Skip to content

学业指南

前言

-- Think twice, live once.

人的生命只有一次,绝大多数人只能拥有一次大学本科时光,所以在开始大学的生活前,请谨慎的思考未来的四年你打算如何度过。

你可能会有以下打算:

  1. 如果你想要本科毕业找计算机相关工作,那么多去企业实习,多做项目可能是很好的选择,~~上课有时只是一种浪费时间~~。
  2. 可能你立志学术,想要继续深造,毕业寻找教职,那么早日进老师的实验室打工板砖,努力发文章,拿大牛推荐信可能才是正确的道路。
  3. 或者你可能对计算机不感兴趣,那么请尽早转专业。如果想毕业考选调,考公。那么早日入党,做学生干部,拿奖才是最优解。

我想,对于绝大多数人来说,在低年级就坚定地做出未来选择的人并不多,那么可能好好学习,努力刷高gpa,(我知道某种程度上,某些课的内容无趣并且没用,但是人在屋檐下,不得不低头,还是好好学吧),在课余时间参加一些竞赛科研,可能是一种通解。

通解

以下内容参考了 对西北工业大学 2019 新入学的学弟学妹们有哪些建议? 的一些回答(知乎用户 @zzzzzfyang,@独钓寒江雪,@摩金,@止戈为武,@Aaron gcx)。

  1. 大一上:适应NPU的生活和氛围,同时认真学习。(如果有时间,请好好学英语) 大一上的计算机专业课应该只有计算机系统基础,这并不是一门很难的课,但是需要你投入足够的时间精力。(特别当你是一个计算机小白时)。 如果觉得课程的难度不大,同时计算机基础很不错,可以选择加入基地(足球,舞蹈,ACM)或者加入一个靠谱老师的实验室。如果加入基地,转2,如果加入实验室,转3,如果都没有,转4。 如果觉得课程压力大或者不喜欢,转5。

  2. 大一下:学习基地的项目及相关知识,参加竞赛。同时不能放松课程学习。在大一结束获得奖学金,国奖,乃至标兵,转6。

  3. 大一下:开始科研实习,但是请以学业为主。科研出成果的时间可能远大于竞赛,同时科研路上也容易遇上各种不顺心的事。但是这样的经历可以让你判断自己到底适不适合科研。 如果一个学期后选择继续,转7,如果特别不喜欢科研,可以选择退出,转8。

  4. 大一下:大一上就能进入基地或是实验室的人毕竟还是少数,更多的人是在大一下或者大二上才能加入基地。关于加入实验室的时间,我想大二上或者大二下都是一个比较合适的时间。 在准备加入基地或实验室的同时不能放松学业,还是要以课程为主。如果成功加入基地,转6,如果加入实验室,转7,如果都没有,转8。

  5. 大一下:可能你并不太适合计算机,你可以考虑了解一些别的专业,或者考虑别的出路,如选调考公,转专业等。之后的事情就在笔者知识盲区中了。

  6. 大二:大二的同学通常是基地比赛的主力,在参加比赛之余,继续好好学习课内知识。 同时你可能对于未来的方向有了更清晰的认识。在大二选择加入一个靠谱老师的实验室去独立做研究可能也是一个好的选择,进实验室后可以选择退出基地,也可以不退。不退出转9,退出转10。

  7. 大二:继续实验室搬砖,保持一个较高的gpa。或者去联系一些外校的牛导,做远程实习。或者去申请暑研。转10。

  8. 大二:在大二上,在保证学业的基础上,可以选择加入基地。如果加入基地,转9,如果不加入基地,那么后续好好学习,准备保研就可。

  9. 大三:大三上,你可能还需要在基地付出一些工作。大三下,准备保研or出国。方法参考具体文档。

  10. 大三:你应该对于科研有了一定的认识,更进一步,你的课题也许已经完成度很高。大三上,积极投身科研,利用好寒假时间,看看能不能出成果。大三下,根据自身情况,选择继续科研或者转战准备保研。

  11. 大四:如果保研或者出国深造,那么大概率你的大四已经被老板安排好了,服从安排即可。如果不深造,好好找工作。

大一新生面临的五大困难

  1. 离家远没人管,自律差
  2. 没有目标,没人带领
  3. 不会安排,老做一些重复无意义的事情
  4. 做题家思维,认为认真学习课本 考试考高分就一定牛逼 (虽然在一些大学评价体系中,分数高确实就被认为是牛逼)
  5. 不会利用自身资源 和学校平台资源获得更大的进步空间和机会

如何选择靠谱的老师

老师给与学生的帮助大致有4种方式:

  1. 直接给予技术上的指导,手把手教代码(一般来说这种情况很罕见)
  2. 与学生讨论idea,有细节上的讨论,老师懂你正在做的东西,有时老师可以提出建设性的建议。
  3. 老师通过自己的connection,给你找了个领域的牛人带你,给你找合作机会。
  4. 提供资金物质上的帮助。

所以判断一个老师值不值得你跟也大致可以从这四个方面入手:

  1. 老师是年轻ap(assistant professor)。那么可能会在具体代码上,提供更多的指导。
  2. 老师本身是领域大牛,(和同行相比,总引用高,H指数高,代表作出名,有拿过best paper),那么老师的connection可能会很好,会认识很多牛人,给你带来很多机会。
  3. 如果老师组很有钱,那么你在做实验的时候大概率不会担心机器资源不够用。
  4. 最普适的一点,向老师的研究生打听,看老师已经毕业学生的去向如何。