研究方向:
Robotics, Computer Vision, Machine Learning
申请结果:
Admission:
MIT EECS PhD (interviewed)
MIT AeroAstro PhD
Stanford CS PhD (interviewed)
UC Berkeley EECS PhD (interviewed)
CMU RI PhD
UofT CS PhD (interviewed)
UMich CSE PhD (interviewed)
Rejection:
Cornell CS PhD
UW CSE PhD
CMU MLD PhD
Decision: MIT EECS
学历:
NTHU EE MS 2017-2019
GPA: 4.25 / 4.3
NTHU EE BS 2013-2017
GPA: 3.87 / 4.3
Rank: 27 / 102
Honor: 书卷*1, 入学奖学金
英文考试:
TOEFL: R28 L30 S25 W29 112 (2019/11/10)
GRE: V151 Q170 AW4.0 321 (2019/10/20)
Publications:
4 * 1st/co-1st author top conference paper (ICRA, IROS, ICCV)
1 * Nth author top conference paper (ECCV)
1 * 1st author paper under submission
工作经验
Research Intern, UberATG, 2019
Research Assistant, 中研院, 2017
推荐信
指导教授, 清大电机 * 1
Research Head, UberATG Toronto * 1
指导教授, 交大资工 * 1
Research Scientist, NEC Laboratories America * 1
指导教授, 清大资工 * 1
(基本上是前三个＋后二选一)
心得
1. 推荐信
推荐信最重要
近来CS PhD application在各顶校都至少上千，在初步筛选后可能还是有上百份申请，
所以对于教授们来说，一个简单决定要看哪个申请者的资料的方法，就是直接看推荐信
有没有自己认识或听过的，所以好的推荐信可能首先决定了申请资料的曝光度。另一方
面，推荐信的内容是判断一个人研究能力和其他综合评价的重要依据，个人认为甚至凌
驾于其他客观条件像是论文发表或研究经验，因为对于教授们来说，自己认可的研究人
员给的评价大多时候是大过conference的公信力的。以我自己的申请结果和各种情报来
说，我拿到的推荐信绝对是起了关键信的作用 。
题外话，这点时常被人诟病为nepotism，个人也是颇为同意，虽然这可能不是最好的生
态，但这件事本身就有其合理性，而在现在CS领域的状况下，其合理性甚至有效性又被
各种强化了。
2. Publication
发表数量只是浮云，达标就好
在现在这个AI泡沫化的时代，有个两篇以上top conference是申请CS PhD然后主作
ML / CV / Robotics的标配，另一点是，有两篇跟有五篇基本上不会差太多，因为除非
你的paper是那种超爆有名的，可能审查application的人或是面试你的教授还看过的那
种，不然一作publication就只是证明有足够研究经验和具备一定研究能力。我认识的
大多同辈朋友包含我自己都会在仅两三年的研究经验中不断地对自己过往的paper感到
十分不满意，那些在研究圈打滚几十年的教授从研究本质的角度来看，根本不会把随便
一篇顶会的paper看在眼里，另外最近submission数的各种爆炸导致review process非
常noisy，被top conference接受的价值会越来越低。
个人建议是在量上要达底标，达成之后就别执著于发paper，去拿封好的推荐信或是
直接以发oral paper为目标...等（当然最好的状况是有很多篇都很有impact的paper）。
好的教授和实验室带你上天堂
如果要说什么是申请的准备中最重要的，我觉得就是这个了！！
除了我的指导教授外，我非常幸运地能在不同project受到清交的教授还有在美国的
研究人员的指导，进一步到UberATG实习后，也在那个实验室学习到很多。 我主要
把好的教授和实验室带给学生的影响归类为三点:
(1) 眼界:
我基本上大学都在耍废，没实习、没打比赛、没参加学术活动、专题也做得颇差，甚至
到大四时，除了去竹科当工程师这种模糊的想法外，对未来十分地茫然，而当初选择跟
我的指导教授的原因也是单纯觉得DL / CV很潮。然而，开始接触到实验室的人和教授
后，我便慢慢了解到我认知到的世界之外的各种可能性，包含国际学术会议、众多最前
沿的技术和算法、出国深造、成为首屈一指研究人员的野心...等，而这些认知在我至今
的研究之路上，扮演着最核心、最深层的原动力。
(2) 思维模式:
指导教授会很大地影响学生的思维模式，更确切来说，当遇到一个问题或任务时，我们
会以何种角度去看待它并且决断出接下来一系列行动以达到最终目的，其中包含定义问
题、资料蒐集与吸收、整体规划、事件优先级的安排、分析、表达...等；另外，我想
强调这里提到的思维模式是对于处理广泛任务和问题，而不是专只做研究而已，所以像
是研究领域、不同research community的思考方式...等都是因人而异的；而我将我在实
习阶段的表现主要归功于我从我的各个指导教授们身上学习到的思考和解决问题的方式
，另一方面，我实习的老板也让我学习到很多对于研究的态度和使命感。
(3) 风气:
相较于前两点的远大与抽象，实验室风气就是研究生活中的柴米油盐，日复一日的潜移
默化或蚕食学生。我的实验室伙伴们人都非常好，对研究也有一定程度以上的热忱，讨
论风气也非常兴盛，时常在出去吃饭时像一群nerd一样在聊可以做什么或嘴某篇paper，
一方面让我能够以良好愉悦的心态面对研究，另一方面让我建立起一些不错的习惯，像
是定期看paper、reading group、追踪大牛、互相聊对方的研究...等。
3. SOP
因为当时还忙着投稿和读英文，所以我只花了大概一周写SOP，我主要花时间在更完整
地构思和阐述我的研究目标，而不是我的经历和对字句的雕琢。
首先，我认为SOP对于PhD申请的重要性相对于MS申请低很多，其他客观条件像是推荐信
, Publication, 研究相关工作经历才是主要能够证明一个人的研究潜力。
另外，理想状况下，即将要读PhD的人应该要对他所在的研究领域有一定程度的认知、
看法以及偏好，而写SOP的过程基本上只是把自己一直以来的研究理念和动机具体地阐
述而已，从零到初稿完成不应该花很多时间。
最后一点是，教授会根据你SOP中写的research goal找人，所以
(a) 不要写得太拢统，没有鉴别度也看起来对研究没sense
(b) 写自己喜欢同时也跟目标教授research interest align的东西
(c) 要确定自己能够对自己写得内容侃侃而谈。
4. 英文考试
基本上门槛就是Toefl > 100, GRE > 320 (Q>168)，另外Toefl口说最好>22。
听从各位强者出国前辈们的建议，我先准备GRE再准备Toefl。
GRE的话，我补Mason，颇推，整个可以无脑去上课，听老师各种秀，然后课后再根据
讲义和老师上课讲得去准备。我补完后就直接耍废放著，到10月死到临头才开始拿讲
义看，但之前上课都有听讲然后抄笔记的话效果还是挺不错的。
TOEFL的话，真心觉得GRE考过后，写写考满分，熟悉一下题型，就可以上了，之前GRE
的训练完全可以transfer到Toefl。我那时候考完GRE后接连出国参加了两个conference，
还一边搞当时project的投稿，所以基本上也只有了解题型和掌握好时间。另一点是，
我个人觉得TOEFL比较著重于日常语文能力的累积，Reading大家看论文和教科书大多都
是英文，Listening我个人很爱看Talk show和Stand-up comedy，Speaking考前刚好在
国外待了一阵子而且在台湾的meeting也是用英文报告，Writing直接靠GRE老师教得各种
技巧凯瑞一波。
5. GPA
如果是申请PhD的话，个人感觉GPA不要太差就好，我猜对于那些顶校的教授来说，GPA
不是太有鉴别力的指标。我自己大一大二都在各种玩因此成绩很差，我的微积分二差0.X分
就被当掉，直到二下意识到可能要gg了才开始顾成绩，所以总结下来BS成绩还算能看。
虽然我这方面的过去没啥参考价值，但我的建议是：(a) 选课不要和成绩过不去
(b) 把其余时间拿来增进自己能力的同时也让自己的履历更漂亮, e.g., 找实验室做研究
, 参加比赛, ...
计画
老实说，我在大学刚毕业时没什么计划，硕班的过程也只是单纯觉得做研究挺有趣的
就一直做下去，非要说什么事情是特别计画的，那就是我先在实验室发几篇paper (非
常感谢分散于清交和加州的指导教授们的强力凯瑞)，然后再出国去当访问学者并争取
推荐信，而我在找国外访问学者的职缺时，只有一篇1st-author paper外加一篇under
submission。
另外，我现在回想起来，以申请PhD来说，其实在台湾先念个硕士挺不错的，因为到国
外念master首先学费爆炸贵，毕业后还不能直接出来工作还债；另外，只有少数学校的
硕班事主做研究(以CS为例的话UofT, CMU MSR, UIUC)，其他都得跟master毕业直接去
工作那条路蜡烛两头烧，反观台湾的硕班都是主做研究的，而且更容易受到老师重用和
栽培；不过，在台湾念硕班的话就要特别想要怎么拿到跟国外的connection。
面试
基本上我都是用同一套心态去面对所有PhD的面试，所以我就不分学校讨论了。
我对于面试的准备主要分为两点:
(1) 复习传统非DL or learning-based的CV / ML / robotics算法。当然时下最流行的
方法也要大概知道，但因为做研究本身都会一直看新的paper，所以一般来说，那些比较
旧的算法比较需要特别去复习一下。
(2) 增广见闻，培养research taste。确切来说，可以去看不同research group有啥系
列研究，听大牛的演讲，大概了解不同研究子领域的发展现况和瓶颈，让自己成为一个
对于整个研究大生态有sense的人。
除此之外，我觉得更重要的是，面对面试的心态:
(1) 表达清楚，论述的逻辑要通顺。虽然我不确定那些面试的教授们实际怎么想，但我
不觉得他们要的是一定能说服他们且细节考量十分缜密的答案，而是在一个大的思考框架
下结构鲜明且流畅的论述。
(2) 对自己讲得内容有热忱，不要当作是面试，而是交流 (被面试同时，问”好问题”)。
我觉得做研究是很开心的事情，而跟别人分享自己的研究或对研究的看法也是令人兴奋的
一件事，虽然我们在申请当下是处于”被面试”的状态，但我更多把整个面试过程当作是
一个交流，分享自己同时还能从不同教授们学习到很多；其实每一次面试都是非常难得的
机会，以现阶段来说，可能只有这个时间是有机会与大牛或厉害的教授们当面交谈的，
我在很多场面试下来，学习到非常多，包含知识的成长、对不同领域的看法、现在AI相关
领域的发展、研究态度、甚至如何做研究。
(3) 清楚理解并阐述自己的研究目标。这边跟在SOP提到的东西差不多，换成是要直接用聊天
的方式跟对方分享自己觉得什么是重要的、为什么、可能可以采取哪些方式前进之类
的，有点像在写intro外加一点点related work的感觉，讲清楚自己要干嘛，然后提出
一些具体的东西让别人知道你是有些料的。
(4) 适时地加入一点闲聊。除了研究能力外，合作能力也是很重要的，所以要让教授们
觉得你是一个好相处的对象，跟我们合作是开心的，毕竟advisor跟PhD之间的关系绝不
仅止于研究上而已，还有life in general。
感谢
谢谢清大电机孙民老师
谢谢交大资工邱维辰老师
谢谢 NEC Laboratories America 的 Yi-Hsuan Tsai
谢谢清大资工陈焕宗老师
谢谢UberATG的老板
谢谢现在实验室的伙伴和已经在世界各地扩展支部的学长姐们
谢谢在UberATG的众大佬
谢谢陪我讲干话和玩耍让我能继续努力研究的朋友们
谢谢我的家人一路上对我的支持和包容
谢谢我的女友对我的付出与陪伴
祝大家一切顺利！！