申请日志，记录飞跃全程

虽然是13年的，但是选校/导师 确实是一件让人纠结的事情。从现在开始研究这个问题，还能多给自己一些时间增加实力，提高申请到理想学校的几率。
也许有人会觉得是杞人忧天，但是，这个就是个人日志，重要的是给自己一个记录，而不是给别人参考。
至于各位读了以后，有无收获，在我写作之时，并未做考量。这算是免责声明了。
当然，谬误之处，也欢迎大家拍砖。

先介绍一下本人的背景。
1. 国内211+985院校本科。本科GPA不到3.0，平均分79，核心科目GPA刚够3.0，均分 80.5。年级排名很低，就不说了，申请的时候我应该不会写的，惭愧。据说本科GPA是top30的一个基本硬件，
   过了也许不说明什么，不够用，那其他的就忽略了。读本科的日子自己很勤奋，看了N多的杂书，但是从来没在乎过GPA，也没想到这么低。另一个因素就是，真的厌倦了那种为GPA奋斗的日子，记得
   有一个学期哥的GPA在3.5左右，系里top20，但是我觉得那种为GPA活着的日子很难受。真正的原因也许在于，我根本就没有入CS的门，没有觉得学习多有趣。反正就这样了，后悔无用。

2. top5高校小硕在读，GPA 不知道，均分85-90之间，没细算过。（不过这个应该没什么用了，貌似大家都这么说），排名很靠前，5%-10%之间。这完全是副产品，我对这个确实没什么兴趣。也觉
    得这个价值很小。研究生主要看paper，三年的大好青春花在一个细小的方向上，如果不能出个成果，那还做什么Research？找工作得了。至于，国内的本科申请美国的phd/MS主要看GPA，个人觉得
    是因为我们的大学本科教育太烂，绝大多数申请者实在没有区分的依据，所以只好拼GPA和Ranking了。但愿这只是我的主观臆断。

3. G T没考，英文水平一般。估计G T考了也都刚过学校的线，无任何优势可言。据说G T够用就行了，但愿如此。如果哪个学校因为我G T高录取我，那我就要首先把这个
    学校从我的申请名单中删除。因为看中我的英语能力，估计就是想给我TA，哥对这个没兴趣。现在的英语水平，即便不考 G T，做research也是够用了。既然我只想做
    research，那就不用考虑这个了。

4. 目前无论文，在憋。原则是，做了有价值的工程或者理论贡献，再发论文。没有就算了。如果说本科生看GPA，那么研究生自然看Paper，可惜暂时还没有论文。研一主要为各种讲座和课程忙活了，我
    太喜欢拓展视野了，从高中带上来的对各门类知识的热情经历大学四年的发挥，至今依旧，算是秉性难移了。现在找到了一些Research的方向，希望今年能发两篇有点价值的论文。

5. 推荐信。老板水平在国内一流，但是推荐信有多少价值很难说。没有国外的老板的推荐信，至少现在是没指望。所以，靠推荐信进top30的高校的几率，现在看来是O

6. 有一定的工程经验，主要是应用软件开发。有多少价值很难讲，我觉得top30的大学应该不在乎这个，学生的创新能力和潜力更重要，至于他们怎么评，我就不清楚了。
    对排名靠后的学校，工程经验也许有点用，至少比没有要好。能好多少，是不是可以成为决定因素很难讲。

综上所述，4/5/6这三个有决定意义的因素，我都没有一个确定下来的优势。而1这样的过滤条件的存在，也让我申请top30高校的成功希望很低。
所以，我的定位如下：
1. top100的大学，对口方向的就去。我的第一目标是出去看看，看看国外强在什么地方，咱们到底有多差劲。所以，能出去就很好了。
2. 理想的学校当然是top50的。
3. 最好的结果是能去top30的。
4. top10的学校确定去不了。虽然如此，也要看看，人家有多好。所以，在筛选的时候并没有歧视top10的学校。


选校和导师的依据
1. 我喜欢自己现在的方向，而且确定phd还要在这个方向。方向选择的问题对我来讲已经不存在了。但是我想补充一点，算是勉励和鞭策自己，一个正常的researcher，phd毕业后，每4年左右就应该有一个
   研究成果达到自己phd dissertation的水平。所以，只要做research，phd的方向就不是那么重要了。看看国外的教授，好多都是研究多个方向的，我认为这是正常的事情。而对比国内，则研究领域太细。
   解释是，研究者偷懒或者水平低，反正没有哪个是好事。

2. 不管这个学校的综合排名怎样，首先看老板和以及研究团队的实力。对于我个人而言，目标学校的compiler和architecture方向应该比较强，最好是有各自独立的研究小组。第一轮，
    我会把那些没有独立小组的学校过滤掉，也会把那些过于偏硬件的（做芯片设计的，需要电路知识的）学校（比如UT austin）过滤掉。
    除了过滤，我还会对那些入选的学校进行排名，主要的依据就是project/paper/people/funding，简称3P1F准则。简言之，project对我有吸引力，不管以前做的还是现在做的；paper要发在牛的conference
    和journal上，是会议的committee member/chair等更好；people要多点，boss要有一定的philosophical insight以及 good humanity，前者很重要，后者有就更好了。光会做project的researcher是无聊
. .и    透顶的，也肯定不是一流的researcher，这都是个人臆断，不解释；至于funding，当然是资助的机构越大越好，钱越多越好，看不见就算了，目前我还没有考虑这个因素，哪位如果知道如何查看funding数额，
    告知我，在下感激不尽。

学校研究的策略
现在我的手段还比较低级，就是去翻各学校的CS的主页，大致看看上面论及的因素表现如何。欢迎大家提意见。


学校的分析结果：这个分析是完全个人化的，而且是CS的细分方向的，参考的时候请慎重！！！

1. USC 南加州大学 http://www.cs.usc.edu/research/labs.html， 应用方向齐全，没有compiler方向，最显著的是brain science在 computer science中
2. Duke 大学，没有compiler team， 不予考虑。
3. UCB，有patterson坐镇，architecture&compiler&os全部包干，实力相当雄厚，http://parlab.eecs.berkeley.edu/research/all，dream school，估计只能是dream中上了。
4. Penn: University of Pennsylvania， 没有architecture & compiler，细分方向也少，科研实力一般。没兴趣
5. CMU 学校太小，和编译相关的研究又偏于硬件。自然没有stanford和berkley/UIUC有吸引力。这些学校纯属看着玩
6. Columbia U，http://landc.cs.columbia.edu/， 有专门的编译团队，龙书的作者之一，architecture的实力也很强。

其他的学校待续....
今天先写到这。

7. Rutgers， 这个学校没有Architecture相关的Lab和team。但是，Ulrich Kremer是ken kennedy的学生，研究的方向也比较广，但是基本是在纯编译的方向上。实力一般，算是top50里面比较弱的了。如果运气实在不济，最后能去也行。

http://www.cs.rutgers.edu/%7Euli/eel/，  (EEL) Laboratory
http://www.cs.rutgers.edu/%7Euli/， Ulrich Kremer

你选校和选导师的思路是正确的，只有一点问题：这样的导师基本集中在top30甚至更高档次的学校

我也是希望能在phd期间认真做好研究。以前是wireless communication的，不管是现在形势，还是个人兴趣，都不太想继续了，想转入cs。上周开始看某个新兴小方向的paper，觉得非常有意思。但是看paper期间，忽然发现，这个小方向目前只有最顶尖的十来所学校有人在做....

为了激励自己，我也要写申请日志了。

回复 4# heiyuezhihui

呵呵，后面我会逐渐把top100的高校都梳理一遍，上面那个只是开头呢

8. UCD(University of California Davis): USNEWS 39，方向很全，可惜没法看见Architecture Lab的信息，不知道是没建立还是属于机密，看到的Compiler相关的一个Lab是Programming Languages and
Software Engineering Laboratory，6个faculty，做的research主要是基于program analysis的工作，属于compiler相关的方向中偏软的，虽然也有个JR（并行Java）项目。但是，这并不能引起我多大的兴趣
，因为我已经决定向硬件倾斜。软件方向做形式化分析需要很好的数学功底，偏于software engineering的东西，做起来无关痛痒。反正，我不乐意。以后可以看看Arch Lab到底干什么的。

9. mit：顶尖的学校很类似，从Arch做起，Os/simulator/compiler都是自己做，Rice U/CMU也都是这么做的。这说明他们的system design & implementation能力非常强，从而也就不会受限于哪一个环节，如果只
做hardware或者system software就会受限于另一方，所以，他们所有的东西都自己做，而且人很少，这样效率很高。当然，能这样做的学校寥寥无几，在我看来，这也正是牛校牛人比别人牛的真正原因：理论
设计和实践验证紧密结合于一个小组内。大家都知道many core/multicore是热点，但是有能力做这方面研究的学校其实很少，经费是一方面，有能力的研究者也是一个限制因素，这二者都是不可多得的。
Parellel computing方向里面也有做compiler的，Rice U的compiler team好像也是在Parellel computing的下面。MIt的Arch lab（http://groups.csail.mit.edu/cag/）只能是我仰望的另一座高峰！
PS: 1. 久闻MIT的艺术教育大名，科学家和工程师不仅要有清晰严谨的逻辑思维能力，还需要有艺术的优雅气质以及创造力，缺少任何之一就不能成为顶尖的科学家。我认为，人文修养和艺术气质才是最重要的，否
则科学家就成了科学狂人，不仅自己的生活邋遢一团糟，而且缺乏社会公众意识，而且Research应该是让Researcher兴奋的一件事情，开心的事情，而不仅仅是做project糊口的事情，这远非公式和逻辑命题能
解决的，行政命令和生存压力同样不够，那种对truth&beauty的追求只能是内生的，而内生的气质则需要人文/艺术教育赋予人性/灵魂一对飞翔的翅膀。所以，我想，有朝一日，我一定要去那儿看看。
      2. MIT研究Brain和Cognitive Science很早，而且有专门的Lab，这样的前沿研究也不是一般学校可以有的。计算机和人类的头脑差异如此之大，因此，独立的研究是必然的。

10. Stanford：Monica Lam(http://suif.stanford.edu/~lam/)是龙书的作者之一，也是编译领域的大腕级的人物，她的研究兴趣主要在编译以及偏软的program analysis，即通过静态和动态程序分析以提高程序的
健壮性，寻找各种bug(static and dynamic program analysis: http://suif.stanford.edu/research/analysis.html#arch)，投机线程(speculative thread)，以及social computing，也基本上是时间的顺序，
也就是逐渐从编译转向了应用层的研究，也许她觉得编译已经没什么好研究的了；另一个牛人是Aiken(http://theory.stanford.edu/~aiken/)，现在在做并行C++的编译环境，也研究program analysis；至于Arch(http://arith.stanford.edu/)方面，就更牛了，John Hennessy(现任校长)，Flynn都是Arch界响当当的人物。令我不解的是，他们的compiler组和arch组的独立性很强，这也使得他们的工作看上去并没有mit/
CMU/UCB那么具有新颖性和综合性。而且，这样的划分，对我来讲很明显也是不适合的，因为我站在compiler组望着arch或者system software(simulator/Virtual machine/OS, etc)，也就不希望arch和compiler
分的如此之细；另外，这两个组很少招中国学生，据我所知只有Aiken带过一两个(UCD的Zhengdong Su，如今也沿着Aiken的思路做研究)，这样子彼此就不合适了。总之，stanford是实力强劲的学校，我没指望能进去，
也不想进。
PS：
1. Aiken全家的一年的旅行(http://infolab.stanford.edu/~widom/yearoff.html)让我感到很震撼，谢谢Aiken和Widom(his wife, also a famous CS professor in Stanford)
2. 今天花了半天的时间才看完Stanford的相关资料，而且还只是粗略地看，很多可能的研究思路或者工程启发都没有细致的展开。这件事情是很耗费精力的，而他本身只是真正的研究的一个小步骤。我可以通过开会/
看论文/直接和别人交流/看学科发展史等方式获得idea和灵感，但是这些都是外因，不仅扪心自问，如果没有别人的研究做激发/形成压力/趋势，我如何开展研究呢？工程是一个动力，要解决实际的问题，就必须做
一定的思考和研究，这可以成为一个来源，另一方面，逻辑的演绎以及艺术创作式的灵感/追求/激情，也是不可缺少的。终究，做一个出色的研究者，必须首先是独立的，否则，交流就成了追随别人的开始，而一旦
研究者只会追随/追踪别人的研究成果，然后做少量的修正，他就不可避免地沦为follower。也许，90%的人都是follower，或者所有的人90%的情况下都是follow别人的思想，但是总是有10%的人在10%的时间里
做出了Innovative/revolutionary的研究成果，一个人一辈子，也许90%的工作都是follow别人，只有10%的工作是开创性的，但是，也只有那些具有独立研究能力的人才能有10%的开创性成果。又或者，10%的
人总是在做开创新的题目，虽然90%的情况下，他们失败了，但是，他们从来就不是follower，成功果然很好，失败也在证明某些事情是不可行的。对比起来，我相信这两种情况都是存在的；而一个共同的前提就是
研究的独立性。
3. 那么，我究竟在追求什么呢？我不屑于software engineering是因为国内的这个方向过于强调programming skills & management/process，而这些东西没有工程经验做基础，可以说基本上属于无稽之谈，而
国外的software engineering  更强调tools，没有好的工具，好的process是不可能存在的；另一方面，虽然工程和研究   都讲究team work，但是，我却希望有一个全盘的视角，这就是我的秉性之一，对于不确
定的东西或者我无知的东西，我既有一种不安，也有一种好奇，这也是为什么我从应用走向系统，从软件走向硬件的一个基本动力，还有另一个动力就是一贯的：我喜欢全面地把握一个事物。这两方面都是我的性格
使然，即便我作为一个researcher很糟糕，我还是希望做一个全面的researcher，或者至少一个多面的researcher，而不是限于某个细分领域的researcher。对我来说，compiler optimization只是开始，偏硬是
必然的。

11. UMD: 看了一下方向，没有Arch，没有compiler，只有program analysis(debuging & concurrent threading， http://www.cs.umd.edu/areas/pl.shtml)，不喜欢，不想申。而且它还牛气的很，本科GPA要B+, GRE 要580+780，凉快去吧。

12. UW(University of Washington): UW有专门的Arch team 和 Compiler team. 两组合作密切；其中，compiler team有两个faculty，都不错，Michael Ernst研究兴趣广泛，是把compiler和program
analysis紧密结合在一起的典范，和stanford的 Monica Lam相似，但是比后者更具综合性，也更具魅力，能感受到他是一个非常棒的mentor，也是我的role model，做一个综合的研究者和立体的mentor，而不
是偏狭和线性化/平面化的mentor，另一位Dan Grossman则更接近我的研究方向，他同时也是arch组的faculty，这正是我的理想研究大方向，他也正是我找的最好的导师模板，当然如果能有Michael Ernst以
及rice U的Tim Harvey那样的魅力就更棒了，巧的是Dan Grossman也来自rice U，又是牛人辈出的rice U！另外，Susan Eggers是arch组的老大，1965年本科毕业，1989年在UCB拿到PHD学位，这说明追求梦想是
没有年龄限制的，follow my heart，何必计较早那么几年，在人生的道路上只有自己和自己的dream，认识自己超越自己就是全部。她主要是研究arch的，但是兼有compiler的后端优化，这非常吸引我，但是，
我的硬件背景太弱，直接申这样的方向，难度要比申Dan Grossman的方向大，但是，没关系，我也许可以读两个phd啊（应该找孙老师谈谈），在哪里不是生活呢？UW的arch研究虽然没有CMU/MIT/UCB那么具有新
颖性，但也是实力强劲，也是在研究最前沿的问题，做的也是一流的研究，这简直牛校的共性了。他们只做最前沿的问题研究，出一流的成果，不做别人做过的，不做一定能做出来的东西，不做一眼能看到底的
东西...，总之，牛校牛人牛问题是一直在一起的，当然还有牛学生，偶只能羡慕了。另外，UW的研究氛围非常好，整个组对学生很热情，不厌烦任何学生的问题，这是我现在不敢奢望的；即便和国外的其他学
校比，他们也是一流的，甚至是顶级的，所以，我觉得UW的CS以后会发展越来越牛。
PS：
1. Michael Ernst（http://www.cs.washington.edu/homes/mernst/）说他的研究是经验主义的，因为他的研究成果最终不仅仅是paper，更重要的是software tools，这和我们之前的结论类似，一个方法是不是
   科学成果，可以从两方面得到证明，即逻辑上的和经验上的，进一步说，逻辑上的就是说可以进行定理证明的，而经验上的往往是指实际的效果，而实际的效果在CS领域则只能靠project的成果来展现，对于
   hardware arch，run on silicon是唯一的标准，simulation/emulation是非常不够的，FPGA也是不充分的，对于software相关的algorithm/process/design/optimization等等，则只能通过runnable prototype
   来说明，而最终这个成果是否有效还要industry来检验，所谓的test-on-time，时间是检验真理的标准之一，路遥知马力啊！所以，Michael Ernst的研究哲学其实是科学研究的两大范式的结合典范，理性主义和经验
   主义都是不可或缺的。当然，对于scientific research，直觉主义在创新上也是极为重要的一端，这也正是艺术教育/人文教育对于科学研究有着重要意义的哲学论据之一。

2. 我的理论基础和硬件背景都比较弱，所以只好在结合点找个方向。偏于硬件的细节，不是我的初衷，所以，对于硬件，停留在电路常识和逻辑设计的层次上对我是合适的，对于软件，则没有别的办法，只能老老实实的
   去学习数学和逻辑。我需要忘记所有以前学过的数学技巧，才能重新习得数学思维。对我来讲，只是一点时间，对更多的人来讲，则是悲剧。我知道自己在这两方面都有着天花板，作为笨人，只能更加努力了。

3. 看这些professor的主页就是一个学习的过程，我很喜欢。其实，如果本科的时候就知道做这些事情，英语也就不会成了硬着头皮学习的东西了。对我个人而言，英语教育是失败的，数学教育同样如此，因为此前的
    教育是工具化的，而不是真的以应用工具为目的。抱怨无用，看清问题，才能避免以后凡类似错误。