> For the complete documentation index, see [llms.txt](https://advancedguideforsds.gitbook.io/advancedguide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://advancedguideforsds.gitbook.io/advancedguide/hua-ti/2023-jie-eecsai-shen-zao-jing-yan-yi-ji-jiao-xun.md).

# 2023届EE/CS/AI深造经验以及教训

### 写在前面

本人是中国科学技术大学（USTC）的19级学生。大一在科大某基础科学（数学科学学院、物理学院、化学与材料科学学院其中一个）院系度过，大一下疫情在家学会了刷知乎，最终在大一结束转专业到了西区信息类工科大院（信息科学技术学院）；在信息科学技术学院度过了大二和大三。

本人是比较典型的科大学生，暑假还未入校时就听说了GPA的重要性，也下定了上大学期间一定要刷到一个高GPA的目标；当然在当时，我也听说过很多类似于”GPA没有那么重要“的言论，各种说法在此不表。但是现在回头来看，**结合我的个人经历，如果以深造（出国、保研）为目标，GPA只能说是相对必要的指标，但绝不是全部，有太多可以翻盘GPA高低而且也更有意义的其他指标，尤其是信息类工科领域；如果以本科就业为目标，那么GPA更加无足轻重。**

在三年的求学经历中，我避过一些雷，也踩过不少坑，回头来看有很多遗憾的地方，尤其是慨叹浪费了本科低年级很多无谓的时间，以及做了很多精神内耗。现在保研等事情已经尘埃落定，想把这三年的心路历程写一写，既是对自己本科的一个纪念，也或许可以给学弟学妹们提供一些经验和教训。

本人深知在EE/CS/AI这样一个日新月异（竞争激烈）的领域，自己绝非什么ACM奖牌、顶会一作、top竞赛得奖、科研实习拉满之类的大佬。因此，我的经验教训可能不适用于所有的后来者。我只是提出我基于这三年观察和实践得到的观点，也欢迎同学们补充一些自己的经验，为后辈排雷并按下加速键。

本文的定位更像是抛砖引玉，如果能有更多的校友来谈一下自己遇到的捷径和雷坑，应该能对科大尤其工科这边的学弟学妹起到一定的帮助作用，使得科大的学弟学妹能在三年后达到更高的高度。

### 关于科研/实习和GPA

对于能兼顾超高绩点和完整科研的同学，自然不在讨论范围内\~

鉴于目前AI方向对学历的要求，我先默认同学们会选择深造。**对于AI方向的同学，强烈建议GPA达到一个bar后就不要再过拟合，无意义的GPA刷点带来的收益是递减的。把这些时间省出来，至少去做一段较完整的科研，也方便能找准日后想做的AI细分方向。当然能产出顶会论文甚至一作顶会论文更好**。AI领域论文通货膨胀大家有目共睹，因此尤其对于要出国的同学来说，虽说论文也不一定是决定性因素，但是赶在申请前有论文在手可以避免”人有我无“的尴尬。

关于科研怎么去找，我知道的途径主要有：校内导师、校外导师、工业界research实习。本人当时思路没打开，只局限于本校导师了。**学弟学妹们尤其是有志于保外的同学，可以考虑能否找校外导师实习（相比其他一些工科，AI远程搞科研还是方便的）。我之前就看到过清华叉院有老师招实习生，而且不限定校内学生还是校外学生**。工业界research实习，恕我直言，本人没找过，只是知道有这种路径，但是知道的例子好像都是因为学校导师和工业界有connection然后把学生推去实习；我确实见过快手、华为诺亚方舟、腾讯 AI Lab等的research实习招聘JD，但bar应该不低，感觉不适合初次科研的同学。

关于为什么要搞本科科研，刨除“人有我也得有”的竞争观念，这可以帮助检视自己是否适合做科研，以及帮助自己在深造时选择合适的细分方向。前者不必多说。后者的话，一个是由于，如果不深入AI的某一个或者几个细分领域，其实是不容易搞清楚这个领域在干什么以及这个领域的发展前景以及自己是否真的喜欢这个领域的；**另一个是由于，经历了今年秋招的惨状，如果日后目标是去工业界的话，那么细分方向的匹配显得愈发重要，已经不是那个只要有AI顶会就能收割offer的时代了；就算以后目标是去学术界，那也有难发和好发paper的领域之分**。

根据本人夏令营、预推免以及陶瓷海外导师的经历，**国内基本过了初审，复试就不怎么看GPA了，还是主要看科研经历和基础知识掌握情况；国外的话，由于之后也不想出国了，因此面试的经历十分有限，但是为数不多的面试经历中，几乎没问过GPA，全程都是讨论做过的科研和以后想做的科研。所以说，可见课程之外经历的重要性。**

再浅谈一下实习方面，由于本人并没有考虑过本科就业的事，因此对这方面更多是道听途说。本科就业，最有用的经历**应该非实习莫属**，IT相关企业没怎么听说过找工作时问GPA的，而且就算问了，GPA也不是什么决定性因素。国企可能会看重成绩一些，甚至还有问高考排名的。

\*\*以上论断均有科大前辈的实例支撑，而且每个的对口案例都不少。\*\*有GPA不那么高（比如说并没有达到上面提到的bar或者达到上述bar但是没有极高的3.9+/4.0+）但是科研充实、有推荐信去到海外名校深造的；有本科计算机然后大厂后端开发就业的；有本科统计然后量化投资策略研究员就业的（不过今年找工寒冬的行情估计确实没有这么好了）。

### 关于我的具体操作路径

由于本人是普通的高考学生，而且上大学之前信息确实比较闭塞，因此本人的路径总体来说还是有些拖延的，放在这里仅供参考：大一上全心全意刷GPA，大一下仍旧是努力刷GPA，同时思考转专业的事；大二上开始对AI方向建立一些笼统的观念，但还是在刷GPA，大二下加入了一个CV/NLP/多模态相关实验室，但是由于担心掉GPA，几乎没怎么用心在科研上，纯划水打杂，大二暑假有点着急了，开始找实验室并下定决心认真搞一段科研；大三上全力以赴科研一学期，幸运的是搞出了一些勉强成果，但GPA掉了，大三下换了另一个实验室同时emo了一学期思考深造想搞的方向（尽自己所能问了一些相关的从业者，或者是大我年龄比较多的这方面的业界前辈，尽可能避免问在读硕博生；也尽量收集了一些信息，还看过一些VC的投资风向，现在想来这样神神叨叨的也不见得就能选的恰当），并准备了保内/保外/出国的一些东西，心几乎没在课内，于是GPA又掉。

后来看了看20级/21级同学们的一些路径，以及对比我知道的19级搞得比较好的同学的路径，发现他们在科研上的起步普遍比我快半年甚至一年，尤其是我认识的少年班学院计算机方向的几位同学，几乎快了我一年时间，大二上开始就比较认真地去实验室接触科研了，而不像我大二下才去而且只是打杂。

或许也是因为少年班学院出了名的保研线低，所以说他们更不害怕GPA上的失利。**总之不论是少年班学院还是非少年班学院，如果有志于在科研上做出成果以便保研清北/海外PhD，选择信息口工科中相对来说课少自由时间多的专业更有利于把时间投在课外的科研/实习中（从19级信院来看，能同时兼顾大量课程且超高绩点且完整科研的人并不多）。对于科研，不要寄希望于上多多的课以及在课程中学到多少有用的东西，去了实验室几乎都是现学**。