Appearance
21 级pku@cs
SDU 2021 lzm
专业：数据
rk：2/50
最终去向：PKU CS
Contact: 1621737438 at qq.com
其他申请：
| 阶段 | 院校/机构 | 院系/项目 | 结果 | 备注 |
|---|---|---|---|---|
| 夏令营 | 上海AI Lab | MMLab | 二面挂 | |
| 复旦大学 | 大数据学院 | 放弃入营 | 考试冲突 | |
| 中山大学 | 计算机学院 | 放弃入营 | 以为和自所冲突，结果自所没入 | |
| 南京大学 | AI学院 | 未入营 | ||
| 北大软微 | 关键软件 | 读论文挂 | ||
| 南京大学 | 软件学院 | 放弃入营 | 考试冲突 | |
| 上海交通大学 | 电院直博 | 放弃入营 | 与高瓴冲突 | |
| 上海交通大学 | AI硕士 | 未入营 | ||
| 中国人民大学 | 高瓴人工智能学院直博 | 候补 | ||
| 中国人民大学 | 信息学院硕士 | 未入营 | ||
| 中山大学 | 计算机学院 | 放弃入营 | ||
| 中科院自动化所 | 未入营 | |||
| 清华深圳 | CS/AI | 未入营 | ||
| 中国科学技术大学 | 人工智能与大数据学院 | offer | ||
| 预推免 | 复旦大学 | 计算机学院 | 未入营 | |
| 南京大学 | 软件学院 | 未入营 | ||
| 北大软微 | 关键软件 | 未入营 | ||
| 清华深圳 | 大数据工程 | offer | ||
| 清华深圳 | OpenFIASDA | 未入营 |
一、申研历程
1. 前期准备与尝试
在三四五月份尝试联系弱 com 导师。当时听闻直博的门槛相对硕士较低，因此在陶瓷阶段，大多表示硕博意向皆可。
直博尝试 尝试陶瓷多个老师，尽管多数未能得到回应，但有一位老师给予了考核机会。在一周内完成数个项目后，得到了「实验表现不错，但作为直博生申请，思考深度不足」的反馈。考虑到研究方向不是很 match，最终没有选择跟进。
面试尝试 受到多位学长的推荐，投递了上海ai lab进行线上面试。未能成功，也获得了面试经验。
2. 夏令营经历
申请策略主要参考了上一级相同排名的学长。由于考试结束较晚，错过了许多机会，最终仅线下参加了 USTC 和 RUC 的夏令营。
3. 预推免阶段
凭借USTC offer作为保底，在预推免阶段陶瓷到 PKU 的老师，拿到 offer。
强烈建议在预推免阶段多与老师联系。由于鸽子的连锁效应，即使是强校强导也可能面临没有学生的尴尬局面。
二、选校标准、经验和最终择校考虑
关于择校和项目：
- 需要认真收集信息：保/稳/冲，有层次的报名；
- 建议与同专业同学报考不同专业，避免直接竞争。
- 选择合适的项目，适合自己的最好，比如ustc专硕其实和学硕差不多（肯定还是有区别，比如某些组只要学硕报名的），专硕获得优营简单，而在双选阶段是依据老师的名额分配学硕/专硕；比如某些学校的某些冷门项目，冲title的同学可以留意
三、套瓷经验
- 多多陶瓷，积累经验：提早把要踩的坑都踩了，后边的面试就难不倒你了；
- 好的机会总是要争取来的，最理想的剧本是能到目标院校进行实习，获得老师的认可；
- 在预推免的时候，不要眼红大佬夏令营 offer 多，最终他们也只能选择其一，而那些被释放的 offer，正是预推免捡漏的绝佳机会。
四、其他经验分享
简历 十分重要。可参考网上资料，做到美观而充实，重点突出科研 / 项目经历。贴一个我用的中文简历模版
面试 若项目丰富，老师基本不会问专业课，但需对自己项目非常熟悉，涉及的技术原理、实验细节等都要清晰掌握。
笔试准备 根据目标院校要求复习，如数学（高数 / 线代 / 概率论）、408（重点数据结构），刷 LeetCode 保持代码手感（小红书等平台有大量干货）。
专业选择 AI 和 CS 申请难度相近，BD 报这俩专业可能 bar 更高。
硕 vs 博 直博还是硕士，这个选择因人而异，在此推荐 RUC 赵鑫老师的知乎回答： 直博还是学硕，如何选择？ 我的建议是尽量在本科期间尝试一段科研，只有亲身感受过才有判断的依据
五、保研总结
我的保研经历总体十分顺利，夏令营有收获，最后也有超出预期的结果。得益于高rk，让我机会多，又站在了llm的风口，让我面试占优。
保研已经结束了大半年，我结束了本科一年半的科研项目，也到互联网实习，一直以来，都想要通过多多经历，找到适合自己的道路。不久前，我收到了四年前自己的信，现在站在不受绩点，不受paper，不受kpi压力的角度，回首四年。
在计算机专业的学习，真正教会我的或许不是某门语言或某个框架，而是自学能力和动手习惯——对什么感兴趣，就自己折腾试试。就像这个网站的搭建，相信最初也不过是一时兴起。无论是科研还是工作，目标都逐渐变得“功利化”：科研为了发 paper，工作为了赶 KPI。生活中，我们总在被灌输知识（尽管科研的自由度稍高一些），但最后往往陷入迷茫——我真的做出了什么吗？我的努力让生活变得更好了吗？ 或许，我们能做的，就是在奔忙于 KPI 和 paper 的间隙，偶尔找回那个单纯因为“想做”而去写代码的自己。哪怕只是一个小脚本、一个项目，至少那一刻，我们仍能感受到：技术最原始的乐趣——不是因为它有用，而是因为它有趣。