研究方向:
Computer Vision and Machine Learning
申请结果:
Admission:
Stanford CS PhD
MIT EECS PhD (interviewed)
UW CSE PhD
UIUC CS PhD (interviewed)
UofT CS PhD
Rejection:
UCB EECS PhD (interviewed)
CMU MLD/RI PhD
Cornell CS PhD
学历:
NTHU CS BS 2012~2016
GPA: 4.16/4.30
Rank: 4/117
Honor: 书卷奖 * 5
英文考试:
Toefl: R28 L29 S24 W28 109 (2017/09)
GRE: V161 Q170 AW3.5 331 (2017/09)
Publications
3 * 1st/co-1st author top conference paper (CVPR, IJCAI, CHI)
2 * 1st author top conference workshop paper
1 * Nth author Google’s open-source library technical report
1 * 2nd author second-tier conference paper
工作经验
Research Intern, UberATG, 2017
Research Intern, Virginia Tech, 2017
Google Summer of Code with scikit-learn, Google, 2016
iOS developer Intern, iCook, 2015
iOS developer Intern, Forest, 2015
Open-source Projects:
Deep Learning Flappy Bird (4100+ stars on Github)
pix2pix-tensorflow (400+ stars on Github)
Contributor of scikit-learn/scikit-learn (20000+ stars on Github)
Contributor of tensorflow/cleverhans (1200+ stars on Github)
推荐信:
指导教授, 清大电机 * 1
指导教授, Virginia Tech * 1
Research Scientist, NVIDIA * 1
Research Head, UberATG Toronto * 1
心得:
1. 推荐信:
推荐信是最重要的。
在现今 CS PhD 申请人数大爆炸与深度学习论文到处都是的时代，
教授们也把推荐信看得更重。我参加 visit days 时跟其他录取者聊天，
发现他们都出身美国名校并且手握知名教授的推荐信。
总结来说，上的人都一定有知名教授强推，但不一定有很多论文。
对于学经历已经劣势的台湾人来说，
有机会一定要争取去国外实验室实习发论文并且拿推荐信。如果没有机会去国外，
一个简单衡量国内教授推荐信强度的方法就是看过往学生的去向。
一个实验室如果送了很多学生去国外，代表这个老师跟国外学校是有 connection 的。
就我个人经验而言，我拿的推荐信都对申请结果起到了很关键的作用。
2. Publication:
找一个好教授是发论文的关键
我自己是毕业以后 (2016 暑假) 才下定决心开始全力投入研究，
在此鼓励大家研究起步不嫌晚。
留在清大的日子里，我很幸运的遇到了一群很有进取心的伙伴以及一位圣人教授。
教授把实验室的气氛带的很棒，大家的目标都是申请 PhD 或者找到研究性质的工作，
因此成员们都以发表论文跟分享技术为荣！留在清大的半年我很幸运的有了些论文成果，
也因此获得教授的推荐得到了去 Virginia Tech 以及 UberATG 实习的机会。
好教授带给你的帮助是全方位的，从培养研究兴趣到发出论文再到找实习或工作。
我建议大学越早进实验室越好，赶快了解自己喜不喜欢研究，
也可以跟教授尽早打好关系。选实验室的方法一样就是看过往学生的成果。老实说，
我觉得兴趣只要大致 align 就好，毕竟一个好的实验室是会培养你的研究兴趣的。
相反，一个坏的实验室反而可能浇熄你原本很有兴趣的研究方向。
随着机器学习方向申请者急遽上升，录取者的背景也水涨船高。
想要挤进好学校，我建议至少要有一篇 top conference 一作比较有机会。
当你有两篇以上的时候，可以把剩下的精力拿去投资别的东西像是推荐信。
我听到的是教授知道你有做研究的能力以后除非你有特别令人印象深刻的论文，
不然不会单纯按照论文数量来 sort 申请者，而是会从方向, SOP, 与推荐信来判断。
以我个人经验来说，我在发完第三篇论文以后决定加入 UberATG,
当时为了拓展专长与拿推荐信就选了不太能发论文的 project 豪赌一把，
最后也很幸运得到好的结果。
另外我发现机器学习方向的申请论文门槛变高让准备申请变得更单纯。
不管你想念 master 还是 PhD 或者还在摇摆，
只要你想跟机器学习扯上关系，专心做研究发论文并且暂时以 PhD 为目标就对了，
不用特别考虑 engineering 的实习。PhD 的难度比 master 高很多，
只要你能录取 PhD 基本上 master 都没问题。
3. SOP
我觉得 SOP 本身并不是很重要。以前都听大家说要花几个月写，
但我当时因为实在太忙最后只花了两个礼拜写。
我觉得只要中规中矩的把过去的研究经验串起来说成一个故事，
并且针对每间学校客制化最后一段展望未来并提到教授都不会有太大的问题。
推荐这篇短文：https://threadreaderapp.com/thread/933388419589459969.html
4. 英文考试
托福 > 100, GRE > 320 是大家都知道的门槛。
更细节的话，Toefl 的口说尽量 > 22, GRE Q > 168。
我推荐大家专心背 Mason 的一千单并且刷考满分，然后先考 GRE 之后马上转考 Toefl。
我们实验室很多人都这样唸并成功的在短时间内考完两科。
最后，当然是越早考越好不要像我拖到最后一刻压力超大 ...
5. GPA
如果你的目标是申请机器学习方向的好学校，我认为 GPA 可以当作门槛来看。
达到 4.0/4.3 后再往上的帮助不大。那要怎样兼顾 GPA 又发论文呢？
我的建议是 少修课多做研究。
千万不要为了证明自己很厉害就点很多硬课，研究跟修课很不一样但也重要多了。
真的有想学的知识可以找网络上的公开课程，尽量别为了 GPA 耽误研究。
就我的观察是这对申请 master 也很适用，有论文对申请 master 是大加分。
计划
毕业前夕时原本打算申请 master 的我因为自己一个热门的 open source projects
开始考虑 PhD 的可能性。当时找了指导教授聊聊，他告诉我贸然出国去唸 master
风险很高因为
1. 一去就要考虑该找业界实习还是进实验室，没时间探索
2. 在国外念 master 进实验室不一定会得到老师的重用，不一定能发一作论文
3. 要付很多钱
4. 不管未来是当教授还是进业界做机器学习很可能还是需要 PhD
当时的我掐指一算，如果留下来的这一年可以让我厘清想不想念 PhD，
顺便增强自己的实力还可以赚一点钱 (研究助理) 那何乐而不为？
我一直告诉自己：
别低估了一年能带来的改变，高估了晚一年的代价
如果我留下来一年就能申请上 PhD，那仍然比先念硕士再念博士的的人早。
如果我留下来一年只申请上 master，那也有很高机会能上 CMU RI 这种很好的 master。
而在留下来一年该待在哪的选择上，当时我有中研院以及清大两个选择。
客观上来说，中研院是个更安全的选择因为该实验室已经有很多成功的先例。
另一方面，我在清大的老师当时刚从国外回来还没带学生发出 top conference 论文，
也没有任何学长姐的成长轨迹可以借鉴。
最后促成我留下来的是因为跟清大的指导教授已经很熟悉，
我也很喜欢他带领实验室的风格，决定豪赌一把。
事后诸葛来看，两边的学生都有了很好的成果，因此都是很好的选择。
生活方面，因为一直都有很不错的工资、奖学金加上出国开会的机会，
晚一年让我存了不少钱还有机会去法国、澳洲、夏威夷、洛杉矶、匹兹堡、丹佛 ...
等等城市游玩并且得到很多跟外国人互动增广见闻的机会。
面试
这次的申请过程我收到了三个面试，分别是 UC Berkely, MIT, and UIUC。
UIUC
我在参加 conference 前就听学长说可以联络想跟的教授聊天，
因此我就积极寄信给 UIUC 的教授约见面。
申请前我们分别在两个不同的 conference 见过面, 聊天的过程也非常愉快，
他甚至还来我的 poster 前面听我报我的研究成果。
申请前他就暗示我会上，并且给了我 UIUC 方面最优渥的 PhD package。
严格来说，这算是私下约见面而不是官方的面试
MIT
我跟这个 MIT 的教授算是很有缘份。我在清大时有天晚上想到了一个 idea，
想找看看有没有相关的文章就意外发现了这位教授刚放上网的论文。于是，
我当晚熬夜把他的论文用 tensorflow 写了一遍放到 github 上，也得到了他的 star。
后来在夏威夷参加会议时，我意外看到他在路边等 Uber，
于是我马上手刀冲上去自我介绍并另外约了一个见面时间聊半小时。
后来时隔七个月，他看到我的申请文件以后寄信问我是否在 Uber SF 上班，
是的话可以见面聊聊因为他刚好在附近。
人在多伦多的我看到这封信以后二话不说订了当晚往 SF 的机票飞过去 (机票很便宜)。
最后他带我参观了他的公司 (OpenAI) 并且愉快的聊了一个半小时，
聊天过程他也说今年申请是史上最激烈，最后的 20 个候选人都有超过两篇 top 论文，
但他们只能选不到一半
UC Berkeley
这间一直是我最想上的学校。在 1 月中收到梦幻教授寄来的官方面试信时，
我简直不敢相信自己的眼睛。然而，面试的过程并不顺利。
教授并没有问我的未来规划，取而代之的是永无止尽的技术问题。
面试完的当下，我真的非常沮丧 ... 觉得自己把仅有的一次机会搞砸了。
但谁知道，两天后我收到了另一封同样是梦幻教授的信。
他说跟前个面试我的教授谈过了因此想要跟我私下聊聊。
原本预计 15 分钟的聊天，被我们硬是聊成了一个小时。
话题也从我的背景聊到教授说服我放弃其他学校的 offer 加入 UC Berkeley，
甚至还聊到了我加入后每个学期的研究规划。电话的最后，
教授跟我说:"今年能拿到面试的是 75/2300，你要为自己感到骄傲。
没意外的话期待将来的合作。" 不过，最后我还是被拒了。
后来听说 UC Berkeley 去年收了太多人 funding 吃紧，因此今年把 bar 调得更高。
这也从侧面说明了申请跟运气的关系是非常非常大的。
感谢
谢谢清大孙民老师
谢谢 Virginia Tech 的 Jia-Bin Huang 老师
谢谢 NVIDIA 的 Dr. Liu
谢谢 UberATG 的老板
谢谢我的超强同事
谢谢一路上帮助过我的台湾前辈
谢谢所有的好朋友
谢谢我最爱的家人
祝大家顺利！