我希望旗帜鲜明的摆明我的观点

我强烈建议所有人尽量都自己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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

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。


7种常见的不理性的原因

7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尽量多了解了解成为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。

不理性的原因7:我父母让我读博。

肖哥不建议盲目地听从父母的建议。父母的建议不见得是错的,但是不一定适用于你。
举个例子,假设你是个男生,然后你父母看上了一个大家闺秀的女生,人品好、学识好、模样好、家世好,但是这个女生未必适合你,因为两个人到底合不合适,得相处后才能判断出来。 因此,读博当然是一个好的建议,但是不一定适合每个人。
理性的原因7:我以后想要学界工作与业界工作来回切换
肖哥觉得,当一个人在35岁到60岁之间的时候,如果有权利可以在学界职位和业界职位来回切换的话,是可以很好的缓解中年压力的。 举个例子,比如业界不景气、裁员严重,你就去学界工作;比如学界职位比较少、不好求职,你就去业界找工作然后捞钱。 再举个例子,比如你父母在小城市居住,突然有一天他们身体出了问题,但是这个小城市没啥程序员的职位,但是有一个三本大学,那也许你可以临时性的去这个三本大学做个老师,然后这样又有收入、又不一定需要坐班从而可以更方便地照顾父母。 其实,想要从根本上缓解中年压力,就是想方设法的令自己具有更多选择权,让自己可以永远有退路。
如果你符合上面左侧的这7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7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,那读博是一个基本上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,那读博是一个基本上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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~


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CS 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。然后小杰自己要申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CS PhD的录取了。
(3)
小佳在本科的时候,跟着3个美国大学的CS教授做过CS科研(我们把这3个大学记为A大学、B大学、C大学),然后在大四的时候,小佳申请CS PhD的时候申了14个学校的CS PhD(这14个大学是A大学、B大学、C大学、D大学、E大学、F大学、G大学、H大学、I大学、J大学、K大学、L大学、M大学、N大学)。但是小佳这14个大学的CS PhD申请最终全拒,但是F大学的某个CS教授联系小佳 对小佳说:“我知道O大学、P大学、Q大学、R大学、S大学的这个方向的CS教授在招人,我可以帮你把你的申请材料给这5个大学的CS教授递送过去,看看他们是否招你。”小佳同意了。然后最终小佳收到了Q大学的CS PhD录取(小佳并没有填写过Q大学的网申)。
(4)
......

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,大概率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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~


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、精力基本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,都尽可能向这二人学习。

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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~


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(至少是这个数目)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)。

在套科研机会的时候,通常来说,是学界科研机会的作用要大于业界科研的作用。针对学界科研机会的获取,具体方法就是用初版简历+套project的邮件,对所有美国名校的、与你方向一致的CS教授,进行广撒网,询问他们手上是否有project需要assistant或者helper并且可以让你去做。

在这样的广撒网式的发邮件之后,有2个结果:第一种结果就是有教授同意与你一起共事、同意你进组做project,那你就去做;第二种结果就是没有任何教授同意,此时你需要进一步升级你的简历质量,然后重新采用广撒网式的发邮件,迭代这个过程,总会有教授把你捞起来。

所以,问题就回到了这个简历要到底要如何打造(以降低发邮件的封数与轮数)。嗯,其实这个问题,是这个没有标准答案的,因为这个取决于你要做的方向。而且即便是同一个大方向的,简历也有可能会不一样。

举个例子,比如你的兴趣是database,但是你的简历里的这5-6个project,可能最好不要是纯database的projects。我的意思是,你如果多去看几个database的教授的话,你会发现,有的教授更多是focus在database security,有的教授更多是从distributed systems的角度去做distributed database,但是也有的教授在做database与data mining,还有的教授在用ml去解决database问题。。。等等等等。那,此时,想要做database的人们,就会根据自己的兴趣来打造第一套简历。

比如,有的人会令自己的简历以database内核开发为主、distributed systems和data mining为辅,但是有的人会令自己的简历以database security以及其他system security的project为主。这种差异,就是因为,他们在database领域内部 所喜欢的细分方向不太一样。而这种兴趣的差异,也决定了他们在联系不同教授的时候成功的概率。

所以打造第一套原始简历是一个open-ended question,需要根据你的兴趣,具体情况具体分析,然后再去寻找相应的project来打造简历。

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)套磁

在准备好上面提到的材料后,我们就会带着这些材料去申请美国CS博士。在申博的过程中,比较重要的环节就是套磁了。套磁可以根据场合/形式,分成线上套磁与线下套磁这两种类型:

为了套上辞,要在第一次联系教授的时候,就展露出independent researcher的人设、以及自己在自己专供方向的深入了解、以及对教授工作的深入了解。我们称这个内容为【套磁内容】。

然后,套上磁后,要与教授进行深入的沟通与探讨。我们称这个内容为【沟通内容】。

其实,对于大部分人来说,【套磁内容】是【沟通内容】的子集。但是对于本事大、造诣高的博士申请者来说,【套磁内容】是等于【沟通内容】的。

那这个【沟通内容】可能有什么呢?比如如下几个方面:

这些内容看着简单,但是其实非常高端、非常深入。如果沟通的内容可以间接或者直接证明我们达到了这个CS领域的专家的高度,那我们就很有希望可以与老师相对平等的沟通、让老师觉得我们是一个可以共事的同事。总之,作为博士申请者,我们必须全力让自己站在这个领域的高度,这样才能让沟通内容尽可能的出彩、让教授动心想与我们合作、招我们进他的组读博士。




(6)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,不如把精力花在打造自己的independent researcher画像上。这样才能让不可能变为可能。



(7)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):

结论:
我们从申博的奋斗过程、与奋斗产出这两个角度来总结CS申博:

虽然我们上面已经分析了不同事情的优先级,但是如果你让我粗暴的就用一句话来总结美国CS博士申请的重点到底是啥,那就是跟着多位美国顶级大学的CS教授一起共事然后换推荐信。或者我再说的直白一些,在我看来最重要的重点是:
Connection is all you need!
希望你一定要相信,这个真的是最最最最最最最重要的重点。
唉,我还是担心屏幕前的你不相信,那我再写的大一些吧
而且一定要尽可能与多个不同的学校的CS教授合作,因为其实他们的人脉也有可能帮到我们,比如我的意思是(以4个教授为例,即,假设你在申请CS PhD之前,在背景提升的过程中,与4个不同大学的美国教授合作过):
所以,最最最最重要的重点真的是:
所以,购买CS申博服务干啥啊?
购买了就能有connection吗?
那可是没有这种说法啊啊啊啊...
所以就不要买CS申博服务啊...
但是,你需要明白,即便是你把我上面说的所有建议都做了,那也不是说100%就有博士录取了,因为到你申请的时候,真的依然是什么情况都有可能发生。。。哎太头疼了。。。


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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~


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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~


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,那可能很多题不会、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也学了,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里的中国人都尽可能勾搭一遍。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,你一定尽可能要迈开步子、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,大概率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“增加业界色彩”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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

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,走通哪条路基本都可以实现目标,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


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

尽可能一定要相信我,在肖哥看来只要做到极致,真的有可能在任何节点翻身、大概率可以实现任何目标。而且,肖哥坚信只要采用了那种最最极致、最最吓人的策略,就会发生很多很多神奇的事件。



看到这里,你可能会好奇肖哥的人生里发生过什么事情?

嗯好的。。我写出来好了hhhh。肖哥的人生真的荡气回肠。。。欢迎你来看看肖哥做过哪些极致的事情、以及背后发生了什么:



肖哥的奶奶+爷爷
肖哥的姥姥+姥爷
老大:
肖哥的大伯
(出生于五六十年代)

老二:
肖哥的父亲
(出生于五六十年代)

老三:
肖哥的小叔
(出生于六七十年代)

老大:
肖哥的大舅
(出生于五六十年代)

老二:
肖哥的母亲
(出生于五六十年代)

老三:
肖哥的小姨
(出生于六七十年代)







小时候因为时代问题无法学习

初中学历

当了一辈子农民

从小到大就比较上进、听话,爱学习。
小时候不爱学习

高中学历

当了一辈子工人

小时候因为时代问题无法学习

初中学历

当了一辈子基层民警

从小到大就比较上进、听话,爱学习。
脾气比较坏

大专学历

当了一辈子居委会人员


因为肖哥的爷爷是市级领导的秘书,所以在那


但是因为家庭氛围过于重男轻女,这让肖哥母

他的孩子(肖哥的堂哥)属于低智人群,先天的,没法治。

小学学历

当下在做保安

个年代算是有见识的人了。肖哥的父亲从肖哥的爷爷身上能感悟到知识可以改变命运
他的孩子(肖哥的堂弟)不爱学习

本科学历(三本)

当下在做工人

他的孩子(肖哥的表姐)不爱学习

大专学历

当下做超市收银员

亲意识到,需要用知识才能改变命运。
她的孩子(肖哥的表弟)不爱学习

大专学历

当下做某单位的办事大厅的前台客服



肖哥的父亲所在的高中是两年制。

为了上大学,他高中期间学疯了。

整个县城只有2个人考上了大学,其中就包括肖哥的父亲。当时肖哥的父亲所在的村子的大喇叭,连续1周播报肖哥的父亲考上大学这件事,全村都为肖哥的爷爷奶奶以及肖哥的父亲开心。

肖哥父亲是17岁上大学。

(肖哥的父亲是七八十年代的大学生,对没错,几乎是是新中国的第一批大学生。)

肖哥感觉其实这位算个学霸。

肖哥的母亲所在的高中是三年制。

为了上大学,她高中期间学疯了。

但是高中毕业的时候参加高考的时候,路上下大雨,摔倒了+落汤鸡,导致考试状态太差,有一科考试没有做卷子反面,只做了卷子正面。导致第一年没考上大学,但是肖哥的母亲在自己学校里的没考上大学里的人中,分数是最高的。

肖哥的母亲不甘心,毕竟奋斗了3年,而且她太需要用知识改变命运了。于是决定再复读一年,继续参加高考。然后考上了大学了。

肖哥母亲是19岁上大学。

(肖哥的母亲是七八十年代的大学生,对没错,几乎是是新中国的第一批大学生。)

肖哥感觉其实这位也是个学霸。



肖哥的父亲与母亲是同一所大学毕业的,毕业后又被分配去了山东省的同一个城市的同一个集团下的兄弟单位。当时,肖哥父母的母校的很多毕业生都被分到了这个集团里工作,所以这个集团里有很多他们的校友。

但是他们决定在一起,是在参加工作以后。

具体来说,是他们在参加工作以后,集团里的他们的大学的校友在某个周末举办了一个校友聚餐活动,然后肖哥的父亲和母亲都被各自的朋友拉去这个饭店了。结果等大家都抵达这个饭店后,其余人都是彼此打了个招呼然后“一脸坏笑”的就立即离开了饭店,所以,饭店包房的餐桌上就留下了满脸问号的肖哥父亲和肖哥母亲。然后他俩在餐桌的一个盘子上看到了一张纸条,然后才会心一笑,明白了到底是怎么回事:

————原来是这些校友好心,认为肖哥父亲和肖哥母亲是天造地设的一对儿(肖哥的父亲和肖哥的母亲都为人正直、性格温和、善良阳光,而且在为人处世上,有极高的口碑),所以,所有人都认为他俩应该在一起。所以,大家联合起来故意“骗”肖哥的父亲和母亲来参与这个校友聚餐。因此,这次其实根本不是校友聚餐,是大家好心肠帮助肖哥父亲和肖哥母亲捅破窗户纸,让他俩正式1对1聊聊,看看有没有可能走到一起、步入婚姻的殿堂。所有人都觉得这2个人如果不走到一起,那简直是太遗憾的一件事了。

最终肖哥的父母真的走到一起了,因为他们真的很合适,也彼此吸引。

肖哥的父亲与肖哥的母亲,于八九十年代结婚,并在结婚后,很快就在山东生下了第一个孩子,也就是肖哥的亲哥哥。

但是在肖哥母亲生产的过程中,肖哥的哥哥因为意外死亡了(就是俗称的大的保住了,小的没保住)。

这件事对肖哥的父母造成了重大的心灵创伤,当时他们也是二三十岁的年轻小伙子小姑娘,突然遭遇这个,冷不丁地根本无法接受丧子之痛。更令人痛苦的是,肖哥父母当时住的地方的楼下就是幼儿园,每天都能看到好多小孩子,然后一见小孩子就会流泪。

太惨了。。。

(时至今日,肖哥的父母都依然记得这个孩子。肖哥记得几年前问过母亲一次,这个孩子是几月几号出生的,肖哥的母亲说,这个孩子的生日是11月14日。然后还说,每年11月14日,她的心情都会低沉很多,因为她都能想起,几十年前的这一天,她有一个孩子出生了、又死了。肖哥感觉,这些年他们应该不会频繁想起这个孩子,但是一旦想起,依然是会难过的。这种事对人的创伤,真的是太大了。)

时间是抚平伤口的最好良药。

几年之后,肖哥的父亲和肖哥的母亲,都走出了悲痛。毕竟人总是要向前看,不能一直活在悲痛之中。他们把对第一个孩子(肖哥的亲哥哥)的思念,深埋内心深处。

但是他们其实一直没有打算那么快再要小孩,尤其是肖哥母亲,一直心里比较打怵(害怕生产的时候再出现意外,导致二次丧子)。但是,肖哥的母亲,有一天突然发现自己无计划地怀孕了。在发现后,她立即想要去医院做掉小孩,但是那天就好巧不巧,医院里出诊的妇产科大夫是肖哥的母亲的好朋友。

这位医生对肖哥的母亲说:“作为医生,我从理性来说,会告诉你,你有权做掉这个孩子。但是作为朋友,我从感性来说,会告诉你,我强烈反对你做掉这个孩子。”

肖哥的母亲回到家后,又和肖哥的父亲商量做掉孩子的事情,肖哥的父亲也不太同意做掉。他希望肖哥的母亲生下这个孩子。

于是肖哥的母亲顺应了医生朋友和肖哥父亲的想法,鼓起勇气,决定生下这个孩子。

没错,这个孩子就是肖哥。

这次没有遭遇意外,肖哥顺利地在山东出生了,肖哥的父母都很高兴。

(肖哥出生于八九十年代)

肖哥的出生,其实是太多巧合凑成的——需要有肖哥父母的校友对肖哥父母的撮合、需要有肖哥的哥哥的意外(但是没有人想要让这个意外发生)、需要有肖哥母亲的医生朋友对肖哥母亲做掉孩子的想法的强烈反对。所以肖哥也是感恩上苍的hhh

拥有这样的父母,肖哥是幸运的。

毫不夸张的说,肖哥在一个积极的、健康的、温馨的、充满爱的、和谐的、善良的家庭氛围里,快乐地成长。这不仅仅因为肖哥的父母本来就是来就是这样的人,而且还因为他们遭遇过丧子之痛,所以肖哥对于他们来说,更像是来之不易的天赐的礼物,所以他们把他们能提供的一切美好,都给了肖哥。

不过他们都依然是清醒的——他们在宠爱与溺爱之间,寻找到了一个恰到好处的度,让肖哥可以正常的成长。因为他们知道溺爱会有害于孩子的成长。


肖哥开始读小学了~


小学阶段细分
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
小学1年级
~
小学3年级

/
肖哥的父母不希望肖哥学习太勤奋,因为他们感觉他们的学习之路太苦了。他们认为小学期间,小孩应该多玩玩儿。

肖哥父母对肖哥的唯一要求是:考试可以有不会的题目,但是会的题目不能错。
肖哥成绩中游偏上一点。

完全没有显山露水。

0
小学阶段细分
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
小学4年级
校内数学竞赛选拔(选4个人),肖哥与另外2个人,并列第四。但是数学老师针对这个第四个名额 选择了另外2个人里的1个人,没选肖哥。对肖哥落选了。。

(老师觉得肖哥学不明白)
肖哥的父母对肖哥说:“无所谓,没选上就没选上,不用管。赶紧忘了这事儿吧。”

(‍
爹娘,你们心可真大 T_T 哈哈哈

肖哥因为没被选上,而开始难过。感觉自己被数学老师否定了。
小学阶段细分
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥在心里上有点儿迈不过去这个事儿了。。。(肖哥一直很难过)
肖哥的父母看不下去了,不忍心看到自己孩子难过,于是决定在暑假给肖哥报数学竞赛辅导班(针对4年级学生的班),是去老师家里上课的那种10人小班。
肖哥憋了鼓劲,想要好好学,证明一下自己。
小学4年级
1
1
1
0
0
的暑假
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥果然学不明白。。其余9个人都能跟得上(他们也是没有数学竞赛背景的小白),只有肖哥跟不上。。。 肖哥上课经常含着泪水,然后憋着回家再哭。
肖哥的父母又看不下去了,于是决定轮流交替陪肖哥学数学竞赛。以周为单位,这周父亲给肖哥讲数学竞赛题目,下周母亲给肖哥讲数学竞赛题目,然后这样交替轮回... (有一对儿好父母真好,感恩父母)
肖哥开始一点点的在这个10人小班追赶其他人,一点点变得能跟上了
0
小学阶段细分
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
小学5年级
~
肖哥自行报名了5年级的区数学竞赛,结果当天发烧了,所以最终竞赛成绩奇差无比

肖哥有些难过,但是其实本来也不抱希望能有啥好成绩,所以也没过度难过。

肖哥的父母又对肖哥说:“无所谓,你发烧了肯定考不好。而且就算你不发烧,我们估计你也不会太靠前,毕竟你刚接触数学竞赛3个月。继续努力就好。”
肖哥没有让这件事在自己心里留下太多阴影,继续做数学竞赛题去了
小学6年级
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥轻装上阵地参与了校内数学竞赛选拔,肖哥这次排第2了!(选上了)
肖哥的父母对肖哥说:“恭喜恭喜,你看,努力就有收获。如果这是你想要的,你就继续努力就好。”
肖哥变得对自己有信心了,知道努力后就会有收获。在肖哥的持续努力下,小学5年级与6年级都参与了全国小学生数学竞赛,都是获得三等奖。

以及,肖哥在6年级的时候,还参与了市小学生数学竞赛,拿到了97分,在区里排第4(区里前3名都是满分,真吓人。。)。至于自己的全市排名,肖哥的确不清楚,但是大概率是前10。因为当时市下属的各个区,是各自排名,所以大家都不知道自己竞赛成绩的市排名。

(其实这件事很迷,因为市的所有区的竞赛考生都是用的一套卷子,那为啥不把大家合并在一起排名呢?hhh 不知道。)
0
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥在成绩上取得了一些荣誉,在品行上也赢得了大家的认可。

比如,6年级的时候,肖哥班里有一个陈同学,他的CD机不翼而飞,在那个年代,CD机是比较昂贵的奢侈品了。陈同学把这件事告诉班主任(语文老师)后,班主任决定趁着班里同学都去上体育课、不在教室的时候,叫了四个同学,一起偷偷翻查所有同学的书包,看看到底谁偷了陈同学的CD机。

这4个同学是:班长、副班长、语文课代表、陈同学。

然后,这4个同学与老师一起翻查每个同学的书包的过程中,当走到肖哥的桌子和书包面前的时候,这4个同学异口同声的说:“这是全班最不可能偷东西的人,不用查。”

当时,班主任是无比震惊的。班主任的思维是:首先,检查人员是4个小学生,按说都没啥判断力,他们哪里来的判断力?其次,到底是因为什么,会让这4个学生坚持认为 肖哥的书包是不用翻查的?

最终,肖哥的书包是唯一一个没有被翻查的书包。(但是陈同学的CD机最终也不知道去哪里了,反正没找到,估计是被别的班的人偷了吧。)
这个事件在班主任心中留下了深刻的印象。在开家长会的时候,班主任把这件事告知了肖哥的父母。

肖哥的父母当然很开心,然后回到家后,也把这件事告诉肖哥了,并且说:“品行是一个人最重要的品质,这算是你的一个成就。希望你再接再厉。做正确的事情会给你的一生都带来巨大的回报。”

肖哥当然很开心和自豪,但是肖哥也稍微有点震惊。自己居然是唯一一个不被查的。

后来,随着肖哥一点点长大,肖哥才意识到,想要交到靠谱的朋友的前提,的确是自己首先得是一个靠谱的人。


肖哥开始上初中了~


初中阶段细分
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥的小学和初中,是连体的,且,是企业的子弟学校。(当时那个年代,允许企业办学。)

这个学校是市里顶级的初中(因为这个初中的教师几乎都是来自大学的教授,对,你没有看错,在大学里任教的教授,来教初中生,这样就对其他初中形成了降维打击),但是因为地方偏僻,所以很多小学的尖子也没有选择留在这个初中继续读书。

肖哥作为为数不多的小升初考试的成绩还不错的人之一,选择留在这个学校继续读初中。
肖哥的父母认为,只要学校还可以,就没有必要折腾到其他地方。因为学校只是一个平台,而一个人想要成功,更多还是依赖于自己的努力。

所以,肖哥父母告诉肖哥,与其是去其他学校读书,不如依然在这个自己熟悉的环境里,好好成长。
肖哥看到小学同学里的尖子,大部分都走了,不留在这里读初中了,肖哥心里其实有点难受,也有点忐忑。

毕竟大部分尖子都走了,那留下读初中,真的是一个正确的选择吗?

虽然父母对肖哥说了,去哪里读都行,但是肖哥还是有一点点的不安。
0
1
1
1
0
0
0
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥是没想到,在为数不多的留在这个初中读书的尖子里,居然会有一个坏人。。。。具体来说:

有一个男生,看到肖哥成绩不错(他在小学5年级开始的成绩就追不上肖哥了),所以初中后,大部分尖子又都走了,所以,他把肖哥视为他的最大威胁,开始想方设法地想让小哥无法安心学习:

(1)公开肖哥的私人日记(内含隐私);
(2)偷肖哥的教材、试卷、笔记、辅导书;
(3)去老师那里告肖哥的黑状(例如故意说肖哥考试作弊,但是肖哥没有,是他诬陷);
(4)看肖哥得了水痘,就诅咒肖哥无法康复;
(5)天天往肖哥家里打骚扰电话;
(6)用石块砸肖哥,用沙子迷肖哥的眼睛;

......太多了,无法全都枚举。。。


他以周为节奏——每周都出新花样来影响肖哥。
肖哥的父母对肖哥说:“不要管他,只要他不做过激的行为,你就把他当做苍蝇。如果你还击,就显得我们和他这种垃圾的人一样了,所以你不要管他,我们是有素质的、正义的。如果他持续影响你,你只能改变自己的情绪与心态,学会去接受这种苍蝇的存在,其实世界本来就是不完美的,会有恶人、坏人。”

肖哥的父母还对肖哥说:“这个坏人其实也很可怜的,分辨不清是非黑白,说明他的父母没有对他好好地引导。
治他的最好方法不是用同样的方法搞他,而是让他得不到他想得到的东西——他既然想把你成绩往下拽,那你就不要让他得逞。这是整治他的最好方法。

肖哥决定为正义而战,确保邪不压正

坏人越想把我推向深渊(把我的成绩弄差),我越要通过自己的努力、在未来的每一次考试/比赛中 赢过坏人,这是能摧毁坏人意志的武器。

所以肖哥开始琢磨如何才能在【有人想把我的成绩往下拽】的情况下,还要实现成绩的高分,以超过这个坏人的成绩。

0
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
经过良久的思考,肖哥发现最佳的学习策略是——【买空书店】——把书店里的所有教辅书(习题册、模拟题、知识解读等)全部买回家。

这样一来,每个学期能有200-400本参考书,全做完全刷完就应该是最稳的学习策略。


大家先不要管我在【买空书店】这件事上花了多少钱,,,我知道这很烧钱,但是,我们无法否认这是最佳的、最极致的学习策略————这种策略,令如下这句话 在我身上失效:“你要再多努力一些哈、再多勤奋一些!” 因为我已经努力到尽头了、勤奋到尽头了,没有办法再多了。
肖哥的父母对肖哥说:“在金钱上,我们不想对你限制,哪怕买的每一本书都只有一句话对你有帮助,那这钱你都不算白花。你想买你就大胆的把书店里的书都买回家,我们全力支持你。但是你别累着自己。”
在执行了【买空书店】的学习方法后,肖哥忐忑地备战着初一上学期的期中考试。结果,在距离期中考试还有16天的时候,肖哥高烧不退。然后高烧三天后,肖哥的身体上开始起一个一个的痘。肖哥母亲看了后发现:这是水痘

由于水痘具有高度的传染性,所以肖哥的母亲 替肖哥向班主任请了1周的假。当时肖哥真的要急疯了,因为当时正是老师带领学生复习期中的时候,结果肖哥没法去上学了。就只能在家学。

一周后,肖哥康复,然后肖哥参与了期中考试之前的最后一周的期中复习。

然后肖哥怀着忐忑的心情,去参与的初一上学期的期中考试,科目包括语数外政史地生计(语文、数学、英语、政治、历史、地理、生物、计算机),总分860分(语文 数学 英语是120分,其余都是100分)。
0
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
在考完初一上学期的期中考试后,所有学生都静静地等待成绩公布。

先出来的6个科目是语文 数学 外语 政治 生物 计算机,肖哥在这6个科目里,每科都超过了这个坏人,但是都是只赢他0.5分、1分、2分这样,这就导致这6个科目加在一起,肖哥只比这个坏人高8.5分

这个坏人,他为啥也这么强呢?因为他...天资聪敏 努力勤奋。从这些维度来看,他真的挺优秀的。

然后,历史成绩公布了,这个坏人是100分,而肖哥是87.5分,比肖哥高12.5分。这个坏人,他在小学的时候读了太多史书(上下五千年、资治通鉴等等经典史书,他都熟读了),所以历史这个科目对他来说真的没有任何难度。

但是,肖哥对历史没有任何兴趣,所以不曾读过任何的史书。所以历史课对于肖哥来说就等价于天书——每一节课的内容都是巨大的信息量,因为肖哥没有任何的历史知识,甚至连最基本的历史常识都不知道。

不知道大家能否想象那种感觉,其实那种感觉等价于一个文盲,在学一个每节课都是天书的课,这个文盲得多费劲才能跟上呢?

所以,在这样的情况下,肖哥作为一个历史文盲,能拿到87.5分真的不容易,更何况87.5分的确不差的,在班级里可以排第四。

因此,历史这门课直接导致肖哥好不容易通过前6科积累的8.5分的优势,变为了4分的劣势
肖哥至今都记得当时放学回家的场景。

历史出成绩的那天傍晚,肖哥去学校自行车棚取车、准备回家的时候,肖哥就觉得如果因为这一科然后总分输给这个坏人,真的很窝囊、很委屈,但是也没有落泪。在去车棚的路上,也遇到了其他班的学生,他们就过来问肖哥考的如何。肖哥根本没心情和他们解释什么,一律都是只回复两个字:“不好。”

然后,骑自行车 骑到家的小区门口的时候,肖哥看到自己的母亲下班开车回家。然后肖哥再也抑制不住了,对着母亲的车 歇斯底里地哭嚎:“妈妈,我好不容易通过6门课积累了8.5分的优势,但是他历史100分,我只有87.5分,我就落后他4分了。”然后就说不下去了,就开始一边骑自行车 一边哇哇大哭。那种绝望感,虽然过去20年了,但是,肖哥至今都记得。

然后,肖哥的母亲把车窗降下来,对着肖哥喊:“小心骑车!不要多说了!有什么事儿回家再说!你看路!注意小区里的行人!”

然后到家楼下后,肖哥母亲了解了肖哥遭遇了什么事情后,肖哥母亲一直在安慰肖哥说:“不要紧的。成绩不好就不好了,你尽力了就可以了。人家毕竟那么爱读书,读了那么多书,你如果能考过他,反而不正常了。而且你也并不差呀,87.5也挺好的呀,也是高分呀。就算期中考试输了,你好好备战期末,咱们争取下一次通过自己的努力,超过他。但是就算你超不过他,没关系的,这只是初中的一次考试而已,你的人生还很长呢。

肖哥的母亲安慰了肖哥一个晚上,才逐渐让肖哥的情绪得到平复,肖哥才逐渐接受了自己因历史这一个科目而导致总分落后这个坏人的事实。

其实,回过头来看看,肖哥不完全是为了自己有可能拿不到年级第一而情绪崩溃。嗯,肖哥更多是为了自己无法赢下来这个坏人而懊恼。

然后,又过了两天,最后一个科目 地理,出成绩了。肖哥以96分的成绩,拿到了地理这个科目的年级最高分。然后,肖哥一看这个坏人的地理成绩:92分。

所以,肖哥与这个坏人,在初一上学期的期中考试中,戏剧性的打了平手,总分均为777分(总分860分)。因此,两人在年级排并列第一

这心情真的和过山车一样,从领先8.5分的小开心,到落后4分的崩溃,到平手的戏剧性结局。。。考试和竞技体育一样,不到最后一刻,真是不知道会发生什么。

如果肖哥没有使用【买空书店】的极致策略,应该是斗不赢他的。他真的很强。所以肖哥看到777分的平手的时候,还是稍微有点后怕+庆幸的——多亏我用了极致的策略,这样一来,我虽然没有赢你,但是我也起码没有输你,所以,你的奸计没有得逞。而且,在8个科目中,我赢了你7科,我只有历史这1科比不过你。

然后,肖哥就问了旁边几个兄弟学校的年级第一的成绩,基本上都是750-790分之间。与肖哥的777分并没有太大的本质差别。所以,虽然在历史这个科目上有巨大的劣势,但是肖哥依然对自己的总分算是基本满意。
0
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥在参与市级的初一数学竞赛班的时候,得知区里的期中考试第一名(是个女生)是844分。

肖哥直接被震撼到了。。。也被打击到了。一科只扣2分,这是神仙啊。。

肖哥很沮丧,因为肖哥不是神仙,也想不出更极致的努力策略了,所以肖哥感觉永远无法追赶这种神仙。
肖哥的父母对肖哥说:“世界上存在天才,天才的确比你聪明。但是在一个100分的考试里,天才最多100分,你努力后,是有希望97 98 99甚至100分的。

外人打眼一看,可能区分不出来谁是天才,谁是努力后的普通人。所以你依然有机会实现高分以及得到一些荣誉

但是你也别太累,学习别太刻苦。”




这样的建议极大的缓解了肖哥的焦虑。因为肖哥看到了希望——虽然我不是天才,但是别人依然会以为我是天才、我也依然能够享受到天才才能享受到的荣誉
肖哥继续执行【买空书店】的学习策略,最终在前10次大考中,实现了这样的成绩:


初2上学期的期中考试,肖哥输给了这个坏人。一方面是因为初2增加了物理这个课,导致肖哥没有完全摸清楚在这种状态下时间应该如何分配;另一方面也是因为肖哥在历史这个科目上耗费了太多的时间(因为这个坏人的历史基本上永远100分,他历史真的太强了。。肖哥的历史真的太弱了。。),导致有几个科目的学习状态受到了影响。肖哥当然很难过,因为坏人超过了自己,但是肖哥努力的不让自己表现的悲伤,在成绩出来的时候,一直维持着稳定的情绪与状态,暗下决心一定要在期末的时候超过坏人。

在习惯了9个科目并行了以后,肖哥开始适应初2的学习节奏。然后,初2上学期的期末考试,题目难到爆炸,很多学生都疯狂吐槽,比如“这什么考试啊,简直了,我们学校都没人上850”、“不活了不活了,这考试太难了,考的人想去死”。

但是在市内的数学竞赛班上(有各种尖子),大家听说肖哥是917分,是区第二,然后这些尖子直接被肖哥吓坏了——“啥?你917分?你就是那个区第二?妈呀这次题目这么难,你是神仙吗????啥?你就和区第一差1分?9个科目这次都如此难,你们就只扣40多分是吗?你们这都什么人啊???

肖哥直接在区里的尖子堆儿里,出名了...

然后,同样是在市内的这个数学竞赛班(肖哥和这个区第一的女生在一个竞赛辅导班)的期末考试上,肖哥拿了第一、这个女生拿了第二,这次是肖哥唯一一次超过这个女生的大型考试。

那次考试满分100分,肖哥与区第一的女生,都是只错了一道题,但是肖哥错的是选择题,扣6分,所以肖哥得分是94分;然而女生错的是填空题,扣8分,所以她的得分是92分。

肖哥记得很清楚,成绩出来后,这个女生看自己没考过肖哥,就用手拍了一下肖哥的胳膊。当时,肖哥感觉这一拍,是两个含义:(1)同样都是错了一道题,肖哥的分数比他高,她觉得有点冤枉;(2)她知道肖哥智商比不上她,所以她看着一个智商比自己低的人超过了自己,她当然想打人了哈哈哈。

虽然这个考试,只是竞赛班的期末考试,肖哥也没有因为这个期末考试而得到过什么省级或者全国级的证书之类的。但是这次才是最令肖哥骄傲的一个人生经历。(顺嘴提一句,这个女生本科去读了清华。。高三的时候被保送上的。这个女生是真的天才。。。而且肖哥从她嘴里得知了一个令人感到恐怖的消息:这个女生的妈妈,整天嫌这个女生笨,因为她妈妈的智商更高。。。太吓人了。。这家人都是啥智商啊。。
0
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
初中1年级
~
初中3年级

那个坏人,逐渐发现自己无法斗垮肖哥(自己对肖哥做的伤害无法对肖哥的成绩造成任何影响),于是他开始萌生了危险的念头:在肖哥的水瓶里下药。

幸运的是肖哥在喝水的一瞬间发现水瓶的水是浑浊的,并没有喝下去。

但是此等恶劣的行径一下子就震惊全班,甚至震惊全校——
年级第一有可能被人毒害的说法在学校被传的到处都是

肖哥父母开始介入这件事,对学校提出两点要求,期待学校可以满足其中一点:

第一,开除这个坏人;

第二,如果学校认为不能开除(因为这个坏人的成绩基本上一直是年级第二),那就把这个坏人调到别的班级,不能再让他和肖哥一个班级了。

刚发生这件事的当天(是个周五),肖哥没太当回事。

周六开始,肖哥开始担心这个人这次没有毒害成自己,他会不会趁着周末上数学竞赛班的时候(当时他也和肖哥一起去参与市内的数学竞赛班),拿把刀砍死肖哥.....


0
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
0
肖哥要求父母陪伴自己去上数学竞赛班、以及陪伴自己去上学。肖哥感觉没有父母的亲身陪伴,自己已经不敢上学、不敢出家门了。


肖哥的父母对肖哥说:“没问题,我们陪你,我们就坐在校园的长椅上,有事情随时喊我们。”

他们认为,父母是为孩子提供安全感的最佳人选。
当孩子缺乏安全感的时候,父母一定要站出来陪伴,不管这种陪伴在外人看来是否有必要。


与此同时,肖哥的父母也在持续跟进那两个诉求(之一)是否可以被学校实现。
肖哥就敢去上学了。但是,肖哥内心依然是有焦虑感和害怕感的。

学校里的大部分学生依然不知道是谁对肖哥下药。在真相未明朗的时候,肖哥邻班的同学大都想要来肖哥的班级看看肖哥是否还安好,然后肖哥的同班同学就自发的在课间的时候,在教室门口站岗,形成人墙,不允许外班的人进入肖哥的班级探望肖哥,并对外班的人大喊:
我们要保护XXX(肖哥的名字),在凶手未查出来的时候,我们不允许外班的人进入我们班。

(唉,我可怜的同学们啊~我感恩你们。但是你们可曾知道,凶手就在咱班?T_T)


肖哥就这样一边焦虑着,一边观察事态的发展。
0
1
1
1
0
0
1
发生在肖哥身上的事情
0
肖哥父母的理念与引导
0
肖哥成长的结果/产生的变化
针对肖哥的父母对校方提出了两个诉求,这个坏人的父母肯定不希望这两个诉求的任何诉求被实现,更不希望肖哥的父母去报警。

所以,在事情发生了大概一周左右的时候,这个坏人的父母,带着大包小裹的礼物,去肖哥家,登门致歉。 肖哥记得非常清楚,坏人的父母是晚上7点抵达肖哥家的,一直与肖哥父母聊到了晚上10点半才走。肖哥的父母让肖哥在卧室里呆着,不许出来,所以肖哥对于这4个大人的具体聊天内容是不清楚的。 在坏人的父母走后,肖哥的母亲告诉肖哥:“他妈妈态度很好,一直在道歉,觉得过意不去,怕咱们去告去。但是他爸爸一直非常不屑,觉得这是男孩子之间的闹着玩,不能当真,问题完全不严重,嗯,他认为肖哥的父母小题大做,他也认为他老婆今天到访肖哥家纯属没有必要。
肖哥对于这个坏人的父亲是如此的态度,其实是很气愤也很心寒的。肖哥的父母也是一样的感受。
很多人可能会觉得,肖哥家应该坚持到底,惩治这个坏人,让警察把他抓走,让他罪有应得。

但是其实,这件事并没有那么简单,因为: (1)肖哥的父亲与这个坏人的父亲是同一个公司的;
(2)肖哥与这个坏人是同幼儿园、同小学、同初中,所以已经认识10多年了;
(3)这个坏人的父亲,在肖哥所在的初中,也有人脉(有很硬的关系);
(4)社会永远是同情弱者的,如果这个坏人最终被警察带走了、甚至判刑了,那也许会有一些对肖哥的非议————一定有人会觉得肖哥家很过分(比如他们会错误地觉得这只是男孩子之间的正常打闹,结果肖哥的父母直接把这个坏人给送到警察局了,所以他们会认为肖哥的父母以及肖哥太狠毒了、没有任何人情味、甚至攻击肖哥全家);
(5)校方也希望肖哥的家里不要继续追究,因为这个坏人是年级第二,这种学生有希望可以在中考的时候为学校拿中考高分。而且更何况,如果这件事进一步闹大,那这个事件一定会有机会上报纸、上新闻,那这样对学校的名声也是一种伤害。 所以,在这种情况下,肖哥与肖哥的父母都没有办法去完全按照法律的角度去考虑这件事。校方甚至也劝肖哥家放弃追究。
所以,校方不希望肖哥的父母继续坚持,坏人的父母也不希望肖哥的父母继续坚持,但是坏人的父母也保证自己的孩子不会有进一步的出格行为。。。

在最后,肖哥的父母也只能妥协了。然后,这个坏人全家松了一口气,校方也松了一口气,但是肖哥全家肯定很闹心。其中最闹心的肯定是肖哥自己了。肖哥当时只是一个14岁的少年,纵然有一对靠谱的父母,可是在这样有些可怕的人生事件里,还是不可避免的开始担忧、恐慌、失眠
在这样挣扎、焦虑、不安的状态下,肖哥依然需要执行极致的学习策略,但是需要顶住更大的压力:原本只需要担心这个坏人是否会做一些坏事(这些坏事虽然发生的很频繁,但是都没有威胁到肖哥的生命),现在却需要担心这个坏人是否会做出危害肖哥生命的事情。

但是,能怎么办呢?没办法的。肖哥只能负重前行。