Create [US]-16-刘嘉晨.md

docs/grad-application/umich-joint-institute/[US]-16-刘嘉晨.md

@@ -0,0 +1,141 @@
+[US]-16-刘嘉晨 PhD in CSE @ Umich
+
+# 从开始想读CS PhD到拿到offer，我只用了半年
+（标题党）
+
+## 写在前面
+
+成功不能模仿但失败可以避免，也许是这篇申请总结可以给你带来的帮助吧。
+
+本人素来没有学术人设，end up with CS PhD 纯属局部最优解，因而申请经验的分享也比较有限，算是给大家提供一种可能性的数据点吧，和大家聊聊我的心路历程，希望一起交流进步。
+
+接下来我会以**背景+申请结果介绍，申请phd前科研/学业上的准备，如何选择offer，读博动机，申请季思考（主要是失败总结)** 来介绍我的申请（排名分先后）
+
+
+# 👉🏻基本背景
+
+>本科2+2：Umich Data Science GPA: 3.9/4  + SJTU ECE 3.5/4.0  
+>
+>TOEFL: 102
+>
+>GRE: V150 + Q170 + AW3.5
+>
+> Research： MIT DB group 暑研 + Umich System Group Research. 无paper. ml for sys 和 sys for ml 两段各4个月
+>
+>Letter: （都是CS导师的相对强推）MIT 大牛教授， Umich教授，Rutgers教授，当数据库系统助教时的Umich教授（备用）
+>
+>Homepage: http://www-personal.umich.edu/~amberljc/  
+
+
+# 👉🏻申请结果
+
+
+| 学校 （CS PhD）    | csranking 2010-20 (System & AI 我申请的两个方向)      | 录取结果（每家都是有陶瓷回复才申请的->并卵） |
+| ----------- | ---------- | -------- |
+| CMU        | 1                   | rej       |
+| UIUC        | 2                   | offer （面试）       |
+| MIT        | 3                   | rej (老板整个组明年休假，今年都不招人QAQ. 面过都是不招人的老师）       |
+| Umich        | 4                   | offer （**最终去向**，无面试，自己老板）     |
+| UCB        | 5                   | rej       |
+| Stanford        | 6                   | rej       |
+| CMU(ECE)        | ?                   | rej （面试了一个做theory的老师，发现不match）      |
+| USC        | 21                   | offer（无面试）       |
+| Rutgers        | 22                   | rej       |
+
+按照csranking无脑申请的，甚至没有点开细的领域，之后会总结择校失误。像是Duke，Madison等等都可以申请一下，不过也不后悔，反正最后还是会选择Umich哈哈哈。
+
+本来打算申请一下DS master的，但是Umich offer一月就来了，后来导致一个ms都没有申请。
+
+# ⭐️⭐️⭐️申请之前的准备 
+
+## 三维 ：
+申请PhD三维也不是非常看重，说得过去即可（我不够较真，基本都在混日子），出身学校的认可度还是有分量的（上交密院的双学位还是香）
+
+## 学习能力 ：
+在有机会做research之前，除了标化我觉得首当其冲你需要锻炼的是学习能力，具体指的是你自己有一套思维体系去学习应用新的专业知识，他不完全的体现在你的标化上，毕竟你每天泡图书馆拿到的4.0和别人每天寝室游戏，学生活动，社团体育拿到的3.9是没办法比较的。刚进大学时，觉得学习节奏有了质的飞跃，完全跟不上，大二之后特别转学到密西根大学之后发现每周随便学个几天也照样能够handle住学业（同届同学也普遍认为国外课程思路更清晰，容易学会）。私以为这个可以帮助在做research时，可以帮助快速理解paper整理思路触类旁通。
+
+由于一个成年人的思维固化外加成长各种因素，其实要改变自己的思维方式并且进化是很难的，《原则》这本书里反复强调的，我们应该时刻保持一颗开阔的头脑，时常像“权威”的同学前辈学习。
+
+## 寻找科研
+- 大三转来Umich其实在找实习和research上都有点乏力，因为没有美国的经历和GPA，几乎是处处碰壁。而当你是个“小白”的时候，教授（专指cs，事实证明别的学院就很缺工具人）都非常高冷，这也侧面反映了美本 or 美国学术经历的重要性吧。
+大三下只找到了Operation Research方向的关于ML路径规划方向的项目，项目说白了就是我用随机森林为滴滴预测个性化的路线提升用户体验。
+
+- 然鹅莫名的因为理解比较深刻，在跟后来MIT小老板面试的时候回答了很多细节问题hmmm，然后暑假就去MIT做了第一段image retirval 的research。（划重点）陶瓷邮件一定要给老师一种量身定制的感觉，而不是渣男群发，如果拿到面试需要认真准备自己之前的项目经历，并且展现自己的思考。
+
+- 第三段大四找research的经历没什么借鉴意义，因为之前在MIT大牛老板那里打工， 于是收到了很多回复，我选了一个没有内卷的组（就是没有我交同学的组），并且有招生计划的导师做research（当时都不知道system是做啥的，属实误打误撞）
+
+
+
+# ⭐️⭐️ 如何选择offer - [选择永远比努力重要，在无论去哪你都会努力的前提下]
+主要看几个因素吧，排名分先后：导师契合度，个人兴趣/擅长，学校知名度，科研前景（CS已经不是天坑专业就还好），生活环境。
+
+举个自己的🌰：
+
+| 学校    | Umich CS | UIUC CS |
+| ----------- | ---------- | -------- |
+| 领域        |         System (for ML)           |   AI (Data mining)    |
+| 导师        |       熟悉的导师，research taste我很喜欢，不push非常体贴，虽然是AP但是感觉已经功成名就的rising star，学术界的connection也比较多       |  不熟的中国老师，据说很严格，还有startup  |
+| 学校知名度       |    中等偏上Top10           |  （迷之）csranking常年前3  |
+| 生活环境       |    来一年就可以玩遍的安村           | 玉米很多，奶茶甜点也很多香槟   |
+| 科研前景（个人观点）       |   最近刚火起来的领域，工业界也有很多活跃的work，但是system难发paper    |  visiting的时候感觉大家paper好多啊（灌水），但是data mining是非常热门的领域（但是AI门槛较低） |
+| 个人兴趣		| 系统菜鸟		|     AI/ML大数据的脑残粉	|
+
+最后选择Umich的原因和考量大多已经列在表里了，其实拿到UIUC offer的时候是很想去的，无奈实在不想花五年时间灌水（倔强）。此外看知乎回答说各种被导师坑的悲惨故事吓怕了，umich老师人品我感觉是万里挑一的，既佛系又聪明（吹一波）
+你们选择offer的时候也可以这样列举出来（好像选对象），然后问问过来人的经验意见（此处感谢帮助过我，给我很多宝贵意见的前辈们！）
+
+# ⭐️读博动机 - [误打误撞遇见了自己喜欢的生活]
+
+自己刚刚转学出国的时候，身边好多朋友本科毕业就去大厂拿着高额的工资和开始悠闲的生活，其实是没想过接触学术圈的，也是因为没做过research，便不强求自己。
+后来申请季只申了PhD是在四个方向说服了自己: 
+
+0.申请定位：由于MIT老板的推荐信 让我的申请几乎没有难度，所以想要达到目标不太会让自己straggle。大家也可以自己找找相近的数据点来准确定位自己。
+1. 生活方式：在MIT 暑研时和小伙伴一起过了一个暑假发现继续当学生也很悠闲，还可以做一些有意义的事情。也非常欣赏那种潜心学术的人们，比较纯粹的生活状态。
+2. Research自信：做research之于我来说还是比较有趣，不枯燥偶尔会有成就感，至少没有什么心理负担。
+3. 未来规划：Phd类似后期英雄，未来发展的天花板会稍微高一点，自己也想自我挑战一下。
+4. 读博心态：感觉家里包括自己都完全不关心赚钱的问题，于是可以毫无负担的选择任何一条发展路线。
+
+# ⭐️申请季失败总结 - [PhD申请是一项很需要专业性眼界的工作]
+
+## 申请选择方向（切忌脚踩两只船）
+**临近申请季的research应该专注于一个方向发力:**
+因为我暑研的老板是system界的大佬，为了再凑一封letter，我做了一个错误*1的决定大四申请的时候，我去umich system group找了我现在的老板做research……作为一个DS的学生，操作系统，计算机网络，编程语言统统没有上过，一心AI/ML的我为什么要在申请季搬起石头砸自己的脚呢……事实证明我起步很慢，并且花费了很大功夫才勉强体面的做完。
+
+
+**申请时请反复权衡自己的research意向并把你的思考体现在文书陶瓷里：**
+申请phd又一个重点是选科研方向+导师，于是我又做了最错误*2的决定，混申了AI和System。虽说老板都是system出身，由于我本科专业是DS+做过ML的research，无脑捧大数据AI，居然写文书陶瓷的时候都是混起来写的，现在想想觉得文书和陶瓷思路毫无主线，不忍直视。稍微圆回来一点是MLSys正好就是我想做的东西！ 
+
+[Trick: 我在文书里提到未来想成为教授的规划，被我导特地关注了，不知道是不是会稍有加分]
+
+**择校/选导师要反复推敲，并以导师为重：**
+在择校上我做了最最错误*3的决定，无脑跟着csranking的大方向排名择校（如上表）。没有研究过细分领域的排名，近年趋势，导师招生/科研情况，外加对自己定位不清，最后让申请结果啪啪啪打脸…… 
+择校几乎只有保底和冲刺，中间的学校去哪了？此处大家散了看看别人怎么选导师的，要花大量的时间研究不同导师的**研究兴趣，招生计划， connection，学术名声**等因素，
+我的经验是非常match或者connection范围内的导师回复陶瓷概率更高，也更有希望申请到。
+事实证明这个ranking对于申请PhD帮助有限，比如UIUC其实并没有很match的系统方向的导师，排名虽高也有一般的导师，所以还是以导师为首位做为标准。
+
+## 面试（1，2月份）
+面试最大的困难就是你拿不到面试😊（基于我的择校范围），给我面试的老师基本上就是走个过场问问你做过的项目为主，并且深挖一下你对自己工作的思考。这个主要靠平时积累，但是准备的时候还是可以再升华总结一下自己的research价值。
+（除了CMU那个theory的老师是为我的letter慕名而来，然后发现不match……）
+
+有些学校好像是面试广撒网的，这就需要认真准备；还有学校是强committee，陶瓷面试毫无用处，大家可以参考地里的经验和规则。 
+
+
+## 选择推荐信
+申请PhD推荐信就要找能描述你research能力的导师写，同样重要的是导师的connection，老套路 强推>大牛导师>小牛导师>打工（助教）导师>工业界/社会人士。如何获得强推，简单点就是用行动说话（据我所知有些老师也会评价你的人品，所以情商不要太低就好）
+
+如果你不确定的话 还是直接询问导师是否愿意强推/给你写好信。 
+**[Trick：在问导师要推荐信的时候询问他择校推荐，如果老板给你推荐了Top10的学校，也就暗示他觉得你值得Top10，如果他推荐了你Top30的学校，那你在择校的时候也要做好相应的调整。当时我MIT的老板就是这样给我打镇定剂的。]**
+
+# End
+
+坦白说自己的科研/业务水平和眼界都是不如20fall很多优秀的小伙伴的，对于cs门槛水涨船高的情况下，申请结果自觉有幸运成分，但也说明申请有策略性，并且不完全是硬实力的反映。
+
+❤️感恩遇到了非常nice的老师愿意给我写好的letter， 以及智慧耐心的前辈愿意指点本research小白。
+
+🌟心之所向，素履以往，祝各位小伙伴申请顺利！
+
+
+
+
+刘嘉晨 
+2020年7月20日
+