学员背景

Z同学

本科背景

东南大学 统计学

GPA：87.48 语言成绩：雅思7

录取学校

新加坡国立大学 数据科学与机器学习理学硕士

申请时间：2023-07-11

录取时间：2023-08-15

新加坡国立大学 统计学理学硕士

申请时间：2023-07-11

录取时间：2023-08-17

 

 

一、基本介绍

 

 

个人背景

 

我是东南大学统计学专业的本科生，绩点为3.74，专业排名10/30。

 

虽然我本科阶段的专业是统计学，但是对机器学习一直都很感兴趣，所以希望研究生阶段也能继续学习机器方面的知识。在结合了学校专业优势和自身实力后，我将目标定位到了新加坡国立大学。

 

选择背景提升项目的原因

 

我刚进入大二时课程较多，无法抽开时间来做项目，我之后选择的SRTP项目也比较简单，在后来还被辅导员匿名批评过。

 

然而，在项目过程中，除了数据分析能力和编程能力有细微提升之外，我并没有太多的收获。

 

 

到了大三暑假期间，我的SRTP项目还在进行中，这时我有了一丝紧迫感，再这样下去在申请季到来的时候，我的科研背景将是简陋且不完整的（因为在此之前并没有参加除SRTP项目外的其他科研项目）。于是，为了提升自己的科研背景和申请时的竞争优势，我选择了指南者的1v1名校教授科研项目。

 

 

二、背景提升的过程

 

 

具体项目和学习过程

 

科研经历最好是要与将来想要申请的方向密切相关，所以我选择了使用机器学习基于医学影像数据进行疾病诊断的科研课题。

 

在项目过程中将要使用到Python，指南者的老师们在项目初期给我安排了为期一个月的Python基础课程。在确保我具有一定的编程基础后，指南者的老师们开始帮我对接上了一位哥伦比亚大学的华人教授，我们在后续的交流过程中也十分顺利。

 

 

项目过程记录

 

在项目开始后，教授让我先去了解项目中问题的实际背景，例如医学CT成像原理、肾部疾病的分类与CT诊断等等，还引导我思考了一些专业问题。

 

• 当今医疗领域如何处理我们将要研究的问题？

 

• 在当今机器学习如此流行的情况之下，其在医疗领域的应用为什么仍有研究之处？

 

教授这些由浅入深的问题，很好地引导了我开始自主学习以及进行深度思考。

 

学习中遇到的困难及解决方式

 

• 项目刚开始时，对电脑的编程环境进行配置就十分让我头疼，在网上查询了大量的相关文章并取得了老师们的帮助后才得以解决。

 

• 在项目进行当中，除了会遇到模型实现过程中的代码问题，还会有着例如数据集不均衡问题该如何处理这种操作上的问题，此时我会询问教授和老师的经验和建议。

 

• 在对模型进行迁移学习的时候，需要获得这些模型通常情况下最优的参数设置，此时老师们则会引导我到Github中，学习其他作者的所分享的经验。

 

• 在最后的论文撰写过程中，也需要考虑论文的格式和排版是否合理、展示的图片是否美观、中英文转换是否恰当。此时则应该学习伟大学者们一丝不苟的态度，脚踏实地，一步一步地将自己在整个科研项目中的成果进行展现。

 

指南者教学的特别之处

 

指南者背景提升项目开始之初，教授就和我说了这个项目的明显特点——需要学生进行大量的自主学习，这和以往学校中的传统教学方式有很大区别。

 

不同于以往靠着老师在课堂上将知识点灌输给我，这次项目培养了我自主进行学习的习惯，同时老师们也会引导我进行深度思考。

 

经过整个项目的学习，我惊喜地感受到了我自主学习能力的提高，同时也体会到了科研过程的艰辛与喜悦。

 

论文录用成果展示

 

其中最让我惊喜的是哥大郭教授给我的帮。从一开始选题的确定，到查论文、处理数据、分析数据，和最后的论文撰写，他都给了我很多参考性的意见。

 

确定选题方面

 

郭教授在后续抛出论文选题的时候，首先会引导学生去了解这个题目所基于的domain，以及我们所要解决的问题是如何结合domain的知识进行研究。

 

例如在医学领域中：传统医学是如何解决这个问题的？为什么我们将要研究的方法能够应用到这个问题的解决中？我们准备研究的方法与传统医学方法有哪些不同或是优势？导师会让学生进行独立思考，循序渐进推进后续的研究。

 

处理数据和分析数据方面

 

当研究进展中遇到模型效果不好想要对模型进行优化时，往往需要关注模型所基于的数据集。在此次项目的处理数据方面，郭教授教了我多种方法来处理数据不均衡问题，并且指导我如何将这些方法进行编程实现。

 

此外，在数据增强过程中，郭教授也鼓励我上网学习了有关数据增强的多种方法，让我受益良多。

 

论文撰写方面

 

郭教授首先让我对论文的结构进行简单的编排，让我了解到了论文中的每个部分该写哪些东西比较好，然后还找了几篇优秀论文让我学习其结构和布局。

 

在撰写论文时，论文的美观性也十分重要。郭教授会指出我做的图片的不足之处，例如所使用的线条和颜色，图片的大小和图片中内容的布局等等，甚至对编程中得到的图片进行方法分析，最终让我的论文美观了不少。

 

 

哥大郭教授对Z同学的评价

 

项目中工具的使用

 

九层之台，起于累土。在对数据进行初步了解之后，教授和老师首先让我对机器学习在图像识别领域的发展状况进行探索，不仅提出了几个在该领域最为经典的模型，例如ResNet，VGG，AlexNet，ZFNet，DenseNet等神经网络模型，还让我去自主学习每个模型背后的原理、结构以及各自的优势劣势等等。

 

先从简单的模型开始，每周学习其中的几个模型并作为作业在第二周的研讨课上向教授进行汇报。此时，教授就会为我对每个模型进行深入浅出的讲解，把每个模型的关键之处进行剖析，让我对每个模型有更加深刻的理解。

 

 

部分学习过程及结果展示

 

在对这些神经网络模型进行理论学习的同时，教授和老师同样没有让我的编程实践落下。

 

由于这是我第一次使用Python进行如此大规模的应用，所以在对项目进行编程实践的过程中有着很多不熟练之处，而这时老师们总是能够及时且细心地提供帮助，引导我找出代码中的错误之处并进行修正。

 

指南者老师指导学习过程

 

在进行完几周的学习和实践之后，项目中使用到的这些经典模型的代码已经能够顺利运行，此时对经典模型的学习则告一段落。

 

在后面的时间中，教授则向我介绍了图片识别领域中更为先进的模型，例如Transformer类模型，我们选取了其中的Swin-transformer进行了深入的学习，并同样进行了代码的实践，而且可以明显看出该模型的性能比之前学习中的经典模型要好上不少，这也进一步说明了机器学习领域发展之迅速的特点。

 

部分代码过程展示

 

 

三、项目的整体感受

 

 

指南者的背景提升项目很大程度上达到超过了我的预期。在这个科研项目中，第一个实质性收获就是学到了一门编程语言，这让我在不管是在项目进行过程中还是在项目之外的SRTP中，抑或是在将来的科研工作中，我都能够熟练地使用Python去高效完成。

 

由于我是统计学专业的学生，对机器学习虽然很感兴趣，但专业知识却涉猎不多，所以在项目中最大的收获，我认为是在项目学习过程中所学习到的专业知识。

 

当今的很多教学中过于重视理论学习而忽视了将所学知识去应用实践，很多同学都曾调侃专业数学知识在生活中没有用武之处，上街买菜也只需要简单的加减乘除，让人不禁感叹应用场景实在太少。但是，在这个项目中，我深刻地感受到了理论技术的实用与高效，这个发现让我更加有信心在将来的学习道路中不断求索，也许能够在将来的某天为我国科技事业贡献出自己的一份力量。

 

 

无论是通过项目所掌握的编程技能还是所学到的专业知识，都将是简历或文书中的加分项与闪光点。这段经历不仅能够展现我对将来想要进行深入发展方向具有的专业知识与技能，并且还能够通过这个项目的内容表达我今后想要发展的方向。

 

这段项目学习的经历对我而言，是宝贵且不可多得的。