15011337672
研究领域分类
计算机科学领域其实有很多种分类，在申请海外本科尤其是北美本科时，一般会分为：计算机科学（Computer Science）、信息技术（Information Technology）、数据科学（Data Science）、人工智能（ Artificial Intelligence）、机器人学（ Robotics）、网络工程（ Network Engineering）、数据库管理（ Database Management）、软件工程（ Software Engineering）
其中，人工智能（ Artificial Intelligence，AI）是目前申请中竞争最激烈、最热门的专业，它实际脱胎于信息科学和数据科学。
计算机科学的必学课程
无论学生计划申请北美、英联邦、新加坡或者国内的高校，有四门课是必学的：数据结构、操作系统、计算机组成原理以及计算机网络。
计算机组成原理搭建起了计算机的基石，而数据结构则是一种方法论，贯穿学习的始终。一般来说，计算机组成原理和操作系统这两门课程，在北美的一些学校是研究比较深刻的。
计算机科学下的细分学科
在本科申请硕士或者博士时，我们就需要了解更加细节的分类了。其中分布式系统与嵌入式系统更偏向硬件，如果要申请这个方向，北美的高校会更好。如果是申请数据科学、物联网、网络工程，则更偏向高层设计，北美和新加坡都有非常不错的高校。
本科生和研究生项目的异同之处
计算机科学的各个专业，在本科学习时，尤其是本科低年级时，学习的课程基本是一样的，区别只是难度与侧重点的不同。到了研究生，不同专业之间学习的课程则完全不同。例如计算机科学需要学习算法设计、数据结构，而机器人学则需要学习电路模拟、数字电路等。
但本科高年级和研究生学习又有相同点，比如都是通过Active Learning的学习方式，以及通过大的Project训练独立思考的能力，让学生从自己的视角考虑问题、提出解决问题的方案。
正在开展的科研方向、机会和挑战
研究方向更偏向于人工智能专业下的计算机视觉和数据挖掘。在博士期间，主要研究人脸的微表情识别和情绪状态识别等，自己建立实验室之后，主要是做自动驾驶的感知，以及感知决策的一体化。
现在的人脸识别已经非常准确了，例如支付宝上的人脸支付。未来将要做更进阶的任务：通过摄像头进行识别人的表情，再通过这种表情来判断人的心理状况，更多运用在飞行员航天员的选拔和判断运动员心理素质测试上使用。
其他领域的如自动驾驶的感知决策一体化、数据分析与精准推荐、区块链与分布式储存，都有非常好的前景。
发展历程与主要方向
深度学习在1950年左右就已经兴起，在1980s和2010s至今到达第二、第三次高潮。
目标检测就是从图像或者视频中标记出特定的部分，其广泛应用在安防和智能交通领域。目标检测是当前深度学习和计算机视觉中最热门的方向，包含着当前人工智能最先进的成果。
语义分割（Semantic Segmentation）是计算机视觉领域的一项重要任务，它涉及将图像中的每个像素分配给其对应的语义类别，从而实现对图像的像素级别理解和分析。与目标检测不同，语义分割不仅需要识别图像中的物体，还需要为每个像素分配一个语义标签，通常是指物体类别。这使得语义分割可以提供更详细和精确的图像理解。
文本到图像生成（Text-to-Image Generation），这种技术利用深度学习和生成对抗网络（GANs）等方法，将给定的文字描述转换为相应的图像。这项技术在图像生成、虚拟现实、游戏开发和创意设计等领域具有潜在的应用。它可以用于自动生成场景、角色、物体等图像，为开发者和设计师提供更高效的创作工具。
大模型是指基于深度学习技术构建的具有大规模参数和能力的自然语言处理模型。这些模型使用大量的文本数据进行训练，以学习语言的语法、语义和上下文等特征，从而能够理解和生成人类语言。如OpenAI的GPT系列（如GPT-4）和Google的BERT模型等，在自然语言处理领域取得了重大突破。
必备的学科基础、方法和能力
从事计算机领域的科研工作，必须拥有一定的数学、微积分、数理统计、概率、矩阵等知识储备，编程语言则需要掌握Python和Pytorch。在编程工具上，则需要学习VSCODE、Pycharm。LateX和PPT则是非常好的论文写作与汇报工具。
在科研工作中，逻辑能力和表达能力是最重要的。一个人的逻辑能力强，他的表达能力就不会弱。当我们写一篇论文，其实是最能强化的我们的逻辑能力，包括我们为什么要做这个事情？前人有没有做过？既然前人有做过的话，我们跟前人的工作有什么样不同？同时需要介绍优势，是如何设计实验？如何来证明这些优势，这些都是要想清楚如何表达的问题。
听讲的知识传输效率是最低的，而阅读是10%，视听演示能达到30%，讨论是50%，实践是75%。做一个科研的project强调的实地科研、动手科研。因为这种学习方式对于记忆的巩固是非常有优势的。像计算机科学的科研很少能通过听讲、阅读这种方式快速进入科研的状态，而是实践、试错、讨论反而就更容易从一个学习者转变成科研者。
学术生涯早期应该注意的事项
学术生涯早期，最重要的一点就是自我驱动力。一些实验室的导师非常看重学生为什么选这个领域。这个问题的真正含义就是想问学生，到底没有兴趣？有没有兴趣的关键则是有没有自我驱动力，学生将来是否会非常积极主动的去推动研究课题，而不是让导师费劲推着走。
关于留学方面，有疑惑地提醒欢迎联系传兮留学的老师咨询~
