怎样和未来导师“套磁”?

2024-01-02 07:20
文章标签 未来 怎样 导师 套磁

本文主要是介绍怎样和未来导师“套磁”?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我不知道其他学校研究生考试和录取是什么方式,但是在清华生物医学这边,越来越倾向于废弃笔试,而通过教授集体面试来录取学生,也就是类似于“直博推免”这种方式。而录取进来以后,越来越多的program是通过rotation(轮转)来双向选择。这样做的目的也是希望还比较懵懂的学生通过一段时间的考查和慎重思考,选中心仪的实验室;当然也是给了导师们一个机会来考查学生。毕竟一旦选定实验室,就要把未来的4-5年的大好青春投入到这一个实验室,甚至决定这一辈子的方向。所以我们真的希望同学们有一个机会去做选择,通过在3-4个实验室的rotation就导师的研究方向、实验室的氛围和习惯、导师的指导习惯等等体验之后,做出自己比较理性的选择。
在这种情况下,去选择什么样的导师、怎么样去联系导师,可能还是有一些细节需要提醒大家的。至于选择什么样的导师,这是仁者见仁智者见智的事情,别人不需置喙。但是怎么联系导师,从我个人经验来看,明显有一些同学很不慎重。下面就我个人的感受写几条,强调一下:只是我个人的感受,未必对所有导师适用。
1. E-mail联系:
我平均每天可能收到100封以上的E-mail,抛去一大半的垃圾邮件,也是有几十封正儿八经的邮件需要读、需要处理的。我想其他教授们应该差不多境遇相似吧?如何能在这成堆的邮件中让你自己脱颖而出? 请千万别用qq号的E-mail。一堆数字@qq.com,又没有个名字显示,这种邮件我通常是直接删掉的。请好好设置你的邮箱,让人能在“发件人”一目了然看清楚你的名字,那些什么“难得糊涂”之类的“发件人”,我笑一下,也就直接删了。在“标题”最好要能够言简意赅地说出你的意图。而在邮件内容上,也是越简单越好,几句话说明你的意图,并且把自己的CV最好用附件形式放上。有些同学喜欢附上照片,也挺好,因为一下子就具象了。但是如果附照片,千万别把附件做得太大,1M以内最好,否则有碍交流。
在选择发信对象时,现在学生们都知道不能群发了,但是当你给某一位导师写信时,麻烦花两秒钟看清楚人家的名字是啥。反正凡是叫我严老师的(竟然不止一次有这样的 ),立即删掉。连个名字都写不对,足见学生的马虎,显然不适合本实验室。
总之,现在的交流第一步确实是E-mail居多。还是请大家稍微花点心思,把第一封邮件做得professional一些,更容易引起重视。但是,也不要期待你一定会收到回复。如果你担心对方没有收到邮件,不妨设置一个“已读回执”的邀请;如果你非常看重这位导师又没有回复,不妨隔一段时间再发一遍。但是如果两次人家都不回复,那么除非有机会当面接触,否则可能再多的邮件也不会有用了。
2. 当面交流:
如果想到某位导师的办公室拜访,最好还是事先预约一下以避免唐突或扑空;除了拜访之外,其实在学术会议、招生的时候还是有很多机会可以当面交流的,把握好这些机会,会大大加分。比如我们今年暑期学校与学生交流的时候,有一位同学拿着我最近发表的几篇论文来问我问题,每一个问题都很到位,于是我恨不得跟在他后面请他立马来我实验室。而有些同学明明说自己对谁谁的研究感兴趣,你再深问两句,就说不出个所以然,这是很减分的表现。对于本科生,即便知识不够丰富也是无伤大雅的,最怕的其实是自以为是,不知以为知,不懂装懂。
3. 找谁推荐?
同学们可能都忽略了一条很重要的“套磁”途径:找人推荐。那么找谁呢?老师的推荐信自然是一个方面,这个以后会专门写,此外我个人觉得找本校的师兄师姐了解推荐是个不错的途径。我现在喜欢的本科学校并不是取决于什么985、211这些名头,基本是根据实验室现有研究生的表现,于是我就特别喜欢中科大、山东大学、华中科技大学等等十来所学校,特别是对于中科大的本科生基本上是来者不拒。说白了就是“前人种树,后人乘凉”,因为来自这些学校的不止一个学生做得好,于是对这些学校的培养质量整体就比较有信心了。如果我实验室的某个学生向我推荐其学校的师弟师妹,我肯定是会格外认真考虑的。
先写到这儿。
祝大家申请顺利 

from: http://blog.sciencenet.cn/blog-65865-613311.html

这篇关于怎样和未来导师“套磁”?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/561710

相关文章

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

国产游戏行业的崛起与挑战:技术创新引领未来

国产游戏行业的崛起与挑战:技术创新引领未来 近年来,国产游戏行业蓬勃发展,技术水平不断提升,许多优秀作品在国际市场上崭露头角。从画面渲染到物理引擎,从AI技术到服务器架构,国产游戏已实现质的飞跃。然而,面对全球游戏市场的激烈竞争,国产游戏技术仍然面临诸多挑战。本文将探讨这些挑战,并展望未来的机遇,深入分析IT技术的创新将如何推动行业发展。 国产游戏技术现状 国产游戏在画面渲染、物理引擎、AI

未来工作趋势:零工小程序在共享经济中的作用

经济在不断发展的同时,科技也在飞速发展。零工经济作为一种新兴的工作模式,正在全球范围内迅速崛起。特别是在中国,随着数字经济的蓬勃发展和共享经济模式的深入推广,零工小程序在促进就业、提升资源利用效率方面显示出了巨大的潜力和价值。 一、零工经济的定义及现状 零工经济是指通过临时性、自由职业或项目制的工作形式,利用互联网平台快速匹配供需双方的新型经济模式。这种模式打破了传统全职工作的界限,为劳动

AI模型的未来之路:全能与专精的博弈与共生

人工智能(AI)领域正迅速发展,伴随着技术的不断进步,AI模型的应用范围也在不断扩展。当前,AI模型的设计和使用面临两个主要趋势:全能型模型和专精型模型。这两者之间的博弈与共生将塑造未来的AI技术格局。本文将从以下七个方面探讨AI模型的未来之路,并提供实用的代码示例,以助于研究人员和从业者更好地理解和应用这些技术。 一、AI模型的全面评估与比较 1.1 全能型模型 全能型AI模型旨在在多

LabVIEW程序员是怎样成长为大佬

成为一名LabVIEW编程领域的“大佬”需要时间、实践、学习和解决复杂问题的经验。尽管LabVIEW作为一种图形化编程语言在初期可能相对容易上手,但要真正成为精通者,需要在多个层面上深入理解。以下是LabVIEW程序员如何逐步成长为“大佬”的路径: 1. 打好基础 LabVIEW的大佬们通常在初期会打下非常坚实的基础,理解LabVIEW编程的核心概念,包括: 数据流编程模型:Lab

十四、我们应当怎样做需求分析:子用例与扩展用例

用例模型作为UML中4+1视图中非常重要的一员,非常集中地体现了面向对象的分析与设计思想。用例模型将现实世界中连续的一个一个业务流程,按照场景划分到了一个一个的用例中。由于场景的出现,使得用例中的业务流程存在着高度的内聚性,从而成为了日后各种对象的雏形。同时,在用例分析中,又将那些存在于各个用例中的,相同或相近的业务操作提取出来,形成一个一个的子用例或扩展用例,又体现了面向对象设计中的复用性。现在

十三、我们应当怎样做需求分析:查询报表分析

在我以往的用例分析中,使用这样格式的用例模式,对于大多数业务操作流程来说是得心应手的,但对于有些功能来说总感觉不对劲。感觉不对劲的,就是那些查询、汇总与报表功能。对于这部分功能,需要我们描述的不是什么操作流程,而更重要的是那些数据项、数据来源、报表格式、数据链接,以及使用者、使用频率的说明。而这些,在以往的用例说明格式中统统都没有,怎么办呢?俗话说“东西是死的人是活的”,把我们的用例格式改改吧。

九、我们应当怎样做需求分析:功能角色分析与用例图

在我们进行一系列需求调研工作的同时,我们的需求分析工作也开始启动了。需求调研与需求分析工作应当是相辅相伴共同进行的。每次参加完需求调研回到公司,我们就应当对需求调研的成果进行一次需求分析。当下一次开始进行需求调研时,我们应当首先将上次需求分析的结果与客户进行确认,同时对需求分析中提出的疑问交给客户予以解答。这就是一个需求捕获->需求整理->需求验证->再需求捕获的过程。  但是,当我们经

八、我们应当怎样做需求调研:需求捕获(下)

前面我们讨论了,需求分析工作是一个迭代的过程:需求捕获->需求整理->需求验证->再需求捕获······需求捕获是这个迭代过程的开始,也是整个需求分析工作中最重要的部分。没有捕获哪来后面的整理与验证工作?但是,非常遗憾,按照我以往的经验,需求捕获是我们最薄弱的环节。前面我提到的许许多多项目开发的问题都可以归结为需求分析的问题,而许许多多需求分析的问题又都可以归结为需求捕获不完整的问题。需求捕获是整

七、我们应当怎样做需求调研:需求捕获(上)

前面我们讨论了,需求分析工作是一个迭代的过程:需求捕获->需求整理->需求验证->再需求捕获······需求捕获是这个迭代过程的开始,也是整个需求分析工作中最重要的部分。没有捕获哪来后面的整理与验证工作?但是,非常遗憾,按照我以往的经验,需求捕获是我们最薄弱的环节。前面我提到的许许多多项目开发的问题都可以归结为需求分析的问题,而许许多多需求分析的问题又都可以归结为需求捕获不完整的问题。需求捕获是整