未来没有人能预测，所以我们要勇敢
申请背景
赖道远 统计系
GPA 3.70/4.00;
ranking 21/49;
研究经历（截至2019年11月）：
CUHK统计系半年无工资RA（大四上);
Michigan State University远程暑期研究（大三暑假);
南科大田国梁老师讨论班（大三上）+课余research;
南科大机械系付成龙老师实验室无工资RA（大二寒假）;
推荐信： 本校教授（HKU, CUHK, KAUST, UCPH, KTH）+CUHK statistics AP (KAUST)
ILETS: 7.0 (Speaking 5.5 Reading 8.5 Writing 5.5 Listening 8.0)
GRE: N/A
TOEFL: N/A
申请结果
Offer (全额奖学金的PhD, 难度从高到低):
- Statistics@HKU (accept), Statistics@KAUST
AD :
- Applied and Computational Mathematics@KTH(master), Statistics@UCPH (master)
Rej:
- PhD: Statistics@CUHK (默拒)
联系方式:
Homepage: https://daoyuan-lai.github.io
QQ：823821495， 请加备注。😆
Preface:
首先说声抱歉，这篇文章的主体部分早在三个月之前就已经完成，但是我一直没有发送。 一个很重要的原因是我自己的拖延症， 另外则是在写作完成以后发现有很多不满意的地方，所以一直在一点点地修改。
这篇申请总结在技术性方面我会做到尽量客观。然而由于我希望能通过这篇申请总结的写作来好好回顾一下自己的大学四年，所以不可避免地会带上一些个人情感色彩, 还请见谅。我的GPA属于非常典型的“上不着天，下不着地”的层次，我预想中的这篇总结的主要受众也是这个层次的同学。事实上，我认为只要选取了正确的方向，以及足够的努力而不只是感动自己，同样最后能达到一个比较高的高度。
这篇文章的行文是**我的大学四年经历。**我会尝试回忆我在每个重要时间节点所面临的选择以及相应的利弊分析。 这么做的原因是，我希望通过我自己的经历，给在不同阶段迷茫的学弟学妹们一些启发。
值得一提的是，这篇申请总结中也包含不少与他人交流的成果（本校/外校）。
徐源诚的申请总结可以作为一个PhD申请者的general guidebook, 这应该是中文网上能够找到的最好也是最新的申请总结，极其具有参考价值。 而秉着不要重复造轮子的原则，我的申请总结的重点则是以此出发，具体聚焦于香港地区的申请（包括RA申请，PhD申请），同时尝试根据我自己的经历，来给处于不同人生阶段的同学一些建议。
是否应该选择统计学作为自己的专业?(统计学是干啥的?生物统计是干啥的?)
不妨花半天的时间来读读这本书，你会有自己的判断。
关于学生工作（学生工作到底有没有意义？）
事实上，大一期间我把相当一部分精力放在了学生工作上。 当年有幸加入了南科大校学生会学术部，和16级学术部的同学一起筹划了南科大校史上的第一次TEDxSUSTech大会（同时很感谢1718级的学弟学妹没有把这个大会变为绝响）。
我在这场活动上倾注了大量心血，邀请学播音主持的高中同学做主持人，熬了无数个夜讨论策划案，去向potential speaker解释我们的活动... 这些经历让我深深体会到了在nike做学生工作的艰辛。 而与此同时，大一下学期也是我大学四年选课最多的时候（28.5学分）。因此我在学业上承受了巨大压力，也直接导致我大一下学期成绩直接崩盘。
评价：
我当时会花不少时间在这项活动上的一大原因是因为高中英语老师的在有次上课时的感叹（“我不希望你们像我一样，在度过大学四年以后回头看，发现自己除了耀眼的学术成绩以外一无所有。”）但实际上，当我度过大学四年以后，我印象最深的事件并不止TEDxSUSTech(虽然她是我大学生活的骄傲)。
在我看来，学生工作的最大意义在于结交到更多朋友，产生思想的碰撞，锻炼自己的为人处世的能力。 在学习科研过程中，这三种能力一样能够得到锻炼。
But don't get me wrong. 我并不是想踩一捧一。 我想说明的是，在参加学生工作前一定要认清楚学生工作的意义。 如果偏离了这个意义，那么学生工作只是徒增负担，因为它并不会对自己的CV产生本质性提升（including求职时候的CV）。
关于科研经历(如何开始自己的第一段研究经历?)：
我想谈一谈我自己的一些见解。 我会先记录下自己在本科期间的科研经历，并且会对此给出自己的评价。
大一升学大二的寒假
我在大一结束时的GPA应该是3.5左右。 这个GPA给我带来了极大的打击。 大一下学期李才恒老师开设的线性代数II课程让我对数学这门学科产生了极大的兴趣，我至今都还记得经过一学期的准备以后，我们终于在最后顺理成章地引入了矩阵行列式时的那种豁然开朗的感觉。 回头一看，原来之前所学的一切知识都如此自然。
可是现实却不允许选择数学作为我的专业，这样的的GPA在数学系几乎毫无竞争力，同时我也意识到我恐怕在数学这一方面没有太多天分。 所以我在大一期末考试结束以后纠结了不短的一段时间，最后选择放弃选择数学与应用数学作为我的专业。 这至今也是我的一个遗憾。
然而我必须选择一个专业。对于大一结束的我来说，我并不能分清楚nike这十几个专业到底有什么区别（一个例子是，我当时困惑了很久EE和CS的同学的研究到底有什么区别）。于是我采取了一个很莫名其妙的逻辑
我的生活导师是力学与航空航天系的H老师—>我对航空没啥兴趣，但是我对在同一栋楼机械好像有点兴趣->所以去机械系看看？
我一直相信一点，没有调查研究就没有发言权。如果不去真正体验某个专业到底在做什么，就不要说自己喜欢/不喜欢某个专业。 因此，我联系了机械系的付成龙老师（付老师的名字在飞跃手册中出现了不止一次，他真的是一个非常好的老师）。我跟付老师大概谈了半个小时左右，虽然很明显他没有懂我在说什么，我自己也不懂他的研究方向，但是他最后还是把我扔给了一位师兄（下文将称他为Z）
我的大一的寒假有大半时间是在慧园三栋度过的，这个寒假过得异常痛苦。 Z师兄认为对于编程软件最好的上手方式就是去做一个project（这是一个共识），于是将当时课题组里假肢机器人的一个识别问题交给了我，用了半个小时讲清楚了我的任务。 然而大一的我对Matlab的了解几乎为0，甚至不知道如何安装（我花了将近两天的时间才安装好Matlab, 期间在百度上查阅了无数资料，但是完全没有用处，这也是我成为百度黑的一大重要原因）。 在成功安装以后，我又花了大概一周的时间，才大约理解了我的project到底是在做一件什么事情。
Z师兄真的是一个非常好的人，我记得在我当时在实验室的一个角落抓耳挠腮，他在跑实验的空隙当中抽空手把手地教会了如何翻墙（...），如何用Google找到有用信息（...*2），如何去判断这个Idea是否已经有人做过...现在看来我当时遭遇的这些问题非常的trivial，但是他仍然毫不犹豫地无私地给予了我帮助。
这段科研经历有两个非常魔幻的地方：
- 这篇假肢机器人的文章最后发到了IEEE Trans上，我在最trivial的时候做出的工作成为了我本科期间唯一的publication.
- 直到后来我才发现，师兄原来是某一届的T大特奖。😱
评价
我想详细记录这段经历的原因在于，我非常想通过自己的经历给处于迷茫阶段的大一同学一点启发：如何开始自己的第一段研究经历?。 迷茫这个词贯穿着我的四年大学生活，而我也相信这也是每一位南科大学生的常态。
所以迷茫并不可怕。 这是非常正常的一件事。
但是最可怕的就是沉溺在迷茫当中。
现在回头看我的大学四年，我状态最差的应该是大一下学期。 我翘过一次高数课（这可能真的是我大学唯一一次主动翘掉数学课，不翘数学课是我的一个基本原则），坐地铁坐到前海湾，在红树湾看日落。 那是我大学四年期间状态最差的一段时间，几门4学分的专业课Mid-term基本上都是70~80, 本学期绩点爆炸已成定局。
然而这种消极的状态一直持续到大一结束，现在回忆原因，大概是因为我似乎“很享受这种状态”。 我当时的心态大概是这样：“我反正是个five，这学期绩点也救不回来了，以后也不知道学什么,不如好好玩过这学期，退学再来。"
当然我最后也没有退学，在详细研究过16届末流985及以上高考招生分数线以后（大一我真的花了不少时间在这上面），我认为懒狗如我，再来一次一轮二轮三轮复习绝对顶不住。 所以最后我也没有准备退学手续，最后也就在无谓的伤春悲秋中接受了大一的期末考试。
现在回头看，当时将自己从这种“享受消极”的过程中拯救出来的可能就是大一这段痛苦万分的实习。 在这段自闭的时光的最后几天，我终于体验到了快乐：几百张深度相机捕捉到的场景输进我设计的classifier中以后，被高效而准确地分类。即使是多么奇怪的混合地形，最后都能被准确地分类。 我不知道如何去形容这种快乐，这种感觉大概和玩Minecraft时第一次成功设计出红石机械的那种成就感差不多？
一味地伤春悲秋是没有意义的，请尝试着跳出舒适区，做一些自己不会做的事情。
关于暑研（如何套到暑研?/暑研的意义?）
暑研的套磁流程可以基本参考徐源诚的文章，以及我在套磁这一节的讨论，。 而在这一节中我想讨论的是主动性。
南科大虽然部分解决了内卷的问题，但是在所谓“热门专业”中，内卷的情况仍然十分严重（点名16级以及之前的统计系）。 16级统计系有五十位学生，但是只有三个正经搞统计的老师（不过这似乎是国内统计系的常态，某C9大学有统计系100+位学生，但是也只有三位统计老师）。
老师的严重不足间接限制了学生的视野。 暑研最大的意义在于拓宽视野：了解所在学科最前沿的知识，了解所在学科的不同方向。
另外，暑研可能也是本科四年中最好的一次认识自己的机会。
关于套磁
由于我自己的两段比较重要的套磁经历都是面向的香港的老师，所以我想谈谈我自己的一些看法。同时我必须指出，我的套磁经历是非常幸运以及魔幻的，所以不太具有太多参考意义。
基本的套磁（PhD申请，寻找研究机会）和北美的流程是没有本质区别的，拿统计专业来举例：
Step 1：选择地区。
这个环节没有任何可以省力的地方：首先根据自己所想申请的国家/地区，然后Google faculty+Department of XXX+学校名。 具体模板大概是这样：
Faculty Department of Statistics（or Mathematics,有一些学校比如HKUST是没有单独的统计系的）+ CUHK
一般而言，北美地区的方向选择更多，然而相应的申请难度也会较大，同时还会有很多不可预知的因素（例如签证，国际形势影响，笔者Michigan State University暑研的J-1签证被check50多天导致最后无法成行）。而香港地区的一大特点是签证非常好申请，并且老师一般不会缺funding (这意味着老师有phd/ra opening的概率大大增加)。 然而坏处是香港地区的研究方向相对零散，研究水平总体不如北美。
Step 2: 选择老师。
一般的faculty page会列出research interest,所以我们结合自己的兴趣选择。 然而这里有两个比较tricky的地方：
**第一：**我说到根据自己的兴趣选择，然而由于视野的局限，很多有趣的方向可能根本没有听说过，更别谈是否会有兴趣。 (比如我未来的老板对Statistical Genetics感兴趣, 而我直到翻到她的主页之前都没有听说过这个名词...)
我非常同意徐源诚的观点：
兴趣是可以培养的，有时候你对某个topic不感兴趣只是因为你不够了解它。所以我建议大家在选定方向的时候综合考虑兴趣/ambition和资源两方面。 你很有可能可以在一个内卷相对较小、申请难度低的方向找到自己的兴趣。
我们常说选择比努力更重要，所以请在research interest的选择上花费足够时间。
第二,在考虑好自己的research interest以后，请同时也别忘记考虑在以后（至少是近5年）这个方向的前途好坏。
我在这里想引用一个真实事件，（由于我不了解机械专业所以可能描述会有不准确之处，请机械系同学高抬贵手）：
笔者的一位朋友H对于腿式机器人非常感兴趣，H的校内科研以及暑研都是围绕着这个topic进行研究，并且做出了很好的工作，他也很希望自己PhD期间能继续在这个 方向上做出一些成果。 H在某校发现了一个非常中意的老师，这位老师是腿式机器人的一个分支方向的开拓者。但是这位老师在了解到H的research interest后明确表示：腿式机器人商业化遥遥无期，而且就算是在学界，也非常不好申funding。 这位老师还拿自己举例：他自己做腿式机器人的Funding都是从另外一个方向匀过来的。 H由此决定换方向。
我为什么要举这个例子？ 如果在不了解自己所在的方向的前景就贸然将自己最宝贵的5-10年倾注于此（PhD + Postdoc），一旦被套牢就会付出巨大的沉没成本。
第三： 选定了老师以后，判断这位老师是否有opening：请直接询问老师，在当地时间早上8点左右发出邮件（腾讯企业邮有定时发送功能），如果老师有兴趣一般1~2天就会有回复，如果超过3天没有回复可以重新发一封邮件委婉的提示老师。如果再没有回复就选择换人（因为大概率这位老师没有opening/对你没有兴趣）。
大部分的老师并不会在自己的主页上注明自己今年是否招生，所以直接向老师咨询的效率是最高的. 一般而言，刚入职的assistant professor (ap)是很缺人手的，并且会很愿意check邮箱，所以他们有opening的概率比较大；另外就是家大业大的老师（e.g. XXX Distinguished Professor in Mathematics），这样的老师一般funding情况很好并且有很多研究方向（挖了很多坑），所以他们也会愿意招人来填坑。
这两类老师有好有坏，ap会更愿意仔细向你解释项目细节，在你的身上花的时间也会更多，但是相应的推荐信力度也就不大；而基本上不用指望后者给予指导（自己的phd学生除外），大部分情况下都需要自我奋斗。但相应的，这些老师的推荐信（仅指强推）是可以起到逆天改命的效果的。 纵观16级及之前的几位申请到了非常好的PhD项目的学长/学姐, 在得到了本系/海外强推以后，申请结果是上了整整一个台阶的。（我个人认为如果没有这些推荐信，Nike同学是不太可能拿到这些项目的offer的）
说到底就是一个trade off.
值得一提的是， 在选定老师时还可以参考老师的funding情况。 事实上， 老师的funding情况是可以被查找到的。 申请手册中已经给出了NIH美国教授科研经费查询入口。 而香港的“NIH” 则是RGC（Research Grants Council）, 同样可以查询funding情况。
如果老师在最近拿到了大finding，那么一定就会开始招人。
第三：interview
如果能进入step 3,说明applicant在老师心中的印象已经及格，但是仍然希望通过一段Interview来更多地了解applicant的背景。 在后文中我详细记述了我所经历的几次interview经历。
关于社交
直接引用一段我已经忘了出处的文字，建议全文背诵：
Think actively about the creative process. A subtle leap is required from undergraduate thinking to active research (even if you have done undergraduate research). Think explicitly about the process, and talk about it (with me, and with others). For example, in an undergraduate class any Ph.D. student at Stanford will have tried to learn absolutely all the material flawlessly. But in order to know everything needed to tackle an important problem on the frontier of human knowledge, one would have to spend years reading many books and articles. So you'll have to learn differently. But how?
Don't be narrow and concentrate only on your particular problem. Learn things from all over the field, and beyond. The facts, methods, and insights from elsewhere will be much more useful than you might realize, possibly in your thesis, and most definitely afterwards. Being broad is a good way of learning to develop interesting questions.
When you learn the theory, you should try to calculate some toy cases, and think of some explicit basic examples.
Talk to other graduate students. A lot. Organize reading groups. Also talk to post-docs, faculty, visitors, and people you run into on the street. I learn the most from talking with other people. Maybe that's true for you too.
最后来谈谈我自己:
关于读PhD这件事(到底要不要读一个PhD?)：
很多学弟学妹对于读PhD这件事情可能并没有特别清晰的一个印象，我这里想引用Philip Guo的一段话，并且强烈建议所有有志于投身科研事业的学弟学妹们（尤其CS/Stat相关的同学）抽时间认真地读完他的主页上的那些建议. 读完以后会有一个自己的判断。
Philip Guo 本科以及PhD都在MIT，而且PhD入学就拿到了五年的fellowship， 这不仅仅是证明了他的优秀，更重要的是，他的五年PhD时间可以不受制于某个老师的限制自由探索自己所感兴趣的方向（因为他不需要某个prof提供funding）。 但是即使是这样的一个大神，在PhD前两年多次萌生退意，并且多次陷入抑郁当中。看看他是怎么说的:
My first warning for all new Ph.D. students is that Ph.D.-level research will be much more difficult than undergraduate research both in terms of the technical aspects and also the emotional stresses. So do not underestimate the inevitable hardships that await you in the coming years. One common cause of failure amongst early-stage Ph.D. students is underestimating the difficulty of the process, especially the early stages. At this point, you won't fully grasp the nuances of why this process is so hard, so the only advice I have is just to prepare for immense challenges in the years ahead.
Everyone starts a Ph.D. program with an incredible amount of potential. But most students never come close to approaching their full potential for creative research achievements. And the reason is never because they're not smart or technically capable enough; everyone who gets admitted is smart enough. Rather, non-cognitive factors such as a lack of emotional resilience, grit, perseverance, and self discipline are the main contributors to failure at the Ph.D. level. Fortunately, these character traits can be fostered via self-reflection and mentorship.
在南科大的普遍价值观指导下，"读全奖PhD"无疑是非常"上流"的。 但是世界上很多事情都是这样，在真正开始做一件事情之后，才会认识到这件事情和自己想的可能完全不一样。科研也只是一种职业，敢问这世界上有多少人是在自己最最热爱，甚至甘愿为之牺牲的行业中工作？事情往往是，对于一个行业有一些兴趣+一定的基础+踏实肯干的敬业精神，就值得一试。至于试过之后，有些人觉得还不错，继续科研。有些人觉得也没什么意思，就会选择转行。
在面试时候我被问到过一个老生常谈的问题：你为什么想读一个PhD？
我当时的回答大概是两点：
我对“把一件事情弄清楚”这件事是有执念的。 如果出现了令我困惑的事情，我会非常焦躁，只会想着把这件事弄清楚。实际上这体现了我具有非常强的好奇心。
我特别希望我的研究工作能够真正地帮到一些人。我非常希望我自己的工作能够让这个世界变得更好。
这两点其实是回答这个问题的“标准答案”。而属于我自己的答案，恐怕就要等到真正开始PhD生涯以后才能真正给出了。
我在香港的奇遇（我的全程套磁经历+面试经验）：
我前三年的过于失败的经历导致我直接放弃了申请北美，退一步将申请重点放在了亚太地区（现在看来，这个决定似乎还是过于保守了）。 由于我自己相当确信我无法做过于理论的研究，所以我将申请重点放在了biostat/bioinformatics. 关于学校的选择，在2019年9月份的时候有人告诉我NUS的PhD名额已经基本上内定，所以我也放弃了NUS的申请（而事实上这个消息恰好有误，统计系的另外一名同学就申请到了NUS stat PhD, 而且事实上NUS全年都在招生），把重点放在了港中科三校。
我申请季的第一封邮件发给了科大数学的C老师。 非常凑巧的是，有两位统计系的同学当时正好在HKUST交流，在得知我想套磁这位老师以后，这两位同学在课后问问题的时候大力吹嘘了我一通，所以在我发出套磁邮件以后，这位老师给了我非常积极的回复,这是我们当时的邮件往来（已经隐去了教授的个人信息）：
Dear Daoyuan, Thank you for your interest. As you can see from my website, there are more than ten PhD students in my group. I have to check the funding situation and then make a decision for PhD student next year.
check完funding情况以后：
Dear Daoyuan, You may first prepare your CV and your most favourite project, and then we can have a discussion. BTW, I know many faculty members at Stat, CUHK. Your performance at CUHK will be taken into account.
在我告诉他我的favorite project以后：
Dear Daoyuan, When I ask you about your favorite project, I mean that you have accumulated a lot of experience. If you can prepare a talk on Big data in genomics, then let's have a face-to-face meeting. You are expected to give a talk based on your own understanding and first-hand experience of data analytics. Just let me know when you are ready.
C教授是一位典型的rising star，他的Lab方向非常多，而且都做了很好的工作(ICML, Bioinformatics, PNAS etc.)
然而我个人的特点决定了我不会喜欢在这样的lab工作：他的实验室成员光PhD就有十多个，所以对于PhD的需求并不是很大， 同时也说明他分散到每个individual的精力肯定不太多。 我个人非常不喜欢内卷的环境，所以在最后就没有回复他。
另外值得一提的是，我在CUHK的的老板L告诉我“香港的圈子很小，做统计的老师之间其实都互相认识”。 后来我在翻C老师的个人主页的时候也发现了他和我中大的老板的合影。 所以C老师的“BTW, I know many faculty members at Stat, CUHK. Your performance at CUHK will be taken into account.” 并不是空穴来风。
拿到了港中文统计系L老师组访问的资格以后。我在9月2日到达港中文邵逸夫夫人楼。L老师跟我谈了大约半小时。L老师大概介绍了他的研究方向，并且告诉我他不主张一开始就进行研究，还是应该先做好基础知识准备（这也从另外一个方面印证了我对于科研和学业关系的观点），他给了我一本在机器学习方向非常著名的教材（PRML），并且要求我每周看一章，并且用半个小时时间讲一讲我看完以后的心得（他也是这样要求自己的PhD学生的）。
我对L老师的研究方向感兴趣，和L老师交往的经历也让我认识到他是一个非常好的老师。所以我在大四上学期把大部分的精力放在了阅读这本书上面，希望能打动L老师（香港的PhD录取中老师的意见扮演了很重要的角色，基本上只要老师愿意，招生委员会都不会太卡人（此处有争议））。
可惜事情又产生了转折。由于2019年10月起香港的局势不断恶化，前往港中文的道路变得越来越曲折，再加上我了解到与我同系的一位背景远强于我的同学居然也在L老师组做研究助理，求生欲迫使我不得不再次去寻找潜在的下家。
在倒了几乎一年霉以后，我的申请道路终于出现了转折。
最后的归宿：
第一次面试：
在仔细浏览完港三校的统计系faculty page以后我突然发现了HKU统计系的Z老师。我仔细研究了Z老师的个人主页，Z老师2019年9月份刚刚入职，做statistical genetics方向的研究。我非常确信Z老师现在处于非常缺人的状态。所以我抱着碰运气的心态给她发了一封套磁信，出乎意料的是，Z老师过了两个小时以后就回复了我，表示对我的材料非常感兴趣。
从2019年3月开始我一直被不确定的未来以及自身的劣势所折磨，我的自信已经被消耗无几。 而Z老师的回复给了我非常大的鼓舞。我立即回复她说由于我现在就在香港（实际上我当时一直在深圳），所以希望她能安排一次onsite interview.我主动提出onsite interview的原因是face-to-face meeting永远是最好的选择，因为只有这样才能做到100%地展现自己。
2019年10月3日我坐早上10点的高铁来到了香港西九龙站，在中环从荃湾线换乘港岛线，在约好的中午12点准时敲响了港大邵逸夫楼Z老师办公室的大门。
Z老师邀请我和她共进午餐。由于她自己刚入职，我只来过港大一次，两人在人生地不熟的校园里七弯八绕，花半个小时也没有找到原定餐厅的坐标，最后只好换到另外一家看起来特别高级的西餐厅解决。由于不熟悉香港餐厅的套路，Z老师还一不小心点了一碗看起来免费但是将近100港元的沙拉（手动捂脸）。
Z老师也是国人，所以我们全程都是使用的普通话交流。Z老师在路上并没有闲着，她大概询问了我的个人情况（1.大概做过什么样的研究2.暑研的情况3.在港中文交流的情况，4.在南科大学习的情况 5.为什么没有去申请北美…），另外Z老师并没有主动去问我的排名，同时她很感兴趣我的感情情况😕
午饭时间是路上闲聊的延申，并且Z老师大概介绍了一下自己的研究方向（和大多数统计系的老师一样，Z老师并不在意我在她的研究方向上的空白经历）。在返回办公室以后，我们进入了正式的面试环节：
在第一个环节Z老师首先拿出了我的成绩单，然后按照时间顺序从大一第一学期开始一条一条地看我的每一门课程的绩点（甚至包括大物普生这些通识课）；由于我的成绩分布比较均衡（在88分左右上下），所以Z老师重点放在了一些outlier上：她要求我解释为什么计算机导论只拿了75分（我的回答是大一的时候还没有完全适应大学的学习节奏并举了具体例子说明，她似乎比较满意我的回答），以及为什么数学分析精讲拿了满分（我的回答是因为当时整个班上包括重修的同学都只有10个人，所以竞争很小）。
第二个环节Z老师拿出了我的简历，让我一条一条解释这上面的具体研究内容（我的简历上一共有四段研究经历，但是我都只用了两句话来描述研究内容）。这个解释的过程并没有涉及到具体的数学推导，但是Z老师要求我按照Motivation-Solution-Evaluation这一条科学研究的基本路径解释清楚。举个例子：我的一段研究经历是用MM算法来计算某个分布的极大似然估计，Z老师第一步要求我解释清楚为什么不用简单易懂的牛顿法来做估计，第二步再解释MM算法的原理，第三步再讲清楚具体怎么应用到这个分布上，最后再解释清楚这个方案的效果。
这两个环节走完以后Z老师显得十分满意，她直接告诉我她非常满意我的面试表现。Z老师花了告诉我的简历上还有哪些改进之处，并且大概说了一下我的个人陈述应该怎么写。最后Z老师直言由于她刚刚入职，所以她并没有办法影响招生委员会的决定，但是她会尽力帮我说话（事实上她的意见似乎在招生委员会处起到了决定性的作用）。
和Z老师从中午十二点聊到了下午两点半，时间一晃而过。 Z老师直言我的面试表现得很好，但是她注意到我似乎非常不自信，似乎连我自己都不太认可自己的研究经历。她鼓励我一定要认识到自己的背景非常优秀，非常具有竞争力，并且主动提出如果今年申请失败，她非常愿意提供给我一个带薪RA工作。😂
现在回忆起来，本科前三年并不突出的绩点和曲折的研究经历确实消磨了我的大部分自信，甚至已经在考虑是否还要继续攻读研究生。自己和外人的不断否定使得当时的我对自己的expectation降低到了一个极低的level. Z老师的话给了我极大的鼓舞，让我开始重新公正地审视自己。
Z老师对我的帮助不仅于此。 极其幸运的是，我的个人简历和个人陈述全都是交给Z老师修改的。
（由目标学校的目标导师亲自修改个人简历和个人陈述，这种事晚上做梦都会笑醒😂）
我的个人陈述第一稿是1300字左右，而加上Z老师的批注以后字数变成了将近两千字。这是她留在我的第一稿个人陈述后的评语，我想分享给这篇文章的读者，我认为这是一个难得的角度，阐明了作为一位faculty, TA对于一篇个人陈述最看重的是什么东西：
Try to use this opportunity to make yourself a vivid person, not just listing your experiences in your CV. You don’t need to use very fancy and “advanced” words. Just show you are young, you are energetic, you are curious about science, about the life, about using statistics to answer some questions in life, in science, in this world. Show me your enthusiasm in your words!
第二次面试：
虽然我相当确信我给Z老师留下了非常好的印象，但是Z老师还是在12月中旬通知我说根据录取程序还是会有一次正式面试。 面试选在了19年12月31日。 理论上这次正式面试应该是由全体admission committee举行，但是实际上当天只有Z老师和另外一位ap出现。 我个人猜测其他老师 并没有足够的funding来招人，因此也就没有动力参加面试。
面试时问到的三个问题：
- Real Analysis/ Mathematical Statistics/ Probability Theory 是用什么教材教授的?
- 请用通俗易懂的语言来向外行人解释极大似然估计。
- 几种常用的快速排序算法。（数据结构与算法分析的内容，我没有答上来，实际上作为生统、生信学生这应该是一门必修课）
这三个问题都是非常典型的生统/生信面试问题。
第一个问题衡量的是课程基础，这几门课程的成绩是老师最关心的，直接反映了一名统计系学生的修课情况。
第二个问题则是生统特色，我想稍微多谈两句：大部分人可能只知道生统的学生要有扎实的统计基础。 实际上，交流能力在研究过程中也是至关重要。 生统的研究不可避免地要和非统计专业的研究者打交道（e.g. 做clinical trails就要和临床医生打交道）。 背景的不同导致我们不能assume合作者具有相关的统计背景，而为了降低交流时的gap我们就得学会和非专业研究者来解释我们的研究内容。 这种事情也是相互的，我现在就也发现我现在需要恶补很多生物专业背景知识。
再退一步说，作为一位研究者，通俗易懂地解释清楚自己的研究应该是他们的基本职责。
第三个问题则是Z老师的一个个人特色。 她的研究横跨统计/生物/计算机三个方向， 其中牵涉到对极高维数据的分析，数据结构与算法分析的知识是非常必要的。
最后
由于多种因素的作用，研究生院的offer一直到2020年3月初才送到了我的邮箱。中间也经历了不少波折，Z老师一直keep me updated,并且给了我很多Mental support. 我非常感谢她。
其他一些碎碎念：
不要被南科大的“政治正确”所束缚
在申请之外，希望大家也能注意到一些“少数派”同学的经历，这些经历能够帮助读者认识到，人生的路不只有申请一条。
笔者的朋友们中，有人从顶级985毕业以后去面试livehouse, 有人选择gap去日本学习平面设计, 还有人直接选择投资移民...
一些关于学习的想法：
我一直都不是一个善于考试的人，从我的GPA也可以看出。 但是结合我自己的经历，徐源诚的学习方法是非常有效的，同时我还是想提出几点tips以供大家参考。
请不要上课玩手机。 在上课时候就把所有问题搞懂永远是最优解。
【本条仅针对数学系/统计系】上课尽量用草稿纸记下老师在课件写下的每一句话，然后在课后，我会结合课本将草稿纸上的笔记全部抄到笔记本上。 这不是一个机械性地抄写过程，我会在这个过程中努力地在每一步补全Motivation, 尝试用自己的话来描述每一个细节，同时尽量补充上课时没有理解的细节。
Google-oriented learning： 如果在学习中遇到不会的问题，例如证明中遇到过不去的坎/作业不会写，请使用Google英文搜索，请一定不要使用百度中文搜索。 这个问题很重要，原因如下：
3.1 根据我自己的经验，基本上我在证明中遇到的所有的坎，都可以在stackoverflow上找到相应的回答。 至于百度知道，说garbage都是抬举了。
3.2 一个很好用的关键字：
（你想知道的问题）+lecture notes filetype pdf
例如想要搜索Gradient Descent Algorithm的收敛性证明,可以Google：
Gradient Descent Algorithm convergence analysis lecture notes filetype pdf
这样就可以搜到一大批top校的lecture notes，这些lecture notes的最大好处在于，他们会将每个证明细节都讲得一清二楚，将整个推导过程以一种很reasonable的方式呈现出来。 基本上遇到的所有的问题都可以在这些lecture notes中解决。
你甚至会发现数学系/统计系的某些老师的课件基本上就是抄的别人家的原稿，甚至符号都没有改。 同时如果点开这些课程的课程主页，可以看到这些课程会有相应的Homework，而这些题目就是Quiz/Midterm/Final的重要题目来源。
另外我很想提一句，我曾经向不少人安利过这个方法，但是回应都是“不会配置梯子”，属实迷惑行为。
3.3 我再说一遍：百度上的很多东西都是错的，毫无参考价值。
多找老师/高年级同学谈人生。