真强者 台湾之光 顺便给版上还在找教职的博後们参考 知不足 才有进步的空间~~ ga大真的在研究 教学 服务上都技能满点 找教职 真的不是只有发表或"想"就可以的 good luck~ ※ [本文转录自 studyabroad 看板 #1N3aykuK ] 作者: ga014528 (L.Rochi) 看板: studyabroad 标题: [心得] 申请统计教职心得分享 时间: Wed Apr 13 21:52:43 2016 最近刚结束可怕的job searching 想说留学版上应该有些人未来也想走教职 在此分享一下个人浅见与心得 希望能够帮助未来有志於学术的人 ## Background: 2007-2011 B.S in Physics at NTU 2011-2012 当兵T____T 2012-2016 Ph.D in Statistics at Carnegie Mellon University Advisors (有3位): - Larry Wasserman (Statistics/Machine Learning) - Christopher Genovese (Statistics) - Shirley Ho (Physics/Astronomy) ## Research Area: - Statistics: nonparametric statistics, empirical processes, topological data analysis, applied statistics - Machine Learning: cluster analysis, statistical learning theory - Cosmology: large-scale structure, astrostatistics ## Publication: - 3*统计期刊 (2*Annals of Statistics, 1*Electronic Journal of Statistics) - 1*Machine Learning conference (1*NIPS) - 3*天文期刊 (2*MNRAS, 1*ApJS) - 其他8篇preprint/under review ps. 统计的发表量都很少 许多顶尖学校只要1-3篇就可以毕业 ## Interviews: 投25家 拿到13家on-site面试 都是Assistant Professor (tenure-track) 最後拿到4个offers 统计系: Stanford, University of Washington, University of Michigan, University of Pennsylvania, Columbia, Cornell, UC-Davis, Ohio State, Rice, UIUC, UT-Austin 商学院: University of Chicago-Booth, USC-Marshall ## Final decision: University of Washington 这间是我最想去的学校 研究领域全面 学术声望好(Top 5统计系) 地点好 其他教授们也好相处 地灵人杰啊～ ------------------- 以下心得不一定适用所有场合 我的情况是 - 统计领域 - 研究型大学 - Assistant Professor (tenure-track) # Chapter 1 综合心得: ## Section 1 学术: 我觉得走学术最重要的是个性 要对学术非常有热情 而且要有奇妙的洞察能力 常常能够从新的角度看原本的问题 研究跟 写作业 考试 是颇不一样的活动 我很喜欢做研究 基本上我不会算我做研究的时间 因为我没别的事情时就是在做研究 所以我才会找了3个advisors (他们都是好朋友) 让生活可以充斥各种有趣的研究 Advisors多的好处就是能有许多research meetings 举例来说 上学期我有 2*individual meetings 5*project meetings 5*group meetings 一共12个meetings 然後我就过得特别开心 ps. 这学期我只有8个meetings 所以我就有一点忧郁 呜呜... 另外老板和你研究的气场合不合很重要 我曾有一篇文章是一个周末和我老板L写出来的 (两个无聊男子(?)的周末休闲活动) 做研究 解题技巧不能太差 但并不需要很顶尖 重要的是如何不断的从不同角度看原本的问题 还有看出不同问题之间的关联性 ## Section 2 统计: 统计是个很奇妙的领域 需要一定基础的数学 (高等微积分、数学系线性代数是PhD课程的基础 老师会预设你知道) 建议要有实分析的基础 懂一点基本的泛函分析会让生活比较惬意 但并不需要太深入的抽象数学 统计学与科学的关系非常深远 统计学主要就是建构整套科学资料分析与推论的基础 所以从科学领域 不管是自然科学或社会科学 转入统计学往往会有额外的优势 (前提是你的数学程度要足够) 而这几年统计整个领域也在剧烈转变中 因为受到data science, machine learning(ML)的影响 基於统计与科学还有ML的亲密关系 你在科学/ML领域的发表是有额外加分的 (前提是: 你在统计本身领域要有足够好的发表) ## Section 3 教职: 统计领域找教职不一定要做postdoc 但主要关键还是你的推荐信与发表数 一般大概50%的人会做postdoc 50%的人会从博士班直攻教职 做postdoc的好处是你可以收集到比较多推荐信 也可以累积比较多的发表数 找教职竞争其实很剧烈 除了有PhD, postdoc之外 还会有已经在当教授的人 因为一些原因跑回来找教职 或着visiting/clinical assistant professor要转tenure-track position跑过来申请 ps. visiting/clinical assistant professor: 通常是2-4年 固定年限的助理教授缺 不能申请终身职 所以他们最终如果要待在学术界 还是会跑来找tenure-track的缺 PhD虽然发表量往往会输人家 但优点是如果你博士班就能有很好的成果 通常人家会认为你的潜力比较大 这也是提早毕业的优势 像我博士班只读了4年 只要展现出4年的发表不输给其他竞争者 自然就会被认定比别人有潜力 其实後来觉得找教职应该读久一点博士班 今天早上醒来突然发现自己不久之後要当教授了 觉得可怕(惊 # Chapter 2 申请前准备心得: ## Section 1 过程: 8-12月: 投递申请资料 - 有些学校11月就截止 要注意截止日期 通常需要准备: - CV - 3-5封推荐信 - research statement - teaching statement - 0-3篇代表作 里面最关键的是推荐信还有CV 但这些都是需要长时间才能培养好的 许多老师说research/teaching statement基本上不太有人看 但当我们的last name不是西方国家的名字时 你至少要确保这两者内容的英文都是正确且流利的 (有老师跟我说这点很重要) 而学校方面 招生的运作大致是如下 (听说) 由search committee主要负责 从上百封的申请者里 选10-30个出来 然後让系上大家来看 最後开会决定要邀请谁来on-site interview 一个位置通常会邀请4-8个人来面试 ## Section 2 CV: CV来讲 可以分成三个面向: 研究 教学 服务 重要性听说是 研究>>教学>>>>服务 - 研究 研究是最重要的 很强的研究 就算完全没有教学与服务的经验 也是有机会找到很好的工作 而研究面向里 最有地位的就是文章发表 在统计界 数量不是最要紧的 重点是文章发表的期刊还有内容深度 另外发表领域的”广度"也会有加分效果 除了文章发表外 presentation也会有加分 特别是到invited Talk等级的presentation 加分不少 (但学生很难拿到invited Talk 通常靠老板推荐才能拿到) 至於其他研究经验(当RA之类的) 听说效果不大 - 教学 Instructor >>> TA >>>Grader 能有机会担任Instructor对於教学加分很大 TA也是会少量加分的经历 我曾听说过 如果从头到尾没有任何教学经验 可能会扣一点分 - 服务 担任期刊reviewer会加一些分 特别是顶尖期刊 加分会更多 (这通常也是要靠老板们推荐你当reviewer才拿得到) 协办一些活动也会微量加一些分 - 其他 Honor and award听说没有什麽用.. 但有总比没有好 例外的是听说teaching award (excellent teaching)之类的反而加分加很大 (研究的奖似乎比不过教学的奖) 至於什麽东西可以放进CV? 有一个基本原则 只要跟学术有关 并且当人家要你解释时你可以说明该经验 就可以放进去 (如果你只写过python几次 就不要说你会用python 不然人家一问你可能就倒了) ## Section 3 推荐信: 推荐信的影响力是最大的 我看过很多顶尖的申请者 文章发表没有特别突出 但一样能拿到很多面试 关键就是他们有极为强大的推荐信 听说推荐信有三个要素 1: 推荐人要很有名 2: 推荐人跟你要很熟 3: 推荐人要帮你说好话 而且听说这三个要素是相乘--也就是只要少一个你就惨了 根据我老板的说法 推荐信最好要找跟你有「合写过」文章的老师比较好 所以平常能多跟不同老师合作就要多合作 ## Section 4 老板: 老板很重要 老板很重要 老板很重要 (因为很重要所以要讲三次) 最佳状态是找 好老板＋神老板＋名老板 除了指导你之外 老板可以提供你非常多的资源 举例来说 invited talk, reviewer这两个经验几乎都是老板推荐你才拿得到 老板能够帮你找很多合作者 (然後他们就能帮你写推荐信) 老板还能送你去当visiting scholar, 在演讲时把credits给你, 朋友来访时/去外校访问时大力推荐你... 我老板们就对我很好 我的7场invited talk里 4场是他们推荐我去的 (另外3场是台大老师邀请我回去给演讲) 而且我目前所有的发表里 一共有16个不同的合作者 都是三位老板们帮我四处找来的 他们被邀请去给演讲 也都会大力推荐我 让我感动的痛哭流涕啊T___T ## Section 5 人脉: 人脉很重要 你的人脉和你老板的人脉都很重要 决定你拿不拿得到面试的隐藏要素之一就是人脉 单靠人脉拿不到面试 但当一群实力强的人在竞争面试机会时 人脉可能就会是最後一个关键 人脉可以分成 校内人脉与校外人脉 校内人脉就是你跟系上「非合作者」的教授们的关系 别以为人家跟你没合作 就不会有影响力 教授们常常会跟他们的它校教授朋友们聊天 大家都喜欢你 你的名声其实是会传到其他学校的 我们系上还有老师特别跟他朋友推荐我 (後来我有拿到他朋友学校的面试) 即使这位教授我完全没合作过 也没修过他的课 校外人脉的重要性就不用说了 参加研讨会是很好建立校外人脉的方法 至於要怎麽搭讪教授 我们敬爱的马总统已经教过我们了 下面帮大家复习: 「XXX教授您好，我是OOO，我老板是ZZZ」 通常人家就会愿意跟你聊天--只要你老板是人家听过的 ps. 由此可知我们的总统先生可能真的有拿到博士学位(咦 另外一个可以建立校外人脉的方式是: 与讲者吃饭/讨论 老师们常常会被邀请到其他学校给演讲 学生常常会有机会跟讲者吃饭或约个时间讨论 强烈建议多去认识其他老师 除了可以深度认识别的老师外 有时候新的研究灵感就这样来 ## Section 6 个人网页: 个人网页是许多人常常会忽略 但却对找教职有不小影响力的东西 当search committee选出了那10-30个人给大家来挑的时候 他们就很可能会一个一个看个人网页 (因为要收集额外的资讯) 如果你没有个人网页 那你可能在这边会被扣分 个人网页不要太花俏 重点是清楚＋让人印象深刻 CV无法表现的东西是图片 还有根据研究领域分类你的文章 个人网页弄得好 可以很清楚地让人知道你有做哪些领域的文章 除了找工作用之外 平常维持一个好的个人网页 对於增加学术能见度、被邀请去担任reviewer都有加分 (我有几个reviewer的经历就是associate editor看了我的网页後邀请我) ## Section 7 影响拿到面试机会的因素: 目前有听到一些说法会影响拿不拿得到面试 - 同一间学校毕业的人 不会面试太多位 - 名校毕业的有加分 - 名老板的学生有加分 - Search Committee的人认识你 有加分 至於统计的文章发表 能有文章在最顶尖的三个期刊 (Annals of Statistics, JASA, JRSSB) 加分加很大 如果想拿到统计top10学校的面试 听说这三个期刊最好要有2篇以上 ps. 统计审文章的速度很慢 最顺利的情况 投出去到接受大概要1年 (刊出来又要另外半年) 看过不少文章拖了3-4年才被接受... 这可能也是统计发表数量低於其他领域的原因 统计界对於ML的发表看法很玄妙 ML的发表以conference proceeding为主 跟统计的期刊取向很不同 你如果统计的文章发表数很多 且都很优质 那ML的conference proceeding人家会认为是大加分 但如果你是以ML为主 统计为辅 听说这不会是很受到重视的组合 # Chapter 3 面试心得: 面试的过程会比大部分人想像还要轻松许多 别人会把你当做「教授」来看待(因为你可能是他们未来的同事) 所以会非常非常客气 与其说是面试 不如说是跟新朋友聊天 只是最後人家会给你分数 根本相亲(误 大部分老师都会很友善的跟你讨论 吃饭时也会很友善的跟你闲聊 甚至给演讲问问题时也会友善地问 ps. 当然 一切都有例外XD ## Section 1 面试流程: 面试一般是1天到2天 通常是前一天坐飞机抵达学校 结束後隔天搭飞机离开 前一天晚上有时候会跟系上几位老师吃晚餐 面试流程大致是-- 早餐与教授吃 在系上跟不同的教授单独meeting 30分钟换一个教授 中午跟教授/学生吃 下午继续跟不同的教授meeting 30分钟换人 你快累死时的4点左右 给你的Job talk (通常1小时) 给完job talk通常会休息30分钟 然後跟教授们吃晚餐 隔天重复一样的行程 只是不用给Job talk ## Section 2 Job talk: Job talk听说是关键 给的好加分很多 给不好有很高的机会就掰了 各校风格差异很大 大部分学校 讲到一半大家就开始疯狂发问 通常是有礼貌的问 但也有少数学校人家会用不礼貌的方式问 e.g. 你回答的同时他不断摇头, 你说你不清楚答案他就大笑 有时候会觉得这该不会是压力测试 (无误 Job talk被问问题时 偶尔回答你不知道是很正常的 (没有人会完全知道所有事情) 但如果太常回答不知道会扣分 我也碰过非常好的学校 大家把问题留到最後面才问 所以时间比较好掌握 如果是1小时的演讲 建议准备45分钟的slides就够了 一般都会晚5分钟开始 然後会被问10分钟 (不过我曾经被问了50分钟过... 那次演讲就讲了1小时半) 听说job talk别人问很多问题一般表示是好的 (因为有兴趣) 如果你讲的过程完全没人问 通常不是一件好事 ## Section 3 Individual meeting: 单独跟教授的meeting很重要 因为人家要看你好不好相处 不同教授会用很不一样的方式过individual meeting - 模式1 标准型: 跟你相互交流研究 跟你介绍系上的一些特质 最後让你问问题 - 模式2 让你问型: 一进来就说 “So do you have any question for me?" 不主动问你问题 都要你问他 - 模式3 对你很有兴趣型: 我碰过几个这样的老师 对我的研究很有兴趣 或对CMU的学生生活以及各种制度很有兴趣 会很想了解你 - 模式4 解说剧情型: 你坐下来他就开始解说他们系的特色还有优缺点 不小心30分钟就过去了 轻松过关 很多时候人家会让你问问题 这时候「一定要问问题」 你没有问题的话 人家会觉得你对他们没什麽兴趣 听说没问问题会被扣很多分 问很多问题反而会被加分 另外强烈建议面试前 要研究过下面几个东西 - 各教授的研究领域 - 有哪些课你想要教 - 各教授参与的计画与研究团队 - 各教授的行政职 - 系上有相关的研究中心 这些都是当别人让你问问题时 很好找问题来问的 e.g. 我发现你们学校有一个data science center, 他们跟系上合作很多吗? e.g. 我知道您是master program的director 请问这边master的状况怎麽样? ## Section 4 吃饭: 吃饭我觉得是难度最高的地方 特别是晚餐 想想看你要跟3-4个外国人坐下来一起吃 大家以飞快的英文聊天 而你花了一整天跟不同的人meeting 还给了job talk 都快累死了 还要跟他们聊得很开心... 通常吃饭时 聊得不会是研究 (但有时还是会出现研究) 常常会聊一些欢乐的事情 像是这个城市有什麽好玩的地方 平常假日去哪边玩 寒假 暑假要去哪边 旅游是一个很好聊的主题 电影 美剧也都是很好聊的东西 ps. 冰与火之歌屡试不爽XDDD 还有绝命毒师 运动也是非常好开话题的 ## Section 5 Offer: 怎样情况才能拿到offer其实很难讲 有不少学校其实有着隐藏条件: 他们特别想找做某一块的人 只是他们不一定明着公告出来 另外有人跟我说 其实学术界的politics还是有的 所以有些时候你看到研究超强的人 talk也给很好 最後却神奇的没拿到offer 有时就是因为一些political issue (某个大老特别想收谁之类的) ## Section 6 心理建设: 面试前常常会睡不着 我听说很多人都睡不好 我第一场面试就完全没睡 整天面试下来最後还给演讲 我居然能够活着 自己都有点佩服自己XD 碰到不好相处的老师也不要患得患失 我碰过从头到尾不太笑的老师 脸上总写着「你欠我一百万」那种感觉 还碰过吃饭讲话不太看你的老师.. 就放轻松过去即可 收到拒绝信压力不要太大 要认为是人家的损失 胜败乃兵家常事 大侠请继续加油 不过面试会碰到许多高规格的待遇 人生真的很难得有这样的经历 举例来说 我曾跟4个老师吃晚餐 他们的citations加起来超过60万 也曾经有美国科学院院士帮我开车门 中研院院士＋美国科学院院士带我校园导览... 有时也颇欢乐的 # 致谢 特别感谢台大江金仓老师与陈宏老师引领我进入统计学的领域 还有我在CMU的advisors: Larry Wasserman, Christopher Genovese, Shirley Ho 感谢他们一路的指导与栽培。 因为需要感谢的人太多了，就感谢天罢。(Chen 1961) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 128.237.204.16 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/studyabroad/M.1460555566.A.E14.html

※ 发信站: 批踢踢实业坊(ptt.cc) ※ 转录者: hint (123.193.96.102), 04/16/2016 18:21:27 ※ 编辑: hint (123.193.96.102), 04/16/2016 18:23:19