory, Control, and Autonomy (25) Theory of Computation





2 - Carnegie Mellon University 卡耐基梅隆大学
College of Engineering: (1) Advanced Manufacturing (2) Artificial Intelligence (3) COVID-19 (4) Cyberphysical Systems (5) Cybersecurity (6) Energy & Environment (7) Health & Biomedicine (8) Robotics Heinz College of Information Systems and Public Policy: (1) Arts & Entertainment (2) Crime & Drug Policy (3) Cyber Security & Data Privacy (4) Digital Consumer Behavior (5) International & Labor Economics (6) Energy & Environment (7) Health Care (8) Information Technology (9) Smart Cities Mellon College of Science: (1) Sustainability Science (2) Computational Finance (3) Cosmology (4) Life Sciences Breakthroughs (5) Quantum Computing (6) Materials of the Future (7) Neuroscience (8) Mathematical Foundations of Artificial Intelligence School of Computer Science - Computational Biology Department: (1) Algorithms in Nature (2) Statistical Machine Learning Methods for Genetical Genomics Analysis (3) Bringing machine learning to the clinic (4) Molecular Design and Simulation (5) Computational Medicine (6) Active learning of cell organization (7) How The Genome Evolved for Vocal Learning and Speech Production (8) The Immune Basis of Alzheimer’s Disease School of Computer Science - Computer Science Department: (1) Artificial Intelligence (2) Graphics (3) Programming Languages (4) Security (5) Systems (6) Theory School of Computer Science - Human-Computer Interaction Institute: (1) Accessibility (2) Applied Machine Learning (3) Artificial Intelligence (AI) (4) Augmented Reality (AR) (5) Computational Creativity (6) Computational Fabrication (7) Context-Aware Computing (8) Crowdsourcing (9) Design Research (10) Education (11) Enabling Technologies (12) Fairness,Accountability,Transparency,and Ethics (FATE) (13) Future of Work (14) Game Design (15) Healthcare (16) Human Assistance (17) Human-Centered Al (18) Learning Sciences and Technologies (19) Security and Privacy (20) Service Design (21) Social Computing (22) Social Good (23) Societal Problems (24) Tools (25) Virtual Reality (VR) (26) Wearables School of Computer Science - Language Technologies Institute: (1) Natural Language Processing and Computational Linguistics (2) Information Retrieval, Text Mining and Analytics (3) Information Extraction, Summarization and Question Answering (4) Speech Processing (5) Spoken Interfaces and Dialogue Processing (6) Multimodal Computing and Interaction (7) Language Technologies for Education (8) Machine Translation (9) Machine Learning (10) Computational Biology (11) Knowledge Representation, Reasoning and Acquisition (12) Knowledge Representation and Reasoning School of Computer Science - Machine Learning Department
官网没细写方向 https://www.ml.cmu.edu/research/ School of Computer Science - Robotics Institute: (1) Field & Service Robotics (2) Graphics & Creative Tools (3) Human-Centered Robotics (4) Manipulation & Interfaces (5) Robot Structures (6) Robotics Foundations (7) Sensing & Perception School of Computer Science - Software and Societal Systems Department: (1) Analysis & Assurance (2) APIs & Frameworks (3) Applied Systems and Infrastructure (4) Architecture & Design (5) Autonomous Systems (6) Complex Socio-Technical Systems (7) Computing Technology and Policy (8) Developer Tools (9) Distributed Systems (10) Languages (11) Network Science and Social Networks (12) Organizations (13) Privacy and Security (14) Requirements (15) Software Data Analysis Entertainment Technology Center
官网没细写方向 https://www.etc.cmu.edu/ Integrated Innovation Institute
官网没细写方向 https://www.cmu.edu/iii/projects-research/index.html



2 - Stanford University 斯坦福大学
(1) Artificial Intelligence (2) Architecture (3) Biomedicine and Health Computational Biology (4) Computational Cognitive&Neuro-science (5) Computer Graphics (6) Computer Security (7) Computer Systems (8) Computer Vision (9) Data Science (10) Computational Education (11) Empirical Machine Learning (12) Human-Centered and Creative Al (13) Human-Computer Interaction (HCI) (14) Machine Learning (15) Natural Language Processing and Speech (16) Networking (17) Operating/Distributed Systems (18) Programming Systems and Verification (19) Reinforcement Learning (20) Robotics (21) Statistical or Theoretical Machine Learning Theory





2 - University of California - Berkeley 加州大学伯克利分校
(1) Artificial Intelligence (AI) (2) Computer Architecture & Engineering (ARC) (3) Biosystems & Computational Biology (BIO) (4) Control, Intelligent Systems, and Robotics (CIR) (5) Cyber-Physical Systems and Design Automation (CPSDA) (6) Database Management Systems (DBMS) (7) Education (EDUC) (8) Power and Energy (ENE) (9) Graphics (GR) (10) Human-Computer Interaction (HCI) (11) Information, Data, Network, and Communication
(12) Sciences (IDNCS) (13) Integrated Circuits (INC) (14) Micro/Nano Electro Mechanical Systems (MEMS) (15) Operating Systems & Networking (OSNT) (16) Physical Electronics (PHY) (17) Programming Systems (PS) (18) Scientific Computing (SCI) (19) Security (SEC) (20) Signal Processing (SP) (21) Theory (THY)




5 - University of Illinois - Urbana Champaign 伊利诺伊大学厄本那-香槟分校
(1) Architecture, Compilers, and Parallel Computing (2) Artificial Intelligence (3) Bioinformatics and Computational Biology (4) Computers and Education (5) Data and Information Systems (6) Interactive Computing (7) Programming Languages, Formal Methods, and (8) Software Engineering (9) Scientific Computing (10) Security and Privacy (11) Systems and Networking (12) Theory and Algorithms



6 - Cornell University 康奈尔大学 Ithaca: (1) Architecture (2) Artificial Intelligence (3) Computational Biology (4) Database Systems (5) Graphics (6) Human Interaction (7) Machine Learning (8) Natural Language Processing (9) Programming Languages (10) Robotics (11) Scientific Computing (12) Security (13) Software Engineering (14) Systems and Networking (15) Theory of Computing (16) Vision NYC: (1) Artificial Intelligence (2) Business & Entrepreneurship (3) Data & Modeling (4) Human-Centered Computing (5) Law & Policy (6) Security & Privacy (7) Technology, Society & Ethics



6 - Georgia Institute of Technology 佐治亚理工学院 (1) Computer Architecture (2) Databases (3) Foundations of Artificial Intelligence (4) Information Security (5) Programming Languages and Compilers (6) Networks (7) Software Engineering (8) Systems (9) Theory (10) Artificial Intelligence & Machine Learning (11) Geometry, Graphics & Animation (12) Human-Centered Computing & Cognitive Science (13) Information Visualization & Visual Analytics (14) Robotics and Computational Perception (15) Social Computing & Computational Journalism (16) Ubiquitous and Wearable Computing (17) Virtual and Augmented Environments (18) Applied and Mathematical Cryptography (19) Cybersecurity and International Affairs (20) Cyber-Physical Systems (21) Cybersecurity Policy and Law (22) Election Security (23) Forensics and Attribution (24) Hardware Security and Sidechannel Analysis (25) Malware (26) Network and System Security (27) Privacy and Data Protection



6 - University of Washington - Seattle 华盛顿大学 Seattle: (1) Artificial Intelligence (2) Augmented & Virtual Reality (3) Computational & Synthetic Biology (4) Computer Architecture (5) Computer Graphics, Vision, Animation & Game Science (6) Computing for Development (7) Data Science (8) Data Management & Visualization (9) Fabrication (10) Human Computer Interaction & Accessible Technology (11) Machine Learning (12) Molecular Information Systems (13) Natural Language Processing (14) Programming Languages & Software Engineering (15) Robotics (16) Security & Privacy (17) Systems & Networking (18) Theory of Computation (19) Ubiquitous Computing (20) Wireless & Sensor Systems Tacoma和Bothell: 方向与老师都很少: https://www.tacoma.uw.edu/set/facultyresearch https://www.uwb.edu/stem/faculty/css-faculty

6 - Princeton University 普林斯顿大学 (1) Computational Biology (2) Computer Architecture (3) Economics / Computation (4) Human-Computer Interaction (5) Machine Learning (6) Natural Language Processing (7) Policy (8) Programming Languages / Compilers (9) Robotics (10) Security & Privacy (11) Systems (12) Theory (13) Vision / Graphics

9 - University of Texas - Austin 德克萨斯大学奥斯汀分校 (1) Artificial Intelligence (2) Bioinformantics and Computational Biology (3) Computer Architecture (4) Computer Vision (5) Formal Methods (6) Graphics and Visualization (7) Human-Computer Interaction (8) Intelligent Robotics (9) Machine Learning (10) Natural Language Processing (11) Operating Systems, Distributed Systems,& Networking (12) Parallel Computing (13) Programming Languages & Compilers (14) Scientific Computing (15) Security & Privacy (16) Theoretical Computer Science






11 - California Institute of Technology 加州理工学院
(1) Algorithmic Economics (2) Artificial Intelligence and Machine Learning (3) Computational Biology (4) Graphics and Geometry (5) Information Theory and Applied Probability (6) Mathematics of Data (7) Mathematical Modeling and Analysis (8) Molecular Programming and Synthetic Biology (9) Networked and Distributed Systems (10) Optimization (11) Quantum Information and Computation (12) Robotics and Autonomous Control (13) Scientific Computing and Numerical Analysis (14) Theoretical Computer Science








11 - Columbia University 哥伦毕业大学 (1) Theory (2) Graphics and User Interfaces (3) NLP & Speech (4) Security & Privacy (5) Computational Biology (6) Software Systems (7) Computer Engineering (8) Networking (9) Vision & Robotics (10) Machine Learning (11) Artificial Intelligence







11 - University of California - Los Angeles 加州大学洛杉矶分校 CS: (1) Artificial Intelligence (2) Computer System Architecture & CAD (3) Computational Systems Biology (4) Graphics & Vision (5) Information & Data Management (6) Network Systems (7) Software Systems (8) Computer Science Theory M.Eng. (1) Artificial Intelligence (2) Autonomous Systems (3) Data Science (4) Digital Health Technology (5) Green Energy Systems (6) IoT Systems (7) Translational Medicine







11 - University of California - San Diego 加州大学圣地亚哥分校 (1) Algorithms, Complexity and Cryptography (Theory group) (2) Artificial Intelligence (3) Bioinformatics (4) Computer Architecture and Compilers (5) Computing Education Research (6) Databases and Information Management (7) Embedded Systems & Software (8) Human-Computer Interaction / The Design Lab (9) Programming Systems (10) Robotics (11) Security and Cryptography (12) Software Engineering (13) Systems and Networking (14) Ubiquitous Computing and eXtended Intelligence (15) Visual Computing (Computer Graphics and Computer Vision) (16) VLSI/CAD (Computer-Aided Design)







11 - University of Michigan - Ann Arbor 密歇根大学安娜堡分校 Ann Arbor: (1) Artificial Intelligence (2) Chip Design, Architecture, & Emerging Devices (3) Databases & Data Mining (4) Embedded & Mobile Systems (5) Formal Methods & Automated Reasoning (6) Human-Computer Interaction (7) Languages, Compilers, & Runtime Systems (8) Networking, Operating Systems, & Distributed Systems (9) Robotics (10) Secure, Trustworthy, & Reliable Systems (11) Theory of Computation (12) Warehouse-Scale & Parallel Systems Dearborn: (1) Automotive Engineering (2) Bioengineering (3) Computing and Networks (4) Cybersecurity (5) Data Management (6) Data Science (7) Game Design (8) Heat and Mass Transfer in Energy Technology (9) Human Factors and Ergonomics (10) Integrated Design & Manufacturing (11) Machine Learning, Optimization, and Intelligent Systems (12) Materials and Material Processing (13) Nano Electronics and Photonic Materials and Devices (14) Operations Research and Decision Science (15) Power Electronics and Energy Systems (16) Robotics (17) Software Engineering (18) Vibrations and Mechanics (19) Wearable Sensors

Flint: 方向与老师都较少













16 - Harvard University 哈佛大学
(1) Artificial Intelligence (2) Computation and Society (3) Computational and Data Science (4) Computational Neuroscience (5) Computer Architecture (6) Economics and Computation (7) Graphics, Vision, and Visualization (8) Human-Computer Interaction (9) Machine Learning (10) Programming Languages (11) Systems, Networks, and Databases (12) Theory of Computation

17 - University of Maryland - College Park 马里兰大学帕克分校 College Park: (1) AI And Robotics (2) Algorithms And Theory (3) Bioinformatics And Computational Biology (4) Computer Vision And Machine Perception (5) Cybersecurity And Cryptography (6) Databases And Big Data (7) Graphics, Visualization, And VR/AR (8) High Performance And Scientific Computing (9) Human Computer Interaction (10) Information Retrieval And Geographic Information Systems (GIS) (11) IoT And Wearables Technology (12) Machine Learning And Data Science (13) Natural Language Processing (14) Programming Languages And Software Engineering (15) Quantum Computing (16) Systems And Networking Baltimore County: (1) Artificial Intelligence (2) Machine Learning and Data Mining (3) Multi-Agent Systems (4) Wireless Sensor Networks (5) Web 2.0 (6) Graphics and Visualization (7) Game Development (8) Systems (9) Security

17 - University of Pennsylvania 宾夕法尼亚大学 (1) Machine Learning and Artificial Intelligence (2) Natural Language Processing (Computational Linguistics) (3) Robotics (4) Computer Vision and Graphics (5) AI for Health, Computational Biology and Biomedical/Clinical Informatics (6) Data Science Platforms, Machine Learning Systems, and Databases (7) Algorithmic Fairness and Data Privacy (8) Human-Computer Interaction (9) Computational Social Science (10) Computer Architecture and Quantum Computing Systems (11) Compilers and Program Analysis (12) Distributed Systems, Networks, and Operating Systems (13) Real-Time, Cyber-Physical, IoT, and Autonomous Systems (14) Computer Security and Cryptography (15) Algorithms and Computational Complexity (16) Formal Methods and Logic (17) Programming Languages

17 - University of Wisconsin - Madison 威斯康辛大学麦迪逊分校 Madison: (1) Computer Architecture (2) Computer Vision (3) Data Science (4) Database Systems (5) Graphics / Visual Computing (6) Human-Computer Interaction (7) Machine Learning (8) Networks (9) Numerical Analysis (10) Optimization (11) Programming Languages and Software Engineering (12) Robotics (13) Security and Privacy (14) Systems (15) Theory Milwaukee: (1) Artificial Intelligence, Machine Learning, and Natural Language Processing (2) Database and Information Systems (3) Image Processing and Computer Graphics (4) Medical and Bio Informatics (5) Programming Language and Compilers (6) Theory and Algorithms Whitewater与La Crosse:
方向与老师都较少

20 - Johns Hopkins University 约翰霍普金斯大学 (1) Theory & Programming Languages (2) Systems (3) Computational Biology and Medicine (4) Information Security (5) Natural Language Processing (6) Machine Learning and Data Intensive Computing (7) Robotics, Vision, and Graphics

20 - Purdue University - West Lafayette 普渡大学西拉法叶分校 West Lafeyette: (1) Bioinformatics and Computational Biology (2) Computer Architecture (3) Computational Science and Engineering (4) Databases and Data Mining (5) Distributed Systems (6) Graphics and Visualization (7) Human-Computer Interaction (8) Information Security and Assurance (9) Artificial Intelligence, Machine Learning, and Natural Language Processing (10) Networking and Operating Systems (11) Programming Languages and Compilers (12) Software Engineering (13) Robotics and Computer Vision (14) Theory of Computing, Algorithms, and Quantum Computing Northwest与Fort Wayne: 教授和方向都较少

20 - Yale University 耶鲁大学 (1) Algorithms and Complexity Theory (2) Artificial Intelligence and Machine Learning (3) Computer Architecture (4) Computer Graphics (5) Computer Music (6) Computer Networks (7) Database Systems (8) Distributed Computing (9) Natural Language Processing (10) Operating Systems (11) Programming Languages and Compilers (12) Quantum Computing (13) Robotics (14) Scientific Computing and Applied Math (15) Security and Cryptography (16) Societal and Humanistic Aspects of Computation

















23 - Duke University 杜克大学
(1) Artificial Intelligence (2) Computation + X (3) Computer Science Education (4) Data Science (5) Systems (6) Theoretical Computer Science

23 - University of Massachusetts - Amherst 马萨诸塞大学阿默斯特分校 Amherst: (1) Artificial Intelligence (2) Computational Biology and Bioinformatics (3) Data Management (4) Electronic Teaching (5) Health Informatics (6) Human Language Technologies (7) Human-Computer Interactions (8) Information Visualization (9) Machine Learning (10) Mobile and Sensor Systems (11) Networking and Distributed Systems (12) Robotics, Computer Vision, and Graphics (13) Security and Privacy (14) Software Systems and Architecture (15) Theoretical Computer Science Boston: (1) Computational Biology (2) Data Mining (3) Databases (4) Distributed Software Systems (5) High Performance Computing (6) Knowledge Discovery (7) Mobile Security and Privacy (8) Network Information Systems (9) Service Computing (10) Software Verification (11) Visual Atttention Dartmouth: (1) Advanced Materials & Manufacturing Innovation (2) Biomedical/Healthcare Engineering (3) Computational Science & Engineering (4) Cybersecurity (5) Intelligent Systems & Communication (6) Mobility (7) Sustainability Engineering Lowell: (1) Biotech, Life Sciences (2) Cybersecurity (3) Flexible Electronics & Smart Textiles (4) Robotics (5) Public Health (6) Energy

23 - University of Southern California 南加州大学 CS: (1) Artificial Intelligence, Machine Learning, Privacy/FATE and Security (2) Theory and Computation (3) Systems, Databases, Software Engineering and CyberPhysical Systems (4) Computer Vision, Robotics, Graphics and HCI
CE: (1) Biological, Medical, and Biomedical (2) Communications, Information Theory, and Machine Learning (3) Computer Engineering (4) Control Systems (5) Electromagnetics and Energy Conversion (6) Integrated Circuits and Systems (7) Nanotechnology & Micro Electrical-Mechanical Systems (8) Networks (9) Parallel and Distributed Computing (10) Photon and Quantum Electronics (11) Quantum Information Processing (12) Signal and Image Processing

26 - University of North Carolina - Chapel Hill 北卡罗来纳大学教堂山分校 Chaper Hill: (1) Autonomous and Cyber-Physical Systems (2) Bioinformatics and Computational Biology (3) Computer Architecture (4) Computer Graphics (5) Computer-Supported Collaborative Work (6) Computer Vision (7) Geometric Computing (8) High-Performance Computing (9) Human-Computer Interaction (10) Machine Learning and Data Science (11) Medical Image Analysis (12) Natural Language Processing (13) Networking (14) Operating Systems (15) Real-Time Systems (16) Robotics (17) Security (18) Software (19) Theory Charlotte: (1) Theory, Algorithms and Complexity of Computing, Computing Cryptography, Quantum Computing (2) Computer System and Networking (3) Parallel Computing, High Performance Computing, Distributed and Cloud Computing (4) Computer Vision, Graphics, Visualization and HCI (5) Security and Privacy (6) Artificial Intelligence, Machine Learning and Deep Learning (7) Human Language Processing (8) Embedded, Real-time, Robotics, and IoT (9) Database, Data Mining, Big Data, and Informatics (10) Programming Language Theory and Software Engineering (11) CS Education, Computer Ethics and Cognition Greensboro: (1) Algorithms and Theory of Computing (2) Artificial Intelligence (3) Data Science and Machine Learning (4) Database Systems (5) Extended Reality (6) Image Processing (7) Networking (8) Online Social Networks (9) Security and Cryptography Wilmington: (1) Biometrics (2) Software Development (3) Information Security (4) Mobile Development (5) Natural Language Processing (6) Parallel Computing (7) Wireless Sensor Networks (8) Computer Vision (9) Unmanned Aerial Vehicles




















28 - Northwestern University 西北大学 (1) Systems and Networking (2) Security and Privacy (3) Programming Languages (4) Theory (5) Artificial Intelligence and Machine Learning (6) Human-Computer Interaction and Information Visualization (7) Vision and Graphics (8) Robotics (9) Computer Engineering


28 - Rice University 莱斯大学 (1) Computational Biology & Bioinformatics (2) Robotics & AI (3) Computer Systems & Engineering (4) Programming Languages, HPC & Formal Methods (5) Machine Learning & Data Science (6) Quantum Computing


28 - University of California - Irvine 加州大学尔湾分校
CS:
(1) Algorithms and Complexity Theory (2) Artificial Intelligence and Machine Learning (3) Biomedical Informatics And Computational Biology (4) Computational-Social Relationships (5) Computer Architecture (6) Computer Games and Virtual Worlds (7) Computer Graphics and Visualization (8) Computer-Supported Cooperative Work (9) Computer Vision (10) Database Systems (11) Design (12) Educational Technology (13) Embedded Systems (14) Environmental Informatics (15) Health Informatics (16) Human-Computer Interaction (17) Information Retrieval and Visualization (18) Interactive and Collaborative Technologies (19) Medical Informatics (20) Mobile and Ubiquitous Computing (21) Multimedia Computing (22) Networks and Distributed Systems (23) Operating Systems (24) Organization Studies (25) Privacy and Personalization (26) Programming Languages and Software Engineering (27) Science and Technology Studies (28) Scientific and Numerical Computing (29) Security, Privacy, Cryptography (30) Social Informatics (31) Software Engineering (32) Software Systems (33) Statistics and Statistical Theory (34) Sustainability and Green IT (35) Ubiquitous Computing

Networked System:
(1) Middleware/Real-Time Networks (2) Mobile Ad-Hoc Networks/Sensor Networks/Peer to Peer Networks
(3) Network Performance/Traffic Engineering (4) Network Security Wireless Networks




28 - University of California - Santa Barbara 加州大学圣塔芭芭拉分校 (1) Algorithms & Theory (2) Computational Science and Engineering (3) Computer Architecture (4) Database and Information Systems (5) Human Centered and Social Computing (6) Machine Learning and Data Mining (7) Networking (8) Operating Systems and Distributed Systems (9) Programming Languages and Software Engineering (10) Security and Cryptography (11) Visual Computing and Interaction


28 - University of Chicago 芝加哥大学 (1) AI & Machine Learning (2) Computing Education (3) Data & Databases (4) Human Computer Interaction (5) Scientific & High Performance Computing (6) Security & Privacy (7) Programming Languages (8) Systems, Architecture & Networking (9) Theory (10) Visual Computing


28 - University of Virginia 弗吉尼亚大学 (1) Computer Systems, Architecture, and Networks (2) Cyber Physical Systems (3) Artificial Intelligence (4) Security (5) Software Engineering (6) Theory























34 - Northeastern University 东北大学
(1) Algorithms & Theory (2) Artificial Intelligence (3) Computational Biology (4) Data Science (5) Data Visualization (6) Formal Methods (7) Games (8) Human-Computer Interaction (9) Machine Learning (10) Natural Language Processing and Information Retrieval (11) Network Science (12) Personal Health Informatics (13) Programming Languages (14) Robotics (15) Security and Privacy (16) Software Engineering (17) Systems and Networking





34 - Ohio State University 俄亥俄州立大学 (1) Artificial Intelligence (2) Computer Graphics (3) Networking & Distributed Computing (4) Software Engineering & Programming Languages (5) Systems (6) Theory & Algorithms







34 - Pennsylvania State University - University Park 宾州州立大学公园分校 University Park: (1) Biomedical Devices and Systems (2) Communications, Information Theory, and Coding over Networked Systems (3) Computational Science (4) Computer Architecture (5) Control and Decision Systems (6) Data Science and Artificial Intelligence (7) Electromagnetics (8) Electronic Materials and Devices (9) Integrated Circuits and Systems (10) Network and Mobile Systems (11) Operating Systems and Cloud Computing (12) Optical Materials, Devices, and Systems (13) Power and Energy Systems (14) Programming Languages and Compilers (15) Remote Sensing and Space Systems (16) Security and Privacy (17) Signal and Image Processing (18) Theoretical Computer Science Harrisburg: 方向和老师都很少







34 - University of Minnesota - Twin Cities 明尼苏达大学双城分校
Twin Cities: (1) Architectures, Compiler Optimization, and Embedded Systems (2) Bioinformatics and Computational Biology (3) Data Mining, Databases, and Geographical Information Systems (4) Graphics and Immersive Computing (5) High Performance Computing (6) Human Computer Interaction (HCI) (7) Networks, Distributed Systems, and Security (8) Robotics and Artificial Intelligence (9) Robotics and Artificial Intelligence (10) Theoretical Foundations Duluth: (1) Biomedical and Health Informatics: Combining computer science, engineering, and medicine (2) Computational Linguistics (3) Computer Networking (4) Data Mining and Machine Learning (5) Data Mining, Database Management and Parallel Algorithms for GPU’s (6) Software Engineering and Human-Computer Interaction (HCI) (7) Analysis of Algorithms, Theory of Evolutionary Computation (8) Information Retrieval (9) Natural Language Processing (10) Operating Systems & Security (11) Perception and Computer Graphics (12) Simulation and Environment Representation for Virtual Environments





























38 - New York University 纽约大学 Courant: (1) Algorithms & Theory (2) Computational Biology (3) Formal Methods & Verification (4) Graphics, Vision & User Interfaces (5) Machine Learning (6) Natural Language & Speech Processing (7) Networks, Operating & Distributed Systems (8) Scientific Computing Tandon: (1) Communications/IT (2) Cybersecurity (3) Data Science/AI/Robotics (4) Emerging Media (5) Health (6) Sustainability (7) Urban

38 - Rutgers, The State University of New Jersey - New Brunswick 罗格斯新泽西州立大学新布伦瑞克分校 New Brunswick: (1) Computer and Network Systems (2) Intelligent Systems (3) Theory of Computing Camden: 方向和老师都很少

38 - Texas A&M University - College Station 德州农工大学 - 大学城 College Station/Galveston: (1) Algorithms and Theory (2) Artificial Intelligence, Intelligent Systems, Machine Learning, Natural Language Processing (3) Bioinformatics, Computational Biology (4) Computational Science (5) Computer Architecture (6) Computer Science Education (7) Computer Vision (8) Cyber-Physical Systems (9) Cybersecurity (10) Data Science (11) Databases, Data Mining, Information Retrieval Systems (12) Digital Humanities (13) Electronic Design Automation and VLSI (14) Embedded Systems (15) Gaming (16) Graphics, Visualization and Computational Fabrication (17) Health (18) Human-Centered Systems (19) Networks (20) Parallel and Distributed Computing (21) Programming Languages, Compilers (22) Robotics, Human-Robot Interaction (23) Software and Software Engineering (24) Systems

38 - University of Colorado - Boulder 科罗拉多大学博尔德分校 Boulder: (1) Artificial Intelligence (2) Complex Systems (3) Computational Biology (4) Cyber-Physical and Autonomous Systems (5) Human-Centered Computing (6) Numerical & Scientific Computing (7) Programming Languages & Software Engineering (8) Robotics (9) Systems & Networking (10) Theory of Computing Colorado Springs: (1) Cyber Security, Physical Security, and Homeland Security (2) Machine Learning and Computer Vision (3) Software Engineering and Software Testing (4) Computer Graphics and Human-Computer Interaction (5) High Performance Computing, Compilers, and Programming Languages (6) Computer Networks, Systems, and Distributed Computing (7) Cloud Computing and BigData Processing (8) Computer Science Education (9) Computational Economics and Algorithmic Game Theory (10) Cyber-Physical Systems (11) Bioinformatics/Computation Biology Denver: (1) Animation, Neuroscience, and Al Computer Graphics & VR (2) Cyber-Physical Systems (3) Cybersecurity & Secure Computing (4) Data Science,Big Data Management and Mining (5) High-Performance Distributed Computing (6) Machine Learning (7) Parallel and Distributed Systems Theory and Algorithms

38 - Virginia Tech - Blacksburg 弗吉尼亚理工大学 Blacksburg: (1) Computational Biology and Bioinformatics (2) Data Analytics, Machine Learning, NLP, and Vision (3) Digital Education (4) HPC and Computational Science (5) Human Computer Interaction (6) Quantum Computing (7) Security (8) Software Engineering (9) Systems (10) Theory and Algorithms Northern: 方向和老师都很少

一旦确定了方向,就需要利用全网的资源(比如名校课程、GitHub、以及各种技术论坛等等)来令自己在这个方向上成长。这个实在是很难枚举所有的资料hhh,所以我这里就不一一罗列了。

我强调下这个阶段的产出吧~产出应该是你选定的方向下的一套以5-6个personal projects为基础的初版简历(这样就可以用来去投递业界科研机会和学界科研机会了)。

首先,我相信你一定知道,在我们CS的世界,CS大神的类型真的很多:

对于硕士申请来说,你选择一种最适合自己的CS大神的画像,然后通过申硕文书去塑造自己的这个形象即可,只要你塑造的好,然后把名校CS硕士都申了,应该会至少有一个录取的。但是选择哪种形象,其实没有什么太大区别。

但是,你有没有想过,对于博士申请来说,教授具体喜欢哪种类型的CS人才呢?他在筛选PhD applicants的时候,脑子里在想什么东西呢?


我猜你可能会觉得是科研大神,对吧?也就是你感觉,教授应该最喜欢科研大神的形象的申请者。

嗯。。。这个问题的答案是:“是,也不是。”

其实教授不仅仅想招一个科研大神的人。因为教授的内心的声音其实是:

“我不想招一个人过来做我的学生,我其实想招一个廉价的independent researcher过来给我干活5年——我其实想招一个可以共事的同事。”

所以,肖哥认为,虽然博士依然是一个学生,但是最理想的博士能力画像其实是Independent Researcher画像——这是你申博之前、以及申博期间都要有的能力画像,这样才能更有希望拿下Top的CS PhD录取、以及更轻松更容易地读下来这个CS PhD。


那你在执行背景提升的时候,会经历什么样的过程?以及这4个材料发挥的作用的大小是否有变化呢?




(1)那我们就先看下从申博背景提升,到申博申请季到读博入学的时间线:



但是这个过程要比从表面上看到的这个时间线要复杂......我尽量可视化一下实际情况,在这根时间线上,会有发生哪几种情况的遭遇呢?我大概枚举了一下:


我感觉我列的这9种情况都不全。。。真实世界的CS博士申请真的什么情况都能发生,真的是乱七八糟、一地鸡毛....

至于最终的结果,反正从概率来说,比如你申15个学校的博士,那可能有0-3个录取,其余全是拒信。

但是我们可以大概总结一下一个PhD offer如果发生,那它可能有哪几种情况:



(2)然后我们就可以开始琢磨一下,从8月到2月这半年,既然如此的鸡飞狗跳,什么情况都有可能发生。。。那我们应该怀有什么样的心态和认知去看待CS博士申请这件事呢?


你有责任好好地跟着美国教授做科研,尽量发优质CS paper甚至是顶会paper。
0
0


但是,由于发出高质量的CS paper很难,而且的确不是每个人都能中顶会paper的。
0
0


所以需要思考如何在没有优质paper的情况下还能中Top的CS PhD。
0
0


那就是需要让自己做的科研就是跟着美国的CS教授做的,且你做的不错,教授也很喜欢你。

虽然你这个经历没有发出来优质的CS paper,但是你与教授的长期合作后,教授已经有点离不开你了——他已经习惯了拥有你这个Research Assistant了,从而想要给你发一个CS PhD的录取,且这个教授也愿意给你出推荐信。
肖哥发现有很多本科生并没有很优质的paper但是也居然中了Top CS PhD,仔细看下这种人的经历就会发现他在本科的时候长期和某个教授合作,已经一起做科研做了好几年了,那这一看就是教授非常喜欢他、习惯了有他在自己身边帮自己做各种事情。


做一个科研也不够(一封学界科研推荐信也不够),所以得做多段科研,而且每个科研都最好有产出。并且这多段科研里的某一个教授还是学界的泰斗级人物,所以这种教授出的推荐信也是具有一言九鼎的分量的。因为名师会有名人效应,这种名人效应的确可以起到碾压其他博士申请者的效果。(不过,我希望你明白,名师的强推是可遇不可求的,的确有可能发生自己努力了也拿不到跟着名师做科研的机会、更不用提拿到这种教授的推荐信了。)
肖哥发现有不少多次申请博士的申请者,他们早期申博士屡战屡败,但是随着他们的成长,他们获得了跟随学界泰斗级的教授做科研的机会并且这个教授也很喜欢他们,然后他们就一下子因为名师的强推而拿到了多个优质的CS博士录取。


因此,申请博士之前,最好有3-4年的备战时间。在这漫长的时间里,跟着3-6个美国的CS教授做东西,这样你定向申请这些教授的PhD就会概率高很多,也会有更大的概率拿到至少一个名师的强推。
肖哥曾经有个陆本学员和美国的3个CS教授做过科研,然后这个学员去申请博士的时候,3个里的2个教授都给这个学员发CS博士录取了(并且这个学员没有高质量的paper)。


但是其实教授分成两种:

(1)与自己长期共事过的美国CS教授
(2)不认识自己的美国CS教授

对任何人来说,肯定都是(2)的数目要大于(1)的数目。

由于(1)的教授也未必100%就会给你发PhD录取,所以也需要考虑如何才能讨(2)的教授的喜欢——让不认识的教授相信自己具备Independent Researcher的能力。


所以,要用上面提到的4个素材来营造自己的Independent Researcher形象:
尤其是3和4这两个素材要好好搞,这样不认识你的老师才更有可能相信你的科研能力,从而愿意去认识你、了解你、甚至给你发PhD录取。所以,3和4能够成为1和2的强有力的补充、甚至在某些时候可以有替代1和2的作用。
肖哥发现有的博士申请者把自己的各种经验、总结发给不认识自己的CS教授后,会发生各种神奇现象:

(1)会有教授会回复邮件说:“虽然我不招PhD但是我相信你是一个优秀的researcher,所以我愿意把你介绍到这个方向的招PhD的教授那里。"

(2)会有与自己方向不完全一致的教授前来联系自己:“同学你好,我在applicant pool里发现了你,虽然我们方向不完全一致,但是也是有交集的,你要不要考虑我的组?”


(3)会有教授说:“你好,我们虽然不认识,但是我相信你是一个很top的researcher,我愿意给你写推荐信支持你的博士申请。我写的推荐信是基于我们之间的一个2-3个小时的语音,我们在这个语音里相对平等的沟通一下这个方向的有关的内容————我相信这个对话会非常informative和insightful。如果通过这个对话我能确信你是个专家,我会给你提供我的最强推荐信。”

(4)会有教授说:“我看到你在GitHub上的挺活跃的,而且你是XX project的contributor,并且你解决了很多issues,这些issues真的都挺有难度的,我挺相信你的能力的,我们聊一次吧,如果聊的合适,我可以考虑招你做PhD。”

(5)太多了就不一一列举了。。。




(3)如果你能看懂上面这个认知,那我觉得很容易就看出来这4个材料的重要性对比了。为了说清楚这个问题,我们分情况讨论一下
为避免遗忘,我还是先列下这4个材料都是什么:




然后我们看一下这4个材料的重要性的差别:
(其实这4个材料的重要性有各种可能性,因为取决于录取委员会的录取原则、教授的个人喜好等因素,所以这里给出的重要性对比真的是仅供参考。。。)

用到4个材料的2个场景
在这个场景下,4个材料的重要性对比
与网申系统直接相关(材料在网申系统里躺着,你等着被捞):
最有可能是2>1>3≈4,也有可能是2≈1>3>4或者1>2≈3>4(取决于不同大学的录取委员会约定的录取原则)

在那种你不认识任何教授的大学,那你的材料交是都交了,但是录取委员会可不知道这上千个人的材料里有一个你的材料,而且你的材料还包括一个4这种非常powerful的东西。。。所以,录取委员会可能会默认所有人都没有4,那可能此时首先要看的就是2了。如果2把你夸上天了,然后再看下你的1和3,看起来没问题后,可能都不会去看你的4,然后直接就决定录取不录取了。

此时录取委员会主要看这个推荐信有没有把你吹到天上去,得把你吹的贼牛逼才行。

在那种你认识教授的大学,你的材料在网申系统里也是会需要经过初筛的,而经过初筛也是主要看推荐西。看完推荐信后再看下你的其他材料到底咋样。然后如果过了初筛,此时你的4才有机会令你stand out,但是前提是教授们注意到了4的存在。如果教授们都没注意到,那4的重要性依然是垫底的。



**多说一句,PhD申请比硕士申请存在更严重的大小年问题。举个例子,比如CMU发了75个录取,但是CMU只预计来30个PhD,但是比如今年一下子来了60个PhD。那这可能会导致明年CMU直接几乎不招PhD了。。。因为学校没有那么多富裕的资金。当然了,如果今年预计来30个但是只来了5个,那明年就会多招很多PhD。

硕士申请为啥不存在明显的大小年问题呢,因为不管是今年多招了还是少招了,都不太会影响到下一年的名额,因为这个的本质是你给学校送钱,只要学校想招那就多招一些就是了。

与网申系统不直接相关(套远程科研机会、套磁、面试):
套远程科研机会的话,最有可能是是3>1>2>4

如果是套远程科研机会的话,教授可能要求不会那么高,所以即便是没有1和2他可能也不care,他更不会对这个套科研机会的人预期他有4,所以可能大概率是3最重要(你只要证明了你有基础、能干活,就有希望能拿到这个远程机会。


套磁和面试的话,最有可能是4≈2>1≈3,也有可能是2>4>3>1

如果有名师的推荐信,那这个推荐信是有名人效应的,会让不认识你的教授直接相信你靠谱。

如果没有名师的推荐信,那就是主要让public profiles引起教授对自己的注意。然后教授此时如果看到你有不错的paper/publication,此时也就是随便扫一下你的简历和个人陈述,就应该会愿意和你聊聊了。

注意!!!不同的老师在面对自己原本不认识的学生的时候,他最关注的、最看重的东西可能完全不同。比如有的教授只认paper(那就是1最重要),那你如果没有paper的话,即便是用4也打动不了他。

所以,虽然我这里给出了一个不等式,但是真的是仅供参考。
在现实世界的这一步,真的会遇到各种各样喜好的教授(认为1最重要、2最重要、3最重要、4最重要的教授都有)。所以这一步其实没有关于4个材料重要性对比的标准答案。

**多说一句,如果你真的想知道一个教授到底有多看重1这个材料,那你可以看一下这个教授的主页上陈列的自己正在带/带过的PhD,看下他们是哪年入学的,然后去这些PhD的google scholar上看下他们在入学年份之前的paper/publication到底多不多、以及发的paper/publication到底是什么分量(是水paper还是很有质量的paper)。

**再多说一句,你在写个人陈述的时候,你why school里要提多个相关的教授(也就是你喜欢某某教授然后想要跟着他做什么东西),因为真的不一定会拿到哪个教授的面试,所以得多提一些,然后why school不用写得太细。

在这4个材料中,只有推荐信的质量完全处于我们的掌控之外,所以也是最有风险的材料。肖哥想要提醒你一下,就是如果一个教授过于Top(例如是MIT的CS Professor),他可能见过太多聪明绝顶的research assistant,所以你即便是跟着这老师做东西了,然后也出成果了,但是他在推荐信里也未必对你评价那么高。。。他见过的精英太多了,所以你想要stand out然后让老师在推荐信里说你是top 1%的students什么的,实在是难度非常高。

所以,在申博之前的两三年甚至三四年的背景提升里,你要和美国教授做东西的话,这个美国教授肯定不能很差,但是也别太强、太吓人。。。我怕你辛辛苦苦地做东西然后也有了成果结果他依然觉得你是个菜逼,那这样就实在是太冤了。




(4)看到这里,你可能会说一句:“肖哥我知道了,我会好好准备这4个材料的。但是美国有这么多名校、每个名校里又有多位与我方向匹配的CS教授,那到底哪种教授的最有可能有招PhD的需求啊?也就是说这样的教授(可能是套他的远程科研机会、也可能是套磁来套他的PhD机会)的手上有更大的可能性有大量的PhD名额。”



针对这个问题,肖哥想说,教授的手上的名额多,也不见得一定会考虑你;教授的手上的名额少,也不见得不会考虑你。所以研究哪种教授的名额多,有种用错劲儿的感觉——你应该多多focus在背景提升上hhhh

但是如果你就是想知道哪种教授的名额有可能多一些,那从概率来看,可能是:

但是你不能因此就不去联系老一些的教授了啊,,,hhh 真的是Anything is possible,所以都要尝试啊。




(5)强committee制度与弱committee制度



其实我本来不想提强弱committee制度这件事,因为知道这个和不知道这个,意义不大。。。因为不管哪些学校是强committee、哪些学校是弱committee,你都是要老老实实、认认真真地打造你的申博画像(也就是independent researcher画像)。

但是总有人问这件事,唉hhh 我也能理解,那我就大概谈下我看到的一些东西好了。

先用大白话来说下这二者的定义:

强committee制度的学校:
录取不录取一个学生主要是由committee说了算。如果某个教授想要你,但是committee不同意,那你还是拿不到博士录取(教授想给你录取也给不了,因为决策权不在这个教授个人,而在committee)。
弱committee制度的学校:
录取不录取一个学生主要是由教授个人说了算。如果某个教授想要你,那就可以直接要了,committee的意见仅供教授参考(甚至压根就没有committee),那你就能顺利的拿到博士录取。


然后再说下肖哥的感受:根据肖哥的观察,很多Top的CS大学是强committee制度的,的确削弱了教授的权力。但是如果某个教授真的很喜欢你,他挖地三尺也会想出各种方法去和committee的members去沟通然后为你争取下来这个PhD名额。也就是说,这个教授会去和committee舌战群儒拼了老命也要给你发PhD录取。

所以说到底还是教授有多喜欢你,如果他真的很喜欢你、认可了你independent researcher的能力,然后他其实就会狗急跳墙、没办法也变得有办法地去为你争取博士录取。所以,如果一个教授在你套磁的时候告诉你“我们大学是强committee,我没有什么权利”,可能只是在委婉的说“你的能力我没看上,我不想去和committee的人去提我想要你做我的PhD,因为你不够优秀,你不值得我去和committee去撕逼然后去把他们说服了要招你。” 唉。。。

所以,与其去查阅哪个大学是强committee、哪个大学是弱committee,不如把精力都花在打造自己的independent researcher画像上。这样才能让不可能变为可能。



(6)长达3-4年的CS博士申请的背景提升之路要如何走


现在,我们了解了PhD申请的一地鸡毛以后,然后你可能会感叹一句“PhD申请简直是乱死了。。。没有什么规律、没有什么东西是确定的、感觉总有种心里不踏实的感觉”。。。。没错。的确这样。所以我不太想做CS PhD申请,因为学员即便是交钱给我,我也没有那个本事(我也不觉得任何导师有那个本事)去帮助学员去消掉如此多的不确定性。但是,不管你找申博导师辅导你申博,还是自己DIY申博,我们还是回到背景提升本身,看看背景提升要做什么事情(我们假设申博的背景提升是3年,从大一下学期一直到大四上学期):


但是,你需要明白,你按照这样的背景提升执行之后,不是说100%就有博士录取了因为到你申请CS博士的时候,真的依然是什么情况都有可能发生。。。哎太头疼了。。。

结论:
在至少3年的备战周期里,这4种材料都必须准备,而且要精心花大功夫去弄,然后让它们发挥1+1+1+1>4的效果,从而可以在申请两类CS教授(自己合作过的教授、不认识自己的教授)的时候以最大概率拿到一个面试机会甚至拿到CS博士录取。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


1.选择博士offer的最重要的原则有3个:个人兴趣、接业界地气、教授的见识/能力以及是否nice。那它们的重要性到底如何排序呢?(下面的排序仅供参考)


2.其他因素(也就是不太重要的因素)包括:学校的综合排名、学校的CS专业排名、学校的地理位置(就业难度)、读博期间的工资、气候等等。硬要给这些因素的重要性排序的话,那是下面这个不等式(仅供参考):

结论:

以上给出的所有不等式,都不绝对。

我的意思是,从现实情况来看,不同人的诉求和心态都不一样。。。
(1)比如有的人虽然要找业界工作,但是就是把兴趣作为第一优先级来选择offer(而不是把接业界地气作为第一优先级);
(2)比如有的人虽然要找学界工作,但是对失业这件事特别恐慌,所以就把接业界地气这件事作为第一优先级(而不是把个人兴趣放在第一优先级)。
(3)比如有的人非常看重气候因素,因为他的身体有一个什么小毛病导致他不能在特定类型的气候下好好生活,所以气候好的学校是第一优先级。
(4)比如有的人虽然知道综合排名对于读博不重要,但是其实他就是个人喜欢综排高的学校。
......

所以,我给的这个不等式、及其分析,仅供参考。每个人的情况、心态、诉求、能力、目标,都不太一样,所以这种不等式是不唯一的。任何人都应该在充分了解自己后,整理出自己的不等式——我也恳求所有读者都尊重其他人的心中的不等式。不等式没有对与错之分,只有适合自己与不适合自己之分。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


在读博期间的挑战有很多,其中难度最大的挑战有4个,分别是:博士F1签证容易被check,科研做不出来,收入太低 没有积蓄,和,没有业界经验。接下来我们看下如何解决这4个挑战。


友情提示:如果是读博期间(人已经在美国境内读PhD了),然后人在境内的时候visa过期了。在这种情况下,如果你离境美国然后想要再入境美国,就要去领事馆(例如美国驻北京领事馆、美国驻温哥华领事馆)面签F1,然后贴了有效的F1 visa才能重新入境美国。

但是这里有一个例外:如果你境内身份(例如i20)依然有效,只是护照上的visa依然过期了,此时如果你去加拿大或者墨西哥,然后你去了后,如果逗留的时间不超过30天且这30天内你没有去其他国家,那你就可以凭借有效的境内身份(例如i20)重返美国。这个政策叫automatic revalidation,它不仅适用于F1,也适用于H1B、J1等其他非移民身份。

“他人”可能是谁
“他人”可以如何帮到我们、我们应该如何“使用”“他人”
校内的
导师

(1)把困难摆出来,直接问导师。只不过问的时候尽量把自己的困惑说的具体一些,也把自己做过的一切努力与尝试都摆出来给导师看,这样老师才能给出更细节的建议和更有可能成功的解决方案。


(2)当你进入你读博的中后期,你的导师有可能不能很好的彻底帮到你。因为你做的那个东西有可能老师也没碰过——为什么会没碰过呢?因为科研的本质是创造新知识,既然是不曾被创造的新知识,那老师可能也只是有一个模糊的方向、朦胧的想法可以和你分享,但是更多细节上的建议可能就给不出来了。(这也是为什么教授在招人的时候特别希望寻找Independent Researcher画像的人。)所以此时你更多是问老师,你应该去问谁、去多看看谁写的什么文章、去多参与一些什么样的学术活动、去多访问什么论坛,才能获得灵感和解决问题的思路。

本校同方向的PhD

(1)不管你与这些PhD在不在一个实验室、不管你与这些PhD分别都是什么国籍的人、不管你拉不拉的下来脸去和其他PhD沟通,你都得厚着脸皮去找这些人聊,聊你的困惑、聊你的想法,问他们有没有什么建议。


(2)如果这些PhD也没有什么思路,你就问问他们 他们建议去问谁、去多看看谁写的什么文章、去多参与一些什么样的学术活动、去多访问什么论坛,才能获得灵感和解决问题的思路。


***注意,在一些特定情况下、在一些特殊政策的影响下,PhD彼此之间会存在竞争,所以你们虽然是同学,但是未必会掏心掏肺的帮你,所以你可能有的时候会有无助的难过的感觉。我不希望你遭遇这种经历,但是你需要有这种可能性的预期。

开源社区的其他技术人、你那个方向的
技术论坛/博客的版主和网友

这个是使用校外资源的典范——积极利用校外的线上资源和线下资源。你能够极大的拓展眼界、极大地锻炼think out of box的能力。因为,你那个方向的人,不仅仅是你们学校有,其他公司、其他大学里也有大把大把的人是做你那个方向的。但是由于大家的成长轨迹几乎完全不一样,所以这就会导致大家在面对同样一个问题的时候的思路可能不一样。

会议/各种meetup的speaker和其他
参会者

因此,通过线上与线下的渠道,去大量认识的人,然后去沟通你遇到的困惑,可能就可以快速让你获得很多不曾知道的想法、不曾想到的灵感,然后你解决你遇到的困难的思路就开阔了。

网上的技术大牛(可能在github、stackoverflow、linkedin、medium、知乎、各种程序员论坛、我最在行、淘宝上能找到他们)

有很多技术大牛会在网上提供技术性的咨询服务,大概率是有咨询费的。也就是说你把你的技术问题告诉他,然后他会教你如何做。这个钱是值得花的,因为相当于是买认知。认知提升、格局提升这种东西,有的时候花钱都买不到所以如果遇到了后,是值得付费的。


我举个例子你就懂了。比如你小学3年级,然后参加3年级小学生数学竞赛,那肯定很多题不会、没见过。然后如果你会用知乎或者淘宝的话,你可能能搜到很多数学大牛,比如他们可能是数学博士、数学硕士。他们虽然早就忘记了小学3年级数学竞赛都会考什么,但是他们一看那些题目就知道怎么做,而且他们切入问题的角度是超过小学的知识范畴的,所以你自己憋在家里自己琢磨可能一直都琢磨不出来。你让他们多给你讲几遍,而且顺便把相关的超纲知识都学了,这不就成长会贼迅速吗~你多和这些数学博士、数学硕士沟通沟通,你可能就可以再他们的帮助下,很快地就甩开同龄的小学生的数学能力了,那你说这钱花的值不值?当然值得了!花钱后买来了维度的升级、认知的升级、以及快速的蜕变,值啊!

校外的
去做多段实习(internship)然后和公司内部的engineer以及scientist多交流沟通,以及参与公司内部的networking event去认识更多的人

你要明白,去实习不仅仅是为了赚钱,而且是为了多认识优秀的人。其实很多问题在学界与业界都存在,但是学界与业界给出的解决方案的确有可能非常不同。这种不同会给人很多灵感上的启发,让自己的思维变得更加灵活,更容易think out of box。

其实在公司做实习还有一个好处,就是你可以试着在你的权限范围内多去看一些公司内部project的solution(你需要确定你有查看或者访问的权限,并且不会触发公司的alert)。这些其实是非常好的学习材料,而且是外人看不到的东西。

其他学校同方向的PhD

建议你厚着脸皮去把美国Top 30的CS PhD里的中国人都勾搭一遍。大部分学校的PhD都有自己的主页,主页上都有自己的邮箱。你就一个一个发邮件去联系他们,然后加上微信,然后一个一个与他们沟通一下彼此对这个领域的一些认知、使用过的一些资料、以及针对某些具体问题的看发与感受。这种东西实在是太重要了。。。有些灵感、有些信息、有些想法需要从别人身上学习。


我当然相信你既然在读这个CS PhD,那肯定说明你很优秀、而且已经几乎是专家了。但是理性想想,你真的是一个know everything的wikipedia吗?未必,对吧。你虽然优秀,但是你总有不知道的东西、总会有盲区。既然如此,你为什么不去通过与校外的这些PhD们的交流去让自己减少盲区,这样才能更有机会站在上帝视角、以一种think out of box的思维方式去解决你遇到的问题呢?


之前肖哥就认识一个快被自己PhD期间的科研任务憋疯的人。。。我们称之为小明。当时小明卡在一个点上很久了,都没有思路,然后就有点狗急跳墙了,就开始广泛联系全美的Top的CS PhD们,然后就各种聊、各种问,然后最终被他遇到了一个特别聪明的、也很乐于助人的CS PhD(这个人还比小明岁数小),然后最终小明的问题不仅被解答了,小明和这个人还促进了彼此的两个院校的CS系在这个方向上的合作。简直是太棒了hhhh 因为一旦合作起来,就是双赢。

其他学校的教授

外校的教授的确有可能不太会理你,但是你也可以只管试试去联系。教授虽然忙碌,但是如果他觉得你足够优秀、且你遇到的问题也的确值得沟通,他还是会愿意抽出时间一起沟通讨论一下的。


甚至,如果你就是认准了某一个外校的某一个教授了,就是想和他聊一次,你要么就是直接飞过去与他面谈你遇到的问题,要么就是了解下这个教授未来几个月里会不会出息一些会议或者线下活动然后你就去这种场合去见他然后细聊你遇到的问题。


反正反正反正,你如果做科研卡出了而且的确是想不出新招了,不要闭门造车、不要自己闷在实验室天天自己捣鼓,你一定要迈开步子、走出去,这样才有机会给自己refresh一下,给自己多一些灵感、方法、思路。

多多与其他人讨论、分享,一定会让自己受益的。我的意思是:


1


关于这一点,在CS求职疯子的美国CS求职扫盲里的“求职时间线”里说了:

因此,如果你想要在读博期间增加业界色彩,那你就多多通过如上方法强化自己的业界背景,增加你在美国CS求职简历的竞争力。

结论:

读博士是一场苦行僧的修炼——又没钱、又要面对如此难的任务而且这些任务都快要把自己逼疯了,而且身边的朋友也不多。。。所以我们需要向所有读博士的人致敬,因为他们为人类新知识的增加做了不小的贡献,且这个贡献是基于他们痛苦的奋斗与钻研过程。

其实这5年没有太多积蓄是小事,毕竟你30岁博士毕业到60岁退休,可以赚30年的钱呢,所以赚钱的事并没有那么着急。关键是读博期间面对的科研任务实在是太难了、而且经常就毫无思路、工作也毫无进展,整个人就会经常非常颓丧。

所以“狗急跳墙”的精神还是要拿出来的。多多利用校内与校外的多种资源,让自己打开思路和格局,这样就可以加速问题的解决,实现突破。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html

接下来我针对这6条路径来说道几句(以下结论可能有biased,因为我的学界人脉相对少,所以在解读这6条路径的时候也许会带一丢丢bias):

①走这条路的人是有的,但是不是特别多,这种一般情况下是相对Top的CS PhD + 一点点运气。

②走这条路的人有很多,很多想找学界Professor工作的PhD都会选择做Postdoc。

③走这条路的人是有的,但是不是特别多,不是因为难度大,而是因为部分人在情感上无法接受去不太满意的大学做CS Professor(哪怕是只去几年)。

④走这条路的人是有的,但是比③还要更少,因为可能觉得都做了这么久的Postdoc了,所以就不想先去一个不太满意的大学做CS Professor再去自己满意的大学了。

⑤走这条路的人是有的,但是不是那么多,因为Teaching Professor的岗位其实不是那么多,而且不少人可能会选择等待继续观望好的CS Research Professor职位

走这条路的人是有的,我觉得这条路可以作为走不通①和②的很好的替代方案,我很喜欢这种路径。

走这条路的人是有的,但是很少,因为很多PhD在情感上很难接受毕业后先做Engineer,但是我觉得反正也就做个几年(没准1-2年就行)就可以找到Research Scientist工作了。

接下来我针对这个路径说道几句:

很多可能会觉得:“都读了PhD了,咋还去做不带科研色彩的Engineer去了,那这PhD不是白读了么?亦或是说,这种PhD都是能力特别差的、做不明白科研的人?”

我觉得当然不能这样认为。职业这个东西本来就是个人选择问题,任何人都有权选择任何职业,而且不要在不了解细节的时候就妄下推断~


我觉得这种路径的人,有可能是在个人喜好上,并不太喜欢不确定性大的事情。这是啥意思呢?让我来举个例子,比如小明曾经在一个气候非常不稳定的城市生活(经常忽冷忽热,比如今天短袖、明天大棉袄、后天又热爆那种地方),小明的适应能力还是很强的,所以在这个城市也生活了挺久的。但是你如果问小明喜不喜欢这种城市,小明会说不喜欢。又过了几年,小明就搬家去四季如春的昆明去生活了。那你能说小明是因为适应能力太差所以才去的昆明么?也不能这么说对吧。这只是一个个人选择问题,并不能代表能力。


回到这条做Engineer路径的话题,我想要说,与做科研相比,做开发的Engineer面对的场景相对确定与稳定,创造新知识的环节相对少,所以这种CS PhD可能在情感上觉得更舒服一些,那就去做了,反正工资也不低,那就可以开心工作、开心生活了。这是他自己的选择,我们应该为他开心——他找到了适合自己的路径。



接下来我针对这5条路径来说道几句:

①走这条路的人是有的,而且不算太少,反正读博期间在学界好好做科研的同时也多做Research Intern就很有希望走通这条路。

②走这条路的人不是很多,因为这个场景是CS PhD想去业界工作,所以可能他在找工作的时候完全不考虑学界的任何机会,所以导致走这条路的人少。但是我觉得这条路的确是可以考虑的,因为业界的Research Scientist职位总数并没有那么多,而做Postdoc本身也算是对找Research Scientist工作有好处。

③走这条路的人是有的,毕竟Research Scientist在业界的职位本来就不多,我觉得能有一个可以先干着,然后再跳就是了~也挺好的。

④走这条路的人是有的,在做Engineer期间多跳槽几次、持续成长、多触碰一些科研的东西,还是有机会最终变为Research Scientist的。

⑤走这条路的人是有的,这个也没啥大不了,反正最终能抓住老鼠就是好猫hhh~时间早一点晚一点都没关系。而且还不一定会晚呢~



结论:

有博士学历的人,在就业的时候肯定能有一定的优势——毕竟这是人类的最高学历,“学历门槛”这个事情在你面前不复存在了。

但是,我希望你明白,有了博士学历后并不意味着你能克服客观上的挑战————比如你想找的那个工作(例如是CS Professor)的岗位数目过少————那也会导致你就业的时候遭遇困难。这与你的能力的高低无关。

所以我依然建议所有博士学历的人依然对求职做好困难准备——我当然期待你顺利的找到你想找的工作,但是万一遭遇不顺,你需要知道还有其他路径可以通往你的梦想职位。其实条条大路通罗马,走通哪条路都可以实现目标,时间早一年晚一年的,不要太在意。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html

你可能会好奇为什么肖哥会打造这个网站、以及网站为啥长成了目前的这个样子、以及为什么网站的明面上没有肖哥的联系方式、以及为何肖哥不考虑任何商业合作。

如果你有这些疑惑,那欢迎你一起看看这背后发生的故事。这一切还要从为什么会有这个网站以及肖哥的初心开始说起:


内什么,我多说一句啊,抛开你是否信任我这个话题。。。。。。其实即便是你信任我了,想掏钱买我的服务,我有的时候都种不好意思收钱的感觉。。。

这个可能你们听上去觉得有点无法理解————你们可能会问我一句:“肖哥,你的意思是你不想要钱?你的公司不是只有你一个人么?你不想要钱的话,那怎么样养活你自己?”


关于这个事情,还是和小时候的成长经历有关,具体来说是这样的:
肖哥的母亲会在肖哥小时候给全家买保险。
肖哥依稀记得,肖哥在小时候,肖哥的母亲会买一些保险产品什么的。

那时候没有疫情,保险经纪都会直接来到家里,介绍保险产品啊什么的,然后介绍完后会说 保险的价格,然后肖哥的母亲会选择一些看起来有用的保险然后购买。

肖哥惊奇地发现:保险经纪比做大学CS教授的母亲还要赚钱
肖哥当时啥也不懂,但是看到保险的价格咋都这么贵,肖哥就和肖哥母亲说:

“妈妈,你别做大学CS教授了,你去卖保险吧,我咋觉得卖保险比你赚的多多了?你看这保险经纪,一下子收走你这么多钱。”


肖哥母亲说:肖哥的全家人没有一个做的了保险经纪这个职业,因为没脸张嘴要钱
肖哥的母亲当时说:“保险经纪的确挺赚钱的,但是我可做不了这个工作。咱家人都做不了。因为咱们家人其实都性格比较内敛,你让我张嘴问客户去要钱去,这种事我可做不出来。所以这种行业咱家人是碰都没法碰,心理那一关过不去。不是因为保险产品全都是骗人的,而就是因为张嘴问人要钱这件事,不符合咱们家人的性格。

肖哥发现自己母亲说的对,肖哥的确张不开口问人要钱去
肖哥当时想了一下:“对。。我好像也张不开口问人要钱去这种职业我也做不了。以后我感觉我也只能做那种不需要张口要钱的工作。。。”

肖哥虽然建造了网站,但是肖哥网络世界里躲了起来。。。
在这样的家庭文化下,其实肖哥对收钱这样的行为的确是抵触的。所以肖哥会建议DIY,也会建议阅读肖哥网站的人先去问其他机构、实在走投无路再来寻求肖哥的帮助(在网站右侧悬窗上写了)。

在面对必须得花钱的人的时候(不花钱就无法解决问题),肖哥收钱的抵触感会降低。
这样一来,就导致了,真正过来加肖哥微信的人,应该是那种真的需要帮助的————他不花钱的话可能真的真的就要完蛋了。。。他真的得花————遇到这样的人来购买肖哥的服务,其实肖哥会在心理上降低肖哥对收钱这件事的抵触情绪。

售前 vs 售后,肖哥抵触的是售前(肖哥不喜欢收对方钱的感觉)。
大家可能会觉得:“什么?肖哥,你抵触收钱?那你如果去工作然后公司给你发工资的话,你是不是抵触接收工资啊?”

肖哥想说:当然不是hhh

这两种接收钱的方式不一样,一种是直接问客户收钱(我有点像售前),一种是公司给我发工资(我有点像售后)。我抵触的是前者这样的感觉。说白了就是脸皮有点薄,不太好意思张嘴要钱(而并非因为我自己的产品是骗人的、所以导致有收钱的负罪感什么的)。
而且一个温暖的、互帮互助的世界是不需要花钱就能解决问题的


肖哥在与对方深入沟通后,如果对方想花钱找服务但是依然不信任肖哥的话,肖哥会没脸继续沟通下去了
肖哥的这种性格与思维方式,也间接的导致了一个什么现象呢?——

如果一个人把肖哥的网站扒了一个遍,找到了肖哥的微信然后添加肖哥微信好友后,然后与肖哥语音沟通过几个小时了,但是这个人或者这个人的家长,还不信任肖哥的话,肖哥此时就真的感觉自己有抢人家钱的嫌疑————所以肖哥会对自己说:“还是放过这家人吧,前后沟通了这么多个小时了,人家又不信任我,我还解释啥、还和人沟通啥呢?别骚扰人家了。。。”

肖哥会感觉,越解释就越显得肖哥自己是不是心虚、越解释就越会让对方觉得肖哥满脑子就是全是钱。


躲着钱走”是肖哥比较舒服的状态。
在面对那种无法信任肖哥的人的时候,肖哥会努力去尝试令对方相信自己不是骗子,但是如果这个努力的过程太久了,肖哥就会选择“躲着钱走”的人生路。。。肖哥一旦察觉到对方不信任自己、或者不满意,那直接就会把钱赶紧退给人家(如果收费了的话),这样一来,肖哥虽然这部分钱没有了,但是肖哥这样“躲着钱走”,真的是心里舒服多了。。。

其实,肖哥之所以敢躲,是因为肖哥一直坚信,有本事的人,不可能因为躲着钱走就导致他赚不到钱。。而肖哥自诩是一个有点小本事的人,所以肖哥相信只要自己把事情做好以后,钱会围绕着肖哥转(钱还是应该会送上门的)。这样就到处去找各种人(尤其是不认识自己的人)收钱了。


肖哥明明不想收钱,但是又被形势“逼着”在个别的时候收钱。

但是其实这个钱肖哥也不想收,但是不收又聊不过来,有点儿
死棋了。。

但是肖哥发现,如果不收钱,会产生一个比较严重的问题——

肖哥每年1月-2月宣传+招生,招满后就想安安静静的做业务、面对这些学员提供服务。但是总有人在3月-12月期间扒出来了肖哥的微信,然后留言说想要沟通一下。肖哥的单次咨询一般是2-3个小时起(因为信息量太大、细节太多了),想要沟通的人太多了的话,就会导致肖哥每天只能做2-3个咨询,其他什么都干不了。而且咨询做太多了后也太耗费嗓子了,很累。

所以,肖哥在万般无奈下,肖哥有时不得不在3月-12月期间设置沟通门槛——也就是付费咨询。这真的是没办法,收钱的目的其实真的不是为了赚钱而是为了委婉地赶走一些人,让他们去找其他机构。

但是肖哥真的不想这样做(不想对这些人收费、也不想赶走他们),肖哥真的于心不忍,因为他们真的都是需要帮助的人,否则怎么会来加肖哥微信呢?

但是肖哥在满员后的确时间有限,这怎么办啊?愁死了。。。


隐藏微信、打造网站是解决这个问题的方法。

(给网站不断增加内容后,求助者就可以不用花钱然后就能得到肖哥的思路了,肖哥也不会忙不过来了,所以肖哥就可以“躲着钱走”了。)

肖哥遇到的挑战
———————————————————————————
加肖哥微信的人有点多,肖哥聊不过来。
———————————————————————————
肖哥内心深处不想针对咨询收费,又想尽量帮助求助者。
肖哥想出来的解决方案
———————————————————————————
在网站上把微信藏起来,不开设其他平台的账号,不过度曝光自己,不去吸引流量过来。
———————————————————————————
持续使劲打造网站,扩充网站内容,不断地增加干货与信息量,这样就能在不收费的情况下去帮助这些求助者了。
所以,肖哥想对大家说:

我真的本来就有点想要 "躲着钱走"。。。所以,如果你不信任我,那你和我沟通的话,我会有一种我在抢你钱的错觉(虽然沟通本身未必收费了)。我最受不了这个感觉了,正如我妈也无法张嘴问人要钱一样。。。。

更何况,在我心中,我本来就觉得,一个理性的世界是一个没有商业的大同社会——大家互帮互助、携手前行。所以从性格的角度来说,我可能真的不太适合商业世界。

所以,要不然,你赶紧去找找别的机构,我在收钱这件事上有点玻璃心 T_T

我还是继续逃走、继续 "躲着钱走" 比较好hhhhhh。。。


捂脸...见笑了...

而且我也本来就建议DIY。。。所以就算不信任我(我能理解来自你的不信任),但是能不能看在我网站干货比较多的份儿上、能不能看在我把“建议DIY”写在了网站的很多地方的份儿上,也不要过来骂我hhhh

毕竟争吵与骂人也不解决问题,如果你觉得我哪里有问题,欢迎你开诚布公地、语气相对平和地告知我hhhh 我肯定是乐于聆听和改进的~~而且也许我们也可以因为这一次真诚的交流而成为朋友?哈哈,多个朋友不就多条路么~是吧~


但是嘞,如果遇到了真的想使用我的服务的人,我也会接、也会签。但是签约的过程,对肖哥来说,有时候也是一种折磨。

1
1
他情绪正常
他情绪激动起来
肖哥的心态以及处理方式
前来咨询肖哥服务的人包括两种
第一种人:
他的心态是:“天哪肖哥,可算让我遇到你了,就是你了,我不考虑别人了,就肯定签约你了?我要赶紧签约。肖哥你不许跑,你不许不收我!肖哥,只有你能救我。” 
有时候,他甚至是这种心态:“什么???你说你不好意思签约我?不行不行不行啊肖哥!!你怎么能不好意思呢?!哪有你这样做生意的名额在哪里?合同在哪里?我要签约、越快越好!!!”
这种情况下,我会对这样的人说:“既然你感觉你不找我的话,你可能真的走不通他想走的人生,甚至是你判断你是真的需要花钱来解决你面对的困难,不花钱可能真的不行了。那我觉得,我当然可以和你正式的签约下,然后我们一起把你的人生走通。由于你是这种情况,我收钱的时候,不好意思收钱的感觉会少一些。感谢你的信任哈。”


这样的人真的是信赖我+需要帮助+大概率不得不花钱寻求帮助,我这一侧的签约过程会相对舒服一些。
a
1
他情绪正常
他情绪激动起来
肖哥的心态以及处理方式
第二种人:
他的心态是:“我看了你的网站,还是感觉你这里不一定靠谱。知人知面不知心,你想让我签你的话,你需要提供你的这些材料给我:

1.你的本科毕业证以及成绩单

2.你的硕士毕业证以及成绩单

3.你的工作证明

4.你当下的公司的注册文件

5.你的身份证与护照、以及你在国外的合法身份文件

6.你父母的身份证、以及工作证明。然后我再考虑是否签约你

有时候,他甚至是这种心态:“我觉得刚才提到了六件事也不够。这样吧:

7.你必须到我家所在的城市跑一趟,我们面对面签约;

8.你必须提供无犯罪证明,然后我们一起去一趟公安局,做一个备案;

这种情况下,我会觉得,这个人的警惕性非常高(我100%支持这种心态,因为这种心态可以最大的程度的避免自己在所有场合被骗)。但是,站在我这一侧,就真的是有种“我在抢钱”的错觉。你品品,是不是这个感觉————人家警惕得很,甚至对我充满了一定的敌意,那我其实不就是在抢他钱么

所以,我在这种情况下,面对来自他的如此多的要求,我一般是尽量配合、尽量满足,只要是我一己之力能实现的,我都尽量实现。


所以,我会对这样的人说:“1到6我觉得我都可以做到。至于7和8,如果我和你在同一个城市,我完全可以配合。但是9和10,比如9,我父母也一把年纪了,让他们做9这种事,会不会太委屈他们了?唉。。。而且,9和10这种事,牵扯到了我身边的人,我还是不希望给别人添麻烦。我的意思是,比如你是一个开公司的人,然后你每天正常工作的状态下,还需要不断麻烦你身边的亲

0
1
1
他情绪激动到快发飙了
人过来帮你做业务,这是不是也
9.合同上也必须加上你父母的名字以及信息,然后你和你父母在合同上签字的时候,要录制视频,视频就是记录签字的过程,视频里3个人都要露脸;

10.请您给我们提供一封来自你本科大学的某一位计算机教授的推荐信,也就是说,这位教授表扬您业务能力的推荐信;

太给亲人添麻烦了。但是,我能理解你让我做7、8、9、10的初衷,你的初衷是怕自己被骗嘛~~~这个防止被骗的初衷实在是太应该有了。但是我觉得要不然你再找找别人?找你最最最最信任的机构或者导师,这样你也舒服,我也舒服,哈哈哈~~~~

毕竟,我本来就不好意思张嘴要钱,然后你对我也不能完全信任。那你何必委屈你自己和我签约呢?是吧hhh 我实在是不想麻烦身边的人。

衷心祝福你遇到你信赖的机构/导师,也衷心祝福你走通你想走的人生~~不过,我还是建议你DIY,毕竟避免被骗的最好方式就是不花钱。只要钱不从你银行卡里流出去,你就从源头上杜绝了被骗,真的真的,我真的觉得应该从源头上杜绝被骗。”

唉hhh 反正我就守住一条线——对方怎么搞我整我都行,但是我不想麻烦我身边的亲人或者朋友。

0
1
1

其实每当我遇到有人向我提出7、8、9、10的时候(尤其是9和10),我做业务的积极性都会被狠狠地打击一下。

有那么一瞬间我会觉得:“不想干这个了,我随便找个大厂去做SDE或者DS去得了,世间的疾苦与我再无任何瓜葛。哈哈。只要我不签约任何人,我就可以从源头上杜绝有人拿7、8、9、10来折磨我hhhh”

给你们看下我2023年3月发的一条状态:



所以,我最舒服的人生状态有两种,第一种就是不签约任何人,第二种就是和刚才提到的两种人里的第一种人(也就是信任我、且必须花钱的那种)进行签约。