1. 程式人生 > >中科院計算機研究方向-考研導師選擇的一些建議

中科院計算機研究方向-考研導師選擇的一些建議

[ icewlong, 2007 ]

blog.csdn.net/icewlong/article/details/1536439

中科院主要共有8個相關的所從事電腦科學的研究,包括京區計算所,軟體所,網路中心全部的研究方向都隸屬電腦科學,自動化所有部分涉及AI和計算機應用的研究方向,數學所有AI和資料庫的研究方向,成都計算所號稱是唯一以計算機應用為主的研究所,但有一個赫赫有名的研究AI中最晦澀的定理機器證明的研究組,瀋陽自動化所有部分涉及AI(主要是機器人)的研究方向,相對而言瀋陽計算所是名氣最小也是實力最弱的一個。其他如京區的電子所,聲學所,高能所,空間中心,研究生院本部均有研究組從事電腦科學方面的研究。
國內嚴格意義上的研究型大學和研究機構,具體到CS方面,約有30所左右,它們均長年開展相關的研究工作,能夠依靠各種渠道籌集的研究經費以維持最低限度的運轉。其他的大學或研究機構大多依靠商業專案甚至依靠救濟性的撥款來生存。從這種意義上來說,以上提到的中科院的研究機構除京外的極個別所外,均符合
真正意義上的研究機構的定義。作為整體而言,以相關領域的8名中科院院士(軟體所4,計算所1,自動化所1,數學所1,成都計算所1)領銜的陣容覆蓋了幾乎所有國內有能力開展的研究方向。以下為具體各個方向的點評,個人觀點,僅供參考:

computing theory:

這是CS中最陽春白雪的方向,一般的研究包括可計算性和計算複雜性,自動機理論,以及涉及各個子方向的抽象數學模型的研究。這幾乎是國內CS community中稍有一點國際影響的領域,而這些影響和如下幾個名字是分不開的:唐稚鬆,陶仁驥,林惠民。這個方向也是最歡迎跨專業報考的,因為所要求的數學訓練幾乎超越了所有本科學CS的能力。如果你是一名數學系的學生,而有期待看到你的方向的一些即使是虛幻的應用前景,這個方向是一個不錯的選擇。如果是CS是科班出身,如果你確實對數學有愛好而且有很高的天分,渴望瞭解計算的本質,能夠忍受和你的專業不相稱的寂寞和清苦,也可以報考。有以下一些導師值得注意:軟體所:陶仁驥(密碼學),林惠民(程序代數),張健(程式驗證),蔣穎(蘭姆達演算);數學所:金芝;計算所:眭躍飛。請注意,選擇這個方向選導師非常重要,這是一個依靠個人英雄主義的領域,也是唯一的導師實際也會作研究工作,而且基本上在很長一段時間內會比你更牛的領域,不同的導師作的工作千差萬別,你在讀研的時候基本上是在看無數的paper中度過。

AI:

除了會比理論聽上去更人性化以外,這也是一個理論性很強需要很多數學的領域,不同的是,你可能有機會去做一個實際的系統。由於做這個領域的研究聽上去很時髦而且不用太大的成本,這個方向在國內開展的很普遍,可惜除了在基於中文的自然語言理解方面以外,並沒有取得什麼值得一提的結果。定理的機器化證明是這幾年被狂宣傳的一個專案,我國也好象是少數幾個開展這方面工作的國家,在這方面主要的工作來自於數學所的吳文俊/高小山研究組,和成都計算所的張景中/楊路研究組,如果有這方面的興趣的可以報考。在自然語言理解方面,數學所/計算所的陸汝鈐院士有一個挑戰圖靈測試的大專案。其他值得注意的導師包括計算所:史忠植(多agent系統與agent協作),白碩。雖然機器人和計算機視覺可以歸到AI大方向,但由於工作的性質相差很遠,所以我會在下面將其單列。

computer architecture:

在這個方向上,國內的主要精英分佈在三大高效能運算機研製基地:計算所(曙光),國防科大(銀河),總參56所&江南計算技術研究所(神威)。大學中成點氣候的只有清華和哈工。從水平來說,國防科大是最強的,畢竟銀河是向量機,技術含量不是曙光之類的機群可比的。在這個方向上,計算所即代表著中科院的全部,雖然不及軍方,在國內居第二沒有問題,他們以前只是作些DSM之類的東西小打小鬧,希望不要止步於toy級的狗剩,真正地作出一些東西來才好。這方面的重量級的導師包括:夏培肅(如果她老人家還帶的話),李國傑(中科院頭腦最清醒的所長之一,希望還作研究)韓承德(cpu design,理論上),閔應驊(IEEE Fellow,cs society中唯一的一個,SOC),唐志敏(Godson的leader),徐志偉(有退化的趨勢),胡偉武(自稱為Godson的architect).值得注意的是,計算所這幾年挖來了好幾個牛級的年輕Ph.D,現在名頭不顯,但以後肯定會冒出來。並行演算法的研究本來應該是屬於這一方向的,但不知道當年兩所分家的時候處於什麼考慮,把做並行演算法研究的孫家昶研究組分到了軟體所,成為一個無所依靠的孤方向。這個方向國內除了國防科大,也基本上沒有競爭對手,重量級導師還包括當年軍中做實時系統的第一人範植華(軟體所)現在去了網路中心的遲學斌。
 

system software:

這應該是國內最有前途的發展方向,open source運動已經有三十年之久,真正地衝擊商業模式是近幾年,確實為國內的os研究帶來了契機。在這個領域裡,導師是真正的管理而非技術上的leader,你不能期望導師會在技術上給你什麼指導,你要做的就是,首先做個至少是稱職的hacker,然後後才談得上做個稱職的researcher,光有idea是沒有用的,必須要自己有獨立的能力來實現,而且你做的project極有可能直接地就轉化成商業產品,相信真正有抱負的希望讓自己的工作變得relevant的同同仁會選擇這一方向。這一方向的壞處是准入門檻比較高,要求你對各個應用領域都要有相當的理解,同時會比較耗錢,基本上是富人的遊戲。中科院有兩個做os的中心,計算所的徐志偉研究組和軟體所的孫玉芳研究組,前者更偏學術一些,是有名的阿卡的策動者,後者導致褒貶不一的紅旗linux。主要的工作都是基於linux做增值特徵的開發,如rtos等。國內現在基本上已經沒有什麼人做programming language
 

system:

system方面的工作,計算所的張昭慶研究組幾乎是碩果僅存之一,ORC的意義應該在Godson之上,軟體所做這方面的工作的只有程虎。相對而言,計算所由於有底層的體系結構的研究方向,這個相關的方向的發展潛力更大一些,但是似乎一直缺少足夠的重視,尤其是他們本來很不錯的os方向。
 

Database:

這個方向國內人大一枝獨秀,中科院有少數幾個做這方面的研究工作的,包括已經退休的數學所的周龍禳和軟體所的孫玉芳。做資料庫工程的基本上就沒有什麼研究行為了,和公司一樣做專案為主。
 

networking:

不知道為什麼會有很多人喜歡這個方向,很大程度上可能是不知道它是研究什麼的。傳統的純網路研究主要是指網路協議的研究,包括協議棧的組織,以及一些具體的如流量控制,多播,快取,安全等協議的研究,並不比其他的方向更和藹可親一些,學術是沒有坦途的。從整體上來說,中科院在這方面的實力突出,但沒有太多壓倒性的優勢。網路協議方面的研究包括李忠誠(計算所),錢華林,閻保平(網路中心),軟體所的吳志美研究組也做一些這方面的工作。做網路方面的研究的最大障礙在於需要一個實驗床來完成協議實現的驗證與測試工作,這方面網路中心有國內最好的條件。
 

software engineering: 

這是目前最喧譁熱鬧的一個領域,發paper最容易,概念也狂多。但實際的效果似乎還不明顯。軟體所有近一半的研究組號稱從事這方面的工作,包括最大的兩個子中心物件中心和網際網路實驗室。主要的導師包括:馮玉琳,李明樹,顧玉清,黃濤,李京等。相對來說,這是目前資源最充裕但實際准入門檻較低,是那些不想從事太艱苦的工作而又能輕鬆愉快發paper的同志的首選。但目前這些中心都已經部分的商業化,考上以後可能會從事一些與研究無關的工作。
 

security:

包括系統安全和通訊網路安全。這個方向是備受重視的方向,和system software一樣希望研究者是通才,同時還要有相當的數學功底。軟體所的馮登國研究員在近幾年完成了一些備受好評的工作,他目前還領導著研究生院本部的資訊保安國家重點實驗室,這個方向屬於既能爭取到大專案又好發paper的熱點方向,前景很好,重點的導師還包括卿斯漢(軟體所),呂述望(研究生院本部)和許榕生(高能所)。
 

multimedia:

研究多媒體的編碼,解碼,壓縮,傳送的邊緣方向。軟體所的多媒體中心目前和貝爾實驗室中國聯合做這方面的研究,領導者是吳志美研究員。高文(計算所)本來是國內(不把微軟研究院考慮在內)這一方面的頭號人物之一,只是近來從政以後似乎在這一領域已經很難聽到計算所的聲音。
 

computer graphics:

吳恩華(軟體所)研究員是國內這一方向舉足輕重的人物,他及他的弟子們的研究興趣主要在於科學計算視覺化,另一比較重要的導師是戴國忠(軟體所)。
 

computer vision and robotics:

這一領域中國有世界級的研究中心--微軟亞洲研究院。中科院在這方面的實力來自於兩個自動化所,尤其是北京自動化所,他們的資源在三個所裡面是最突出的,當然還有國內學界中最耀眼的明星,譚鐵牛研究員,其他的重量級的導師包括戴汝為,王鈺,馬頌德。不過這一方向並並不如它的演示成果那麼輕鬆有趣,對數學功底的要求也很高。

相關推薦

中科院計算機研究方向考研導師選擇一些建議

[ icewlong, 2007 ]blog.csdn.net/icewlong/article/details/1536439 中科院主要共有8個相關的所從事電腦科學的研究,包括京區計算所,軟體所,網路中心全部的研究方向都隸屬電腦科學,自動化所有部分涉及AI和計算機應用的

自然語言處理NLP技術里程碑、知識結構、研究方向和機構導師(公號回覆“NLP總結”下載彩標PDF典藏版資料)

自然語言處理NLP技術里程碑、知識結構、研究方向和機構導師(公號回覆“NLP總結”下載彩標PDF典藏版資料) 原創: 秦隴紀 資料簡化DataSimp 今天 資料簡化DataSimp導讀:自然語言處理髮展史上的十大里程碑、NLP知識結構,以及NLP國內研究方向、機構、導師。祝大家學習

考研學生應該知道:研究方向和開發技術

應用 計算機軟件 blog 科研 移動應用 設計 嵌入 targe ack 我自己的一位大二學生,由參加ACM不安心。後來體會了應用的核心在算法,能在競賽中坐住了。但如今,又有新問題了。  【來信】  賀老師,我想問一下,假設打算考研,在這四年裏僅僅搞算法不搞應用,或者說

論文:基於粒子群優化的測試資料生成及其實證分析生成過程以及實驗(計算機研究與發展)

來源:2012年版的計算機研究與發展期刊 基於PSO的測試資料生成 (1) 核心問題:  如何保證PSO搜尋演算法和測試過程的協作執行  演算法的基本的流程: (1)對被測程式P進行靜態分析並完成: 1.  提取程式的 介面資

【Dongdong Bai's Blogs】研究方向計算機視覺、SLAM、深度學習、機器學習等

Dongdong Bai 2013年9月至今在國防科技大學計算機學院攻讀博士學位,師從天河一號超級計算機總設計師楊學軍院士。我目前研究方向是將深度學習技術融入到機器人和自動駕駛汽車中。研究興趣主要包括CNN、計算機視覺、SLAM和機器學習等。我目前在騰訊 AI Lab 作基礎研究

計算機視覺研究方向進展

最新計算機視覺動態哪裡看? 1 背景 會議論文比期刊論文更重要的原因是:(1)因為機器學習、計算機視覺和人工智慧領域發展非常迅速,新的工作層出不窮,如果把論文投到期刊上,一兩年後刊出時就有點out了。因此大部分最新的工作都首先發表在頂級會議上,這些頂級會議完全能反映“熱門研究方向”、“最新方

機器學習研究與開發平臺的選擇

and cal sig 分布式 1.2 只需要 構架 否則 案例     目前機器學習可以說是百花齊放階段,不過如果要學習或者研究機器學習,進而用到生產環境,對平臺,開發語言,機器學習庫的選擇就要費一番腦筋了。這裏就我自己的機器學習經驗做一個建議,僅供參考。     首先,

計算機視覺方向三大頂級會議

物理 來看 之一 兩個 spf eccv 比較 5% 內容 ICCV 的全稱是 IEEE International Conference on Computer Vision,國際計算機視覺大會,是計算機視覺方向的三大頂級會議之一,通常每兩年召開一次,2005 年 10

轉載:計算機視覺方向相關課程與書籍

ndk jdi itl zip back p12 rand monk context 原地址:https://github.com/jbhuang0604/awesome-computer-vision Books Computer Vision Computer

瑜伽導師選擇瑜伽墊的秘訣!

span 關註 控制 很多 family 比較 第一時間 師說 水平 前段時間有幸跟著我的導師參加了省裏的瑜伽協會,裏面有來自各地元老級的瑜伽導師,作為後輩的我,恭恭敬敬的拿著筆和小本子,仔細的聽他們聊天,並把精髓記錄下來供我回去仔細研究及學習。其中最讓我震驚的是他們在選購

30天尋找研究方向——day 1

機器 相關 學習 搜集 角度 發揮 做出 ID 國家 考慮可能的研究方向時候,主要從下面兩個角度考慮。 已有一定積累,保證方向不分散 發展勢頭較好,無論在產業界還是學術界,都有可能有較好的發展前景。所涉及的範圍不能過窄 技術和理論不外乎信號處理以及機器學習方向,但需要提

樹木根際微生物、樹木-真菌互作研究方向博後和出站博後

文章目錄 樹木根際微生物、樹木-真菌互作研究方向博後和出站博後招聘 一、研究方向 二、應聘條件 三、提交材料 四、工資待遇 五、平臺優勢 六、交通優勢和文化氛圍 七、研究概況及

基於深度學習的影象語義分割技術概述之4常用方法 5.4未來研究方向

https://blog.csdn.net/u014593748/article/details/72794459 本文為論文閱讀筆記,不當之處,敬請指正。 A Review on Deep Learning Techniques Applied to Semantic Segmen

專訪王威廉:NLP哪些研究方向更容易取得突破?

參加 2018 AI開發者大會,請點選 ↑↑↑ 自然語言處理(NLP)是一門集語言學、電腦科學、人工智慧於一體的科學,解決的是“讓機器可以理解自然語言”——這一到目前為止都還只是人類獨有的特權,因此被譽為人工智慧皇冠上的明珠。 近日,AI科技大本營採訪到了 NL

超級計算機研究報告

內容簡介 隨著計算技術的發展,科學計算對超級計算機的計算能力提出了越來越高的需求,超級計算機為解決國家經濟建設、科學進步、國家安全等一系列重大挑戰性問題提供了不可替代的重要作用。本研究報告對超級計算機這一課題進行了簡單梳理,包括以下內容: 超級計算機概述 超級計算機技術原理 超級計

零基礎想考計算機與技術的考研黨的自白

像記日記一樣的寫部落格 2018.08.03 昨天晚上,終於是下定了決心跨考考研,在CSDN潛伏挺久了,但是技術上卻沒什麼實質性進展,還算小白,今天是第一篇部落格,希望我可以堅持下去,每天打卡,每天都有新鮮事物可以嘗試。 目前馬上大三了,本科是生命科學方向的中藥學,偏向於研究,決定跨

計算機各個方向名校公開課

client sta nlp b- classes quest 經典 per ability 系統: 6.828 / Fall 2014 這個,不用我多介紹了吧,xv6 和jos 的代碼都值得好好讀的。 6.858 / Fall 2014 / Schedule 這是很

EMV規範學習與研究(二)——應用選擇

應用選擇的目的是給正在執行的交易選擇一個應用。首先建立應用候選列表,然後從候選列表選擇一個應用。應用選擇有兩種方法: 目錄選擇法: 終端使用SELECT命令選擇檔名為‘1PAY.SYS.DDF01’的支付系統環境而開始,由此建立支付系統環境並進入初始目錄。卡片返回短檔案識

學習筆記之計算機網路(王道考研) 第六章 應用層

在C/S模型中,伺服器總是處於開啟狀態(除非某人把它關了) 常見的使用C/S模型的英應用包括Web、檔案傳輸(FTP)、遠端登入和電子郵件等  C/S模型的主要特點: 網路中各計算機的地位不平等,伺服器可以通過對使用者許可權的限制來達到管理客戶機的目的

學習筆記之計算機網路(王道考研) 第五章 傳輸層

傳輸層屬於面向通訊的最高層,同時也是使用者功能中的最低層 傳輸層提供應用程序之間的邏輯通訊(即端到端的通訊),與網路層的區別是,網路層提供的是主機之間的邏輯通訊 傳輸層的複用和分用:複用是指傳送方不同的應用程序都可以使用同一個傳輸層協議傳送資料;分用是指接收方的傳輸層在剝去報文的首