一亩三分地

 找回密码 注册账号

扫描二维码登录本站

BBS
指尖新闻
Offer多多
Salarytics
Learn
Who's Hiring?
疫情动态
Instant
客户端
微信公众号
扫码关注公众号
留学申请公众号
扫码关注留学申请公众号
Youtube频道
留学博客
关于我们
查看: 3118|回复: 26
收起左侧

CS海外非美国教职申请

    [复制链接] |试试Instant~
我的人缘0

分享帖子到朋友圈
本楼: 👍   100% (19)
 
 
0% (0)   👎
全局: 👍   98% (55)
 
 
1% (1)    👎

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看,没有帐号?注册账号

x
本帖最后由 大队管理员 于 2020-5-27 12:37 编辑

这篇文章是我在知乎上发的文章,我加了一段关于美国的内容,希望对大家有所帮助

在不出意外的情况下,我将于2021年1月入职KAUST,我会招1名postdoc,3-4名PhD,多个research intern,visiting students和master students,敬请期待

随着我决定未来6年的归属,我今年奇葩的教职申请也结束了, 我也决定将我的这一年所见所闻的教职申请经历写下来。原因有二;第一,不同于twiiter和知乎上的各类名校出身的大神,我想我的背景和综合素质更接近于广大的cs phd,所以我觉得我有必要写下我的经验帮助后辈们。第二,相比较知乎大部分讨论国内和美国的教职,我今年只找了非美国和大陆的教职,我也想通过这篇文章来说一下美国和其他地方的区别,从而让更多想找教职的同学可以多方面了解一下。这里我只讨论教职,关于博士后,我没有拿到一家的offer(可能是我只申请了美国top10的原故吧)。以下所有的观点都是我一家之言,肯定不完全准确,甚至可能我有些理解的不对,而且也不一定能generalize到其他国家甚至同一国家的其他学校。所以,欢迎其他人纠正和补充

首先我需要说明以下几点:

1。关于为什么我没找美国的教职:其实我一开始是只focus on美国和加拿大(我估计这和大多数北美phd想法一样)。但是去年11月份我去alberta面试,从加拿大回美国的时候海关拒绝我入境,我需要回国renew签证。然而这一check就check到了今天(我现在依然没拿到签证),再加上疫情的影响,我在二月份就withdraw了几乎所有美国的申请。 所以我就只能在非美国的学校找教职了。

2。 我的background:名校这两个字向来跟我没有半点关系,我phd是在美国排名60左右的学校读的,我的学校在ML方面几乎没什么名气,我的老板也不是大牛,甚至他不是做machine learning,security和privacy相关的,之前也没有跟我的topic相关的paper。我们组也是各干各的,没有人和我的area有重叠, 这也就造成了我前期大多数文章只有我和我老板两个人。我的方向和他的方向没有半点关系。所以,我的network几乎为0,也没有大牛的推荐信。我觉得这是好事(比如非常的独立),但也造成了我的天花板(后面会说)。

3。 我的area:我的方向是machine learning, 准确的说是trustworthy machine learning,更确切地说我博士期间大部分work都是differentially private machine learning。哦对,我的background是数学,而且我coding能力几乎为零,我没有任何的deep learning经验,对于deep learning我只知道cnn,lstm和什么dnn我现在都不知道具体是什么。这些也导致了我只能找教职,而且这些也决定了我的limitation。我大部分工作是理论工作(这里理论paper是指>75%的bound+25%的实验,和tcs不太一样)。为什么要说我的area呢,因为我的onsite和offer的结果不适用于其他的方向,尤其是做applied machine learning (CV,NLP)的同学. 可能做纯learning theory跟我更贴近. 因为在我的这个领域,最好的conference应该是: (注意这是differentially private machine learning而不是differential privacy,专门differential privacy的话可能ICML之类的tier会更低)

Tier1: FOCS, STOC, SODA

Tier1.5: COLT,S&P,PODS

Tier2: ICML, NIPS, AISTATS, ALT, CCS

我的publication:2ICML,3NIPS,1ALT,4AAAI,3IJCAI,1 IEEE TIT(minor),1 JMLR(minor)还有很多CCF B的conference和journal。。

这也决定了我北美不可能能找到top50的学校。

4。我的优势劣势:

优势:文章不少,有过instructor的经历,帮老板写过proposal并且拿到过funding,两段访问经历,合作者不少,非常独立(大部分文章作者不超过4个,而且只有两篇文章非一作),方向比较热门,同方向竞争者少

劣势:没有大牛的推荐信,没有很强的network,出身不好,没有tier1和1.5的文章,没有工业界的research实习经历,没有指导过本科学生,没有博士后的经历,没有应用性很强的paper

以下的结果全是我拿到onsite的学校 ,世界上没有完美的地方,所以这里我只说优点不说缺点 (这里的优点都是相对于美国而言)

我先从加拿大开始说起

一。加拿大

由于我对加拿大情有独钟(我在加拿大生活过一年,所以比起美国我更喜欢加拿大),加拿大我申请了所有有phd项目的学校。

结果:Alberta(decline),McGill(Decline),McMaster(Offer),Dalhousie(还在等), Windsor(Withdraw)

优势:Funding 很容易拿到(Discovery grant of NSERC我听说接受率能到70%以上),培养学生的费用很便宜,tenure容易,各个学校都集中在大城市附近有利于交流

整体来说我觉得加拿大的好学校申请难度很大(比如top3,alberta,waterloo,sfu,victoria),其他的学校相比同等级别的美国学校也难很多很多。主要原因是相比较美国而言加拿大职位特别少(很多学校几年只有一个opening),而且招人的时候pr和加拿大公民优先。 我这里根据我拿到的onsite把加拿大分成两类

第一类:Alberta,McGill:这两个学校很像。1. 都有或者隶属于一个AI Institute, Alberta是Amii,McGill是Mila。 这点很重要很重要,因为加拿大只有三个AI institute,而且这三个institute可以自己提名CIFAR AI chair,可以从官网看到非这几个学校能拿到CIFAR AI Chair非常非常难。 CIFAR AI chair 我觉得更像国内的青千而不是美国的CAREER,他五年的funding可以招大概10个phd左右,有额外的工资补贴,而且还有自己的funding。而且CIFAR AI chair 可以在你拿到offer之前就知道自己能不能入选。2. 这两个学校目前为了发展cs,国际学生和本地学生费用一样,而且很便宜(比如alberta是一个学生一年1w刀,NSERC最小的funding一年也有三万多刀)! 3。工业界的机会非常多。所以我觉得这几个隶属于AI institute的学校非常值得去。

这两个学校面试流程跟美国几乎一样,不一样的是McGill第二天要去Mila面试,最后要跟Yoshua meeting(不知道Mila有没有决定权)。Alberta和McGill确实很难申请,因为他们每年要招的小方向几乎是确定的,比如McGill今年招三个,一个做trustworthy machine learning,一个做theoretical machine learning,一个做ML system。而且跟美国有很大区别的是,加拿大好像并不在意招本校phd毕业的学生,但是美国这种现象并不多见。我猜测加拿大network的weight应该比美国大得多。不过,我还是非常推荐这两个学校尽管他们没要我。

第二类:McMaster,Dalhousie:这两个学校非常不像美国。我觉得倒是更像澳洲。1. 培养学生的费用本地学生和国际学生不一样!比如McMaster,加拿大学生一年只要7k,但是国际学生是22k。所以有人说加拿大的phd不好申请,我想主要原因就在这里吧,这就是说一比discovery funding只能培养1个国际学生但是能培养3-4个本地学生。而且加拿大master也要你付钱,所以要直接招一个国际本科生需要付6年的钱(2年master+4年phd)。我想,这也是为什么加拿大除了几所很强的学校外其他学校很难在国际上崭露头角的原因吧。2.对teaching很重视,比美国要重视。 这点倒是像美国的teaching school,比如McMaster需要给学生上一节课(课程自己选),Windsor需要讲一节Java, 都是45分钟。 所以要是想找加拿大教职的同学,我建议你在phd期间有过正式的teaching经验,这很有帮助。3. 相比较美国的面试,这些学校面试有一个panel interview(就是一堆人围着你问问题,比较正式)

加拿大funding resource 大概就是NSERC,CIHR,魁北的有自己的省funding,CIFAR AI Institute也有自己的funding,还有各种各样的organization。。还有工业界的funding(加拿大对工业界的funding非常看重,安省我记得是1:2 match)。业界的funding有overhead,NSERC的没有

总而言之,我觉得加拿大特别特别适合物质欲望低,希望踏踏实实做自己喜欢的东西和带学生的人,而且加拿大pr也比美国容易得多。我想,这正因为这些优点所以deep learning这股热潮才会始发于加拿大吧

二。英国

结果:Edinburgh(withdraw), ICL(由于疫情职位取消), UCL(Decline), Birmingham(由于疫情职位取消), Warwick(offer), KCL(withdraw), Bristol(withdraw), Surrey(offer)

优势:在传统的体制里,所有的faculty职位是永久的(就是已经tenured),所以不用担心tenure的问题。虽然有几年的probation year,但是几乎没有不通过的

英国的学校申请比较乱,因为很多英国学校在变革。英国传统教授系统应该是Lecture,Senior Lecture,reader和professor (而且还分grade 6/7/8 一般lecture是对应grade 6或者7,grade级别好像对应了工资,不太确定), 但是现在不同学校开始不一样了。比如很多学校把senior lecture和reader合并成了associate professor, 还有就是很多学校比如像Warwick还是有5年的tenure了。 所以这里我说的经验可能不适用于其他英国学校。

英国的面试流程和美国非常不一样,而且不同学校之间也有很大的不同,我估计很多人可能没法一开始就适应他们的面试。1.不同于美国每个candidate会在学校一天或者两天,英国的学校面试都是candidate一起来面试,甚至一起吃饭 2. 相比较美国的需要跟一些faculty单独meeting,很多英国学校(比如今年UCL,Birmingham, ICL)的面试只有两个到三个的流程:research presentation,teaching resentation(很多学校没有)和panel interview。但是有些学校跟美国相似,比如Warwick 3. 大多数学校并没有phone interview,直接通知onsite 4.不同于美国,英国我感觉招faculty的速度很快,一般早job post会告诉你什么时候会开始面试,而且没有进入shortlist的话也会发据信 4. 美国的教职一般都是在11月-3月post,但是英国的没有固定时间,由于英国faculty流动非常频繁,opening会突然间出现 想找英国教职的同学可以持续关注 https://www.jobs.ac.uk/

下面说说这三个步骤,这三个步骤也根据学校有所差别。Research presentation,美国的talk大概会给1个小时,但是英国的有三种15min,20min和30min。所以要准备申请英国的同学要准备好多个不同的version。 一般Research presentation之后会紧接着teaching presentation, 一般是学校选题目(比如爱丁堡的是CNN,Surrey的Nearest Neighbor),时间也不一样有的是15min 有的是45min,所以如果有过教学经验的话招英国教职有很大优势。 等所有candidate做完Research presentation和teaching presentation之后,在第二天或者下午会开始panel interview。Panel interview有点类似于美国的phone interview 大概持续30-45min。因为英国时间面试时间并不长,所以几乎很难改变committee member 的prejudice。但是好处是,所有的面试都可以通过skype完成

英国的funding 主要是EPSRC,mrc 不知道英国脱欧之后哈能不能申请ERC和EC的funding,不过听说都挺难的

总体来说我觉得对物质欲望不高,并且想做自己喜欢的东西,尤其是做理论的同学,找英国教职是个很不错的选择。听说英国的气候环境也比加拿大和美国东北部要好,而且签证,pr难度也不大(一般学校都会sponsor tier2 签证的),英国这些方面觉得还是比美国要好的

关于英国的promotion要求和学生花费,我并不是很清楚,希望有了解的人补充

三。德国

结果:CISPA(offer)

优势:工资比其他欧洲学校高很多,比加拿大的工资都高(tenure-track的工资可以达到德国W2教授的工资),两个free的position(可以用来招postdoc或者phd student),CISPA的security和privacy跟强,加上旁边的MPI SWS和University of Sarrland,合作的机会非常非常多。德国的教育质量,福利,工作机会也是欧洲数一数二的吧,而且工作签证和pr也容易。Teaching load是我申请所有学校里面最轻的,没有之一。tenure压力比美国也小很多

德国科研体系和其他地方很不一样,第一种是大学,分为W1 W2 W3,具体情况我就不清楚了。第二种是老的MPI体系,就是一个leader和多个PI,PI听说是合同制,就是只有几年的合同, leader是永久的。第三种就是CISPA和新的MPI体系,tenure-track,但是他们的tenure-track只有tenure-track faculty和tenured faculty两个级别而非三个。很遗憾的是,我并没有拿到MPI的onsite,所以我不清楚和CISPA是否一样

CISPA我听说对funding的要求也没有那么严格,毕竟有两个free的名额。Funding resource 的话主要是DFG,EC和ERC非常难,DFG听说acceptance rate挺高的,毕竟德国还是很重视科研的嘛

CISPA的面试过程和美国一样,这里我就不多说了,不过他们没有phone interview 直接onsite

这里也算我给CISPA打个广告。CISPA是我面试欧洲学校里面我感觉最好的,包括他们本科生的质量,合作,funding,工资,物价,工作机会等等,经过这次面试,我对德国的学校和科研机构有很高的好感,我相信未来他一定能和MPI抗衡,而且他们的funding很足近些年都在扩招。希望做security和privacy相关的同学申请。而且CISPA离卢森堡很近,配偶如果是学金融类专业可以去卢森堡找工作



四。欧洲其他国家

结果:IST Austria (withdraw), Aalto (withdraw)

由于这两个学校onsite都太晚了我就都取消了onsite。不过我觉得这两个学校在欧洲都挺不错的,而且我觉得他们会继续招人,所以这里也算打个广告。顺便提一下,Aalto今年是183个人申请最后shortlist 10人,估计招2-3个。这两个学校面试和美国差不多。而且都是tenure-track

五:澳洲

结果:U Melbourne(offer),Sydney (decline), ANU(withdraw)

优势:Tenure条件很明确,压力比美国小很多,生源好,pr和签证容易

能拿到澳洲top3(以下简称澳洲)的onsite我觉得很诧异,而且melbourne也是我最后decline的学校。我对澳洲各个方面都挺满意的,但是我最后没有去的原因是我家里养着狗,然而带狗到澳洲非常困难。这也使我不得不放弃这个机会。

澳洲的教授系统和传统英国的差不多,但是他分为fix term track and continuing track。fix-term是三年固定职位,没有tenure,continuing track类似于tenure-track,但是还是不一样。首先continuing track是5年(记不清是5年还是4年了)而非6年,而且过了continuing track只代表你的职位变成permanent的,并不代表你会从lecture晋升到senior lecture。promotion和tenure是两个不同的过程,所以要求不同。但是这也是澳洲的优势,相比较美国tenure的要求,澳洲tenure的要求非常明确(包括发多少CORE A的文章,申请过多少funding,拿到多少钱之类的),只要能完成这些要求不用5年也可以tenure。所以,tenure的压力比美国小很多。

澳洲的teaching load也比美国轻,1+1就行。招学生的话,澳洲本地学生满足一定要求的话是免费 ,国际学生我记得melbourne是会排名,名次高的学生学校会给scolarship,所以你需要掏的钱很少很少,而且由于中介的宣传,生源质量也很好。Melbourne还有一个不同的地方,就是所有phd必须有两个advisor,所以根据我的了解,很多老师都是10个学生,所以学生也不是什么大问题。整体来说,我觉得澳洲很不错

澳洲是有phone interview的,onsite像是美国和英国的结合,既有1-1meeting,也有panel interview,但是我面试的几所学校没有teaching presentation

澳洲的funding主要是ARC,Defence Science and tech group, DAta61/Csiro 好像也有自己的funding。不过我听说澳洲的funding难度还是很高的

六:新加坡

结果:SMU(offer)

优势:学生有政府出钱,你不用出钱。funding机会多容易拿,工资非常高(是我面试所有学校除了KAUST最高的),文化更接近中国,签证和pr都比较容易

新加坡其他学校什么情况我不太清楚,NTU前些天给我面试但是我withdraw了,NUS我可定拿不到他们的interview,STUD申请时间很奇怪,所以我这里只说SMU,也算给他们做个广告

SMU的面试和美国一样,而且工资形式也一样(10month salary+2month from funding),除此之外,每个月还有住房补贴,所以接起来的工资非常高,是我所有学校第二高的。喜欢高待遇的同学欢迎去那里。由于新加坡政府很注重教育,SMU的phd学生是免费的,就是说如果学生愿意跟着你,你可以有不少学生(但是肯定有上限,我觉得可能是4-5个),但是因为是政府出钱,所以phd一般都是会在4年毕业。这对做理论的学生不是个好消息。听说新加坡对AI最近非常重视,所以funding很好拿(你拿的funding可以招reseach scientist或者是博士后,招学生的话会很贵,这也是为什么新加坡博后的position非常多)。再加上SMU是个很重视应用area的学校,我觉得特别特别适合做applied machine learning的同学。由于他们家的offer来的时间太早了我不得不decline,感觉跟对不起他们

但是SMU还是有跟美国不同的地方,第一,他们的tenure-track是8年(4+4),我不知道是不是新加坡都这样。第二, 他们的teaching load是4个section(注意不是四门课,而是四个section,一门课可以有不少section)。

七:其他

最后我说一下香港,因为香港的华人faculty非常多,而且mitbbs上也有不少帖子我在这里就不多说了。总体上来说,香港的onsite和美国几乎一样,startup package也差不多。这里我的申请经验告诉我,香港并不像mitbbs上面说的一样,香港只要名校出身,现在他们也开始看你的research到底做的好不好。总体来说,我的感受是,若非安全原因,香港我认为是最适合我的地方,面试HKUST和CUHK也是我感觉最好的两个学校(比如说学术品位,对理论的重视程度等等)。所以,我觉得香港是一个值得申请并且适合工作和独立做学术的地方。

还有就是关于KAUST,由于KAUST在教职申请中非常冷门,所以这里我就不详细介绍了,有对这个学校感兴趣的可以私下联系我。他们的结构,funding什么的和其他地方都不相同。
游客,本帖隐藏的内容需要积分高于 50 才可浏览,您当前积分为 0。
查看如何攒积分 Click here for more info.

补充内容 (2020-5-27 01:08):
香港我拿的offer是CityU还有HKUST

评分

参与人数 37大米 +130 收起 理由
AmadusOnline + 2 给你点个赞!
homeless + 3 很有用的信息!
xqboston + 2 很有用的信息!
lx5945 + 2 给你点个赞!
cheval1995 + 1 赞一个
选择困难的鱼 + 1 赞一个
linhui + 1 很有用的信息!
littlelab0414 + 1 很有用的信息!
hao1234 + 1 赞一个
ellenwho + 2 又增长了新知识呢,谢谢分享

查看全部评分

我的人缘0
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   95% (1663)
 
 
4% (77)    👎
厉害了。KAUST是不是不招本科生啊?master也给全奖么
回复

使用道具 举报

我的人缘0
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   100% (54)
 
 
0% (0)    👎
又增长了新知识呢,谢谢分享
回复

使用道具 举报

我的人缘0
lwbcpu 2020-5-28 22:17:19 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   91% (85)
 
 
8% (8)    👎
拿到这么多offer,对于应届毕业生来说简直太牛了。这东西可能也分专业,对于cs这种大多数人还是想去企业赚钱吧,认识的几个教授都是带有情怀的选择了发考题,而一些火坑专业感觉能找到教职都已经相当于cs的去flag了。
回复

使用道具 举报

我的人缘0
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   97% (137)
 
 
2% (3)    👎
这是我这个月看过的最有价值的帖子!感谢楼主分享

能说下differently private和differential privacy差别吗

我的领域里diff privacy很重要 我是做comp bio的
回复

使用道具 举报

我的人缘0
dandylion 2020-5-27 03:02:23 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   87% (321)
 
 
12% (47)    👎
本帖最后由 dandylion 于 2020-5-27 03:10 编辑

恭喜楼主!这个经历太不容易了,让我想起了几年前mitbbs上那个面试飞了40万公里最后onsite吃饭还登台唱歌最后拿到offer了的大佬(附个链接好了: https://www.mitbbs.com/article_t/Faculty/31879917.html)。

请问楼主美国排名60是什么排名啊?US news CS grad school ranking 还是 national university ranking啊?如果是前面那个(一般所谓的专排)排60毕业不做postdoc能直接拿到RPI,iowa state,ut dallas的onsite(印象中都是50-70这个区间的学校)那估计算是你们学校近十年的super star了,后面那个排60(本科排名)的CS小牛校还是不少的(UW都在后面那个排名的60段,此外还有Rutgers,UMass,Maryland)。
回复

使用道具 举报

我的人缘0
 楼主| shao3wangdi 2020-5-27 12:27:55 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   98% (55)
 
 
1% (1)    👎
wangshengpkucn 发表于 2020-5-27 09:38
这是我这个月看过的最有价值的帖子!感谢楼主分享

能说下differently private和differential privacy差别 ...

没有differently private这个词吧 differentially private就是differential privacy啊 一种隐私的定义
回复

使用道具 举报

我的人缘0
liaocs2008 2020-5-27 13:16:07 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   99% (204)
 
 
0% (2)    👎
楼主publication真的很强
回复

使用道具 举报

我的人缘0
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   99% (479)
 
 
0% (3)    👎
不知道为什么我点进来了~只能说~厉害厉害~
回复

使用道具 举报

我的人缘0
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   95% (164)
 
 
4% (8)    👎
原来ai领域也有做差分隐私的啊,我看我老板以前做的都是发在控制 (TAC) 或者信息论 (TIT)上的
回复

使用道具 举报

我的人缘0
 楼主| shao3wangdi 2020-5-28 01:26:29 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   98% (55)
 
 
1% (1)    👎
dandylion 发表于 2020-5-27 03:02
恭喜楼主!这个经历太不容易了,让我想起了几年前mitbbs上那个面试飞了40万公里最后onsite吃饭还登台唱歌最 ...

专业排名
回复

使用道具 举报

我的人缘0
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   98% (87)
 
 
1% (1)    👎
楼主能说说为什么最后从了Kaust的offer么? 这个校区是在科威特?
回复

使用道具 举报

我的人缘0
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (17)
 
 
0% (0)    👎
感谢楼主!想问一下德国高校有对德语有要求吗?
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号

本版积分规则

隐私提醒:
■为防止被骚扰甚至人肉,不要公开留微信等联系方式,请以论坛私信方式发送。
■特定版块可以超级匿名:https://pay.1point3acres.com/tools/thread
■其他版块匿名方法:http://www.1point3acres.com/bbs/thread-405991-1-1.html

手机版|||一亩三分地

GMT+8, 2020-7-12 12:15

Powered by Discuz! X3

© 2001-2013 Comsenz Inc. Design By HUXTeam

快速回复 返回顶部 返回列表