之前许多小伙伴都会问学长这样一个问题：

是不是科研只是大牛学生的专利？我学校背景一般，是不是没必要做科研呢？

错！科研其实对于学生而言都是大门敞开的！今天，学长就为大家来介绍这样一位小哥哥：目前在英国上本科的他并非出身G5这样的名校，但他却在我们的AI HUB中获得了其所在课题组的第一名的成绩，收获了老师的推荐信，并且入选了“AI HUB Scholar计划”，为自己迈向梦校奠定了坚实的一步。如果他可以的话，你也一定可以！

那么，这究竟是怎样的一位小哥哥呢？他又有着怎样的科研故事？接下来我们就一起来一探究竟哇

姓名：You同学

学校：西交利物浦大学

专业：电子工程

所在科研项目：AI HUB

项目成绩：所在课题组第一名，获得导师推荐信

何时知道我们AI HUB的项目的？又为何报名？

AI HUB是我的一个老师推荐给我的，这位老师同时也是我的朋友。就我个人而言，我先前是从来没有接触过由全球顶尖名校导师亲自带的科研项目的，然后我本科在英国读的大学也不算是最顶尖的那一批，所以我自己的话是非常向往和来自全球顶尖名校的导师去做科研、学东西的。

AI HUB课堂上，导师对学生进行指导 △

AI HUB是有线上部分的，你对线上科研怎么看？

我觉得线上科研的好处在于，你可以随时随地去和全球的顶尖导师做科研。和平常学校的课不同，线上科研不需要我们待在教室里，你在任何地方都可以去做科研。对我来说，线上线下这两种形式是没有差的，我自己的话对于线上的形式已经非常习惯了，之前学英语的时候上过很多线上课程，所以我是非常接受线上科研这种形式的。

在AI HUB中直接和大牛导师交流是什么感受？

其实对于大部分学生来说，如果你不是这些顶尖名校的老师，你平常很难很难去和这些老师接触、交流、学习的。但是AI HUB却给了我们这样一个机会。在AI HUB中，你可以直接去接触这些顶尖学校的大牛老师们。不仅如此，你还可以随时和他们一对一请教、问问题，基本上所有的问题都是可以问他们的。这样的机会真的是非常宝贵，毕竟对于大多数学生来说，这样的机会可能是先前从来都没有过的。

AI HUB课堂 △

AI HUB是设有mentor的，对于mentor你的看法是？

AI HUB中的mentor也都是来自于和导师学校同一个级别的学校，但是在平常的科研过程中，我们和助教之间完全没有距离。无论你有什么问题，无论你问的问题有多么不专业，mentor都会耐心地为你进行1对1的解答。

Mentor辅导学生进行学习 △

项目中你碰到最大的挑战是什么，又是如何克服的？

项目中我遇到的最大的挑战，就是团队协作了，我自己先前从来没有参与过类似的团队作业。我们团队中的每个人都有着不同的学科背景，都有着不同的能力，每个人对于人工智能都有着不同的理解和能力。因此，为了能够完成我们最终的小组作业，我们需要每个人各司其职，充分发挥自己的特长。因此，对我来说，teamwork是我在AI HUB遇到的最大的挑战。

学员们在自习室共同学习 △

项目中，你最大的收获是什么？

因为我是我们小组的第一名，对我而言很重要的一个收获就是我得到了同班同学和老师们的认可，大家都觉得我是一位很出色的学生，这让我很有成就感。

你觉得AI HUB这样一次科研经历，最大的意义是什么？

实话讲，在来参加AI HUB之前，我其实对于人工智能已经有了一些扎实的基础知识了，自己先前也发表过一些paper，所以我真的不确定自己是否能够在AI HUB中学到我想要得到的知识。

然而，让我很惊喜的一点是，在AI HUB中，我发现自己还是学习到了很多以前不知道的知识，而这些知识又反过来强化了我原有的基础知识。比如先前的很多公式我只是会用，而参加完AI HUB后，我对于一些公式有了更深层次的理解。

另外，我在AI HUB中的这份科研经历，我获得的推荐信，未来都可以在我申请的时候让我具备更多的竞争力，能够让我申请到名校的可能性更大！

AI HUB的final project展示 △

梦校是哪一所，未来又想学习什么专业呢？

专业的话，未来我还是想继续学习人工智能、机器学习相关领域的专业；我的梦校就是美国前几名的计算机名校，比如CMU、MIT、UCB等等。

对于未来想要参加AI HUB，想要做科研的学生而言，你的建议是？

如果你来参加AI HUB，我的建议是大家一定要抓住机会去问老师问题，因为机会真的是非常难得，所以大家一定要多问！许多小伙伴会觉得自己英语不好，没有自信，不好意思和老师开口，但实际上完全没必要担心你的口语；导师们都是native speaker，你说的意思他们基本都能听懂。所以，请大家一定要多问！

科研的话，首先大家都觉得科研是一件很难的事情。科研就像是一堵墙一般，许多人在科研过程中，击倒了这堵墙；而有的人却选择了放弃。我想说的是，如果你有老师的帮助的话，你将会更有可能“击倒”这堵墙。许多同学会觉得自己能力不够，在科研过程中不会某些知识，然后就会缺乏自信；但其实科研的本质，不就是你从“不知道某件事情”到“你知道某件事情”的过程吗？所以大家一定不要害羞，有老师的话多问老师，会对你有很大帮助的！

还有很重要的一点，就是大家一定要多培养团队协作能力。在我们国内大学的学习过程中，我们通常都是“单兵作战”；然而，无论未来出国留学还是工作都有大量的团队合作，这就需要我们一定要有团队合作精神，因为我们不能指望自己一个人就把一件事做好。

这就是这位小哥哥的科研故事啦～看完故事的你，是不是也重燃了对科研的激情呢？如果你也想通过一段高质量的科研经历来提升自己的留学申请 & 保研几率，你可以来了解下我们【集思学院的背景提升科研项目】哇！

下面是我们机器学习 & 人工智能相关的一小部分课程 更多课程可以添加我们的项目老师进行了解～

机器学习在计算机网络中的应用

【课程描述】

在人工智能的浪潮下，如何让计算机能够自己去“学习”，自己去“处理数据”，成了全球研究人员最看重的课题之一！而计算机网络发展至今，单纯的数据运算、问题求解和功能搜索已经很难满足网络飞速发展的需求，加之人们越来越重视网络信息安全方面的问题，人工智能与计算机网络技术进行一定程度上的融合和共同发展具有空前而深远的影响，计算机方向的你还不快看过来！

【导师介绍】

Nick Feamster导师现任芝加哥大学计算机科学终身教授，同时担任芝加哥大学数据与计算中心主任，曾在普林斯顿大学担任计算机科学终身教授、信息技术政策中心副主任，也曾在佐治亚理工学院担任计算机学院教授。他的研究侧重于网络安全和性能。

Nick Feamster导师拥有麻省理工学院计算机科学博士学位、电气工程和计算机科学的硕士和学士学位。 Nick Feamster导师是美国计算机械协会(ACM)的会员。该协会为计算机科学领域大约1%的顶尖专业人士保留。 导师曾荣获NSF“美国青年科学家与工程师总统奖”（PECASE，美国青年科学家和工程师的最高荣誉）和“IBM优秀教师奖“，被《麻省理工学院技术评论》评为35岁以下最佳创新者之一。

【适合学生】

1. 对人工智能、计算机网络、机器学习等相关课题感兴趣的高中生 & 大学生

2. 想要通过参加科研，未来冲击美国计算机方向名校的学生！

【开课时间】

2020年2月

数据科学与AI深度学习：应用计算机视觉

【课程描述】

你有没有发现自己越来越不爱读文字，而是开始爱上看视频了？根据 Cisco 的研究，到2022年全球线上视频流量占总流量的比例将从2017年的75%上升到82%，线上数据将越来越被视频数据所主导。信息维度更高加之数据量更大，因此以图像和视频为主要处理对象的计算机视觉要比以文字为主要处理对象的其它AI技术具有更加丰富的应用场景和商业化价值。想要把握时代风口？了解下我们的项目呀！

【导师介绍】

Noah Gift导师兼具丰富的教学、研究与行业经验。他在加州大学伯克利分校（UCB）信息学院数据科学硕士项目、加州大学戴维斯分校（UCD）管理研究生院商业分析硕士项目、以及西北大学数据科学硕士项目担任讲师，教授和设计机器学习、AI和数据科学等课程

【适合学生】

1. 对人工智能、计算机网络、机器学习等相关课题感兴趣的高中生 & 大学生

2. 想要通过参加科研，未来冲击美国计算机方向名校的学生！

【开课时间】

2019年12月