斯坦福icme微講座文字福利(世畢盟留學(xué))-免費閱讀
【正文】 leonard政: 碩士方向Data Science 和Image Science一般每年有多少中國人呢？張峻梓: 具體數(shù)目我也沒有系統(tǒng)了解過，去年的話加起來有七八個吧至少，算很多的了。比較可惜的是，據(jù)我了解這個方向招的中國人很少，例如去年沒有人，今年有一個北大12級學(xué)妹被錄取了但最后選擇了Columbia的MFE。其他的話，就是Python和C++一定要盡早學(xué)好，非常有用。二是英語還是講究天賦和積累的——如果輸在了起跑線上，也沒必要太糾結(jié)，畢竟英語大多數(shù)時候也只是一個門檻，屬于只要過了基本線就沒人care了的東西。事實上，這些在美國師從各領(lǐng)域巨擘的青年學(xué)者們既帶來了新鮮的研究方向，也帶來了相當(dāng)可觀的科研人脈。而大城市的治安雖然往往糟糕，但就業(yè)卻通常比較方便。以美國為例，就氣候而言，東部藤校聚集，有很多排名拔尖的項目，但整體來說氣候寒冷且常常有暴風(fēng)雪；而西部強(qiáng)校雖然主要就是斯坦福和加州大學(xué)的各個分校（尤其是伯克利和洛杉磯分校），但加州尤其是北加州的氣候則十分溫暖晴朗，說是四季如春也不為過。不過，比起找對象容易的地方在于，教授組里往往還有一些認(rèn)識的學(xué)長學(xué)姐。主動就是只要有科研機(jī)會而自己也有精力就馬上上。目前，我主要在進(jìn)行兩個科研。不過這個科研從結(jié)果上來講并不順利。你的未來規(guī)劃、人際交往的習(xí)慣以及英語水平都應(yīng)該成為決定你是否出國的重要標(biāo)準(zhǔn)。但是不得不承認(rèn)，國內(nèi)在優(yōu)化和運籌等領(lǐng)域則是相對滯后的——不過，在袁亞湘院士的牽頭下，加上近幾年不少杰出的青年學(xué)者被引進(jìn)回國，目前這一領(lǐng)域在國內(nèi)也處于蓬勃發(fā)展的狀態(tài)。另一方面，在硅谷，各種公司幾乎都有自己的研究實驗室，例如Microsoft Research, Walmart Lab（沒錯就是那個超市沃爾瑪）以及Google Research等等。而和概率統(tǒng)計方向的合作，則催生了運籌學(xué)中的許多大領(lǐng)域，而且中尤其以排隊論和Markov決策過程的應(yīng)用最為廣泛。不過，在學(xué)術(shù)界，對現(xiàn)有算法的理論對比分析變得越來越受到推崇了。建立模型，實際上就是在各類數(shù)學(xué)建模競賽中做的那些事情，相信很多同學(xué)都已經(jīng)有不少的經(jīng)驗了。第二大工具，微分方程/積分變換，則是應(yīng)用數(shù)學(xué)在自然科學(xué)和工程領(lǐng)域的主要接口——從物理規(guī)律、化學(xué)反應(yīng)到生物種群，從電子元件到工程結(jié)構(gòu)，人們已經(jīng)發(fā)展出數(shù)以千記的偏微分方程和常微分方程來對規(guī)律進(jìn)行刻畫，并且在定性和定量的研究上都取得了長足的進(jìn)展。尤其是很多同學(xué)會在連續(xù)類型（例如分析、微分方程）和離散類型（例如組合數(shù)學(xué)、圖論）的數(shù)學(xué)分支方面有所偏科（例如我就不太擅長離散數(shù)學(xué)），但建議大家無論自己是否適應(yīng)，都要努力同時聽兩方面的課程（哪怕只是旁聽）。事實上，無論是北大還是斯坦福，應(yīng)用數(shù)學(xué)Faculty們最常見的研究方向都離不開物理和工程，譬如計算流體力學(xué)和數(shù)值偏微分方程就是非常主要的方向，而在這些領(lǐng)域中，數(shù)值線性代數(shù)和PDE都是基石。我在北大期間曾于2012013和2014年連續(xù)獲得國家獎學(xué)金，于2012年獲校三好學(xué)生稱號，于2013年獲校三好學(xué)生標(biāo)兵稱號，并于2014年獲北京大學(xué)創(chuàng)新獎，還曾獲得包括丘成桐大學(xué)生數(shù)學(xué)競賽團(tuán)體銀獎、美國大學(xué)生數(shù)學(xué)建模競賽一等獎等多項榮譽(yù)?？蒲蟹矫?，我曾先后在張平文教授的指導(dǎo)和國家創(chuàng)新立項基金的資助下完成準(zhǔn)晶數(shù)值模擬和風(fēng)電功率預(yù)測兩項研究，其中后者目前已開始軟件化并處于上線測試階段。有趣的是，應(yīng)用數(shù)學(xué)（尤其是研究生項目）的生源和出路卻遠(yuǎn)遠(yuǎn)不止于此。，大家如果之后想要申請ICME或者類似的項目，不妨在閱讀、選課和科研時參考參考在我的理解中，應(yīng)用數(shù)學(xué)可以分成兩個部分——基礎(chǔ)部分和發(fā)展部分。而包括Radon變換和Fourier變換在內(nèi)的諸多積分變換，則為圖像處理、電子元件設(shè)計甚至醫(yī)療（例如CT以及核磁共振）等領(lǐng)域提供了堅實的基礎(chǔ)。但要做出一個好的模型，既要有在背景問題方面的豐富知識和直覺，又要能將其聯(lián)系到一個合適的數(shù)學(xué)問題，實在是一門藝術(shù)，而其中前者的重要性往往會為我們這些學(xué)數(shù)學(xué)的人所忽視。以我現(xiàn)在所做科研的主要方向——優(yōu)化算法來講，去年獲得INFORMS Finalist大獎的paper就是關(guān)于隨機(jī)排序ADMM算法的期望收斂性的理論證明的。而大家耳熟能詳?shù)母鞣N“學(xué)習(xí)”，例如機(jī)器學(xué)習(xí)、統(tǒng)計學(xué)習(xí)和加強(qiáng)學(xué)習(xí)（Reinforcement Learning，比較淺顯的理解就是“左右互搏”），也是應(yīng)用數(shù)學(xué)的基礎(chǔ)部分（尤其是優(yōu)化）和計算機(jī)、統(tǒng)計等諸多領(lǐng)域共同作用的結(jié)果。這些實驗室的研究水平往往絲毫不比斯坦福等學(xué)校從事的研究遜色，而且業(yè)界在研究方面超過學(xué)界的例子也屢見不鮮（例如Google的圍棋AI AlphaGo），畢竟事實上兩者已經(jīng)在某種程度上融為一體了。除此之外，上財管科學(xué)院也給國內(nèi)運籌界的發(fā)展帶來了新的生機(jī)。畢竟總的來說，我們這些
試題試卷相關(guān)推薦
鄂ICP備17016276號-1