你的科研課題是完全根據興趣的嗎?

我目前還是香港小碩一枚,小有成就,準備申美帝的PhD。我做機器學習領域的。在做碩士研究期間,跟的老闆是做CV的,他給我帶的課題就是做deep learning和compression。目前我在compression方面中了幾篇文章了。我個人一直的興趣是在Learning Theory和Kernel Methods,只是我老闆覺得碩士不要做那麼難的先。然而現在面臨申PhD,我想申做這些理論方面的教授,這就意味著我PhD時得完全換方向。其實我也是蠻熟悉這方向的,因為一直有關注,有學習。但我現在的老闆說我已經在這方面很有成就了,何必改變方向呢?說不定我能在這些做得更好。而且我感興趣的內容雖然數學已經研究得很優雅,但已經是很老的機器學習方法了,他認為我應該向前看,跟著現在的潮流,去搞deep learning。

我就很糾結。一方面,我的學術理想就是想發展機器學習的數學基礎,希望能把這其中的東西解析得漂漂亮亮。另一方面,確實又如老闆所說,何必放棄成就已高的領域呢?而且做當今潮流的方向,上限會更高。

現在我就很苦惱了。

------------------------------------------------------------------------------------

謝謝大家的回答!收益很多!我已經決定PhD申MJ,做我想做的方向了。


我的興趣是吃喝拉撒睡,有時間看看動漫打打籃球玩玩電腦就行。。

科研課題怎麼可能看興趣。。

興趣都是做課題做著做著培養出來的。。

現在做著一個課題,一開始的時候簡直蒙逼,這課題有意思么,感覺一眼就望到頭了,垃圾課題。。不知不覺兩年過去了,現在感覺還挺有意思的,因為找到了一些小目標,努力努力,實驗上要真能做出來就好了【白日做夢.jpg】。。

然而現實是,一年半之前做的一個小結果,到現在還tm重複不出來。。更別說別的小目標了。。

(ノ?益?)ノ彡┻━┻

現在這個課題連文獻都不好找,簡直摸著石頭過河,不知道哪天就發現自己畢不了業了。。


謝邀。

很難說我現在選的題目是不是完全根據興趣,因為有時候很難區分什麼是自身興趣、什麼是外界因素的影響。人有時候會受到外界因素的潛移默化的影響。我一直認為我會走上學微分幾何的道路,受到了外界因素的很大影響——我那一屆復旦學純數的幾個學生,大部分都是學幾何或者拓撲的,和他們交流的過程中自然而然對幾何了解得多一些,因而興趣也多一些。我大二下的時候上的傅老師的《從微積分到上同調》的討論班,也幫助建立了我對微分幾何這一塊內容的興趣。來到賓大以後,我第一學期就選了我現在老闆開的黎曼幾何課程——儘管他的德國口音一開始讓我感到很不適應,但是久而久之也慢慢習慣了。。後來過了一年,我考過oral exam,選擇他做我的導師,他明確告訴我,不會為我指定畢業論文的題目,只會給我提建議,具體題目讓我自己去找,因為「自己選的題目做起來才有激情(他的原詞是exciting)」——我猜這大概也是德國數學界的傳統?他是波恩大學畢業的PhD,做畢業論文的過程基本大部分工作都是自己做的,他的導師並沒有幫多少忙,他可能認為 儘早培養這種獨立研究的能力 很重要。

然後再說說 潮流 的事情。我現在做的那類問題,說實話,我自己都覺得,在微分幾何領域內,算是比較「老土」的內容。。正曲率的問題,在黎曼那個時代就可以提,算是非常純粹、非常傳統的黎曼幾何問題,純粹到,和幾何分析、和PDE都沒太大關係。。微分幾何現在的潮流是什麼,是Kahler-Einstein度量,還有各種來自數學物理的問題,比如Yang-Mills equation,比如gauge theory,比如各種模空間等等,還有和復代數幾何以及低維拓撲相關的種種問題(這裡面很多問題也是通過數學物理這個橋樑聯繫起來的)。不過呢,說到這裡,我想起本科某位老師曾經這麼跟我說過,大家都一窩蜂去做的熱門方向,不太適合我做,他覺得我反而適合去做那些沒太多人做的方向。大概是受到了這種潛意識的影響,我才選擇了現在做的這個方向吧。。不過話又說回來,正曲率的問題呢,老土歸老土,但真要做起來,還是非常、非常、非常困難的。。(困難的點在於曲率張量的計算太複雜了,要保證所有的截面曲率全正,如果通過直接計算截面曲率的方法去做,那就要計算出整個曲率張量的所有信息,那太困難了;現在都是通過迂迴間接的方式去做)我現在也只是在「挖一點點牆角」,這個領域的核心問題,我完全不知道怎麼去attack。。

突然想起本科時候某位學長曾經對黎曼幾何做過一個比較悲觀的預言:他認為黎曼幾何會像20世紀曾經火熱過的射影微分幾何,逐漸過時掉、冷寂掉。。(熟悉我旦數學系史的人應該知道蘇步青先生是射影微分幾何的大家,然而現在整個復旦根本沒有人做射影幾何這種「過時的東西」。。)我不知道未來是不是真會這樣,不過最近20幾年傳統的黎曼幾何好像也沒什麼特別大的突破(Perelman的工作主要還是用的幾何分析和度量幾何等等比較現代的工具),未來是否會走進一個瓶頸期也未可知(也許現在就已經在瓶頸期了)。不過數學各個領域都是相通的,如果在未來,正曲率流形的分類問題能夠被某種嶄新的數學工具給解決掉,那也會是很振奮人心的事情吧~


難得看到這麼有誠意的問題,瀉藥!

我覺得你能有意識的建立自己獨立判斷研究方向的能力是非常難能可貴的,尤其是做科研,不能人云亦云。但是正是因為是自己的主觀判斷,所以你要花比別人更多的時間去思考自己的判斷有多少理性有多少衝動。我相信你想從事機器學習的理論研究這份決心,但是你應該思考如下幾點:

  • 為什麼一定要做機器學習的理論?是因為你比別人數學更加紮實?還是你看到了別人看不到的有意思的有研究價值的問題?理想都是美好的,但是我覺得從你的表述看,你對如何實踐自己的理想可能還是一個比較模糊的狀態。
  • 機器學習的理論不止是統計學習理論和核方法,現在機器學習方向這麼多,每個方向多少都有一些理論基石,我建議你多去了解一下機器學習頂會裡面偏重理論的文章都在做什麼,是不是跟你想的機器學習理論很不一樣。(再無恥加點私貨,推薦你去研究研究optimal transport theory以及它如何推動機器學習的發展)
  • 在思考一下出世和入世方面的事情

最後回答你的問題,科研課題是完全根據興趣嗎?

當然不是啦,在美國讀CS博士你的研究經費很大程度決定了你的科研自由度,我推薦在有限的自由度下尋找興趣和能力的結合點。我個人理解優質的PhD科研應該是在某個方向獨領風騷而不是跟著大夥坐時代的火車!


我之前做人體行為識別的,當時進課題組就分我做這個,慢慢的發現這個領域我沒啥興趣,而且找工作也不太好找。我就琢磨用遷移學習做行為識別。後來剛好帶我的小老闆離職了,我就乾脆拋開行為識別,直接做遷移學習本身,充其量只是把行為識別當做一個實驗而已。這樣也是符合實驗室的需求,符合老闆的計劃。所以暫時沒啥問題。最好的情況就是,自己想做的,也是老闆想做的,或者有項目支撐的。

自己不想做,但是被逼無奈,很悲劇的。因為你沒有興趣,所以肯定學習效率低,科研的火花也就難以得到碰撞。如果這種情況的話,一定要跟導師好好聊,讓導師知道自己的真實想法,看能否雙方協調改變。自己也可以進行調整,比如利用自己的興趣和優勢,盡量往需要的方向上靠。

千萬不要違背自己的秉性。我們最美好的年華一定要做自己喜歡的事啊!


謝邀。我的科研課題不是按照我的興趣來的,但是我做它的方法是我按照我的喜好來的。 我大致上理解你的疑慮:我個人碩士的時候做抽象空間上的發展方程,做得還算不錯。但是讀博士期間,我得換方向,去做數學物理模型上的反問題,從結果來說,我覺得這是值得的,因為我在自己時間充裕的時候學習了新的工具,拓寬了我的視野。到了博士後,我又換了一個方向,做麥克斯韋方程的控制性問題。 這些「小方向」籠統來說都是屬於偏微分方程和泛函分析的範疇,這個範疇非常巨大,足夠很長時間。 相互之間有千絲萬縷的聯繫。我在數學問題的選擇上屬於不挑食的類型,什麼都能做得津津有味,沒啥節操。

我做問題的時候,雖然尊重導師的意見,但是我會加入自己的思考,甚至體會所有的處理思路。 比如,我博士第一個問題是一個巴黎高師的學者(現在在蘇黎世(ETH))提的,他提這個問題的時候順帶給了他的理解,他覺得應該用傅立葉分析,一則我不擅長傅立葉分析,二則這個思路只能處理齊次問題。我笑了笑,什麼都沒說。幾個月後我用連續性方法+先驗估計這種老醬油的方法解決了那個問題(包含了齊次和非齊次),他們也沒意見,還覺得不錯,覺得我做得好。

特侖蘇陶在他的個人博客裡面寫過這個相關問題的回答,他的意思是一個人做研究的時候可以先從簡單的做起來,然後慢慢拓寬自己的工具,不斷往外學習,才能使得自己越做越寬。同時你在學習新問題的時候多找找和老問題的聯繫,這樣可以作出差異化的東西。

如果我是你,我覺得你應該去學新的方向,你現在的試錯成本還很低,時間上也充裕,等你後期想學就沒那麼好的條件了。當然了,這完全是我個人的不成熟意見,聽還是不聽都看你。


首先,所謂的對科研課題的"興趣",是需要建立在對該領域有一定了解,甚至精通基礎上的。否則在最初階段,我們只能叫做"興緻」,而不是叫「興趣」。根據我周圍人的情況,絕大多數,甚至可以說是幾乎所有博士(包括我自己),他們的課題都不是從興趣出發的,通常都是老闆要做什麼,就跟著做下去了,然後就成了自己的未來方向。有一些人,在有一定積累之後,根據自己的判斷以及具備的主客觀條件,在日後會調整自己的科研興趣。但要知道,在科研領域,有機會做自己真正感興趣的東西,是具有相當難度的。如果你已經是行業大牛,有數不清的業內資源,那你完全有能力去選擇自己感興趣的課題。但對於一個博士,你所接的課題是否是你感興趣的,是帶有很大運氣成分的,因為這裡有無數的未知變數。比如,你選擇了一個喜歡的課題,結果進去後發現老師水平一般,或者沒有足夠的科研經費供你做實驗,或者老師人品不好,或者課題是涉密內容不讓發文章,等等等等。你敢保證說,當你遇到這些外在限制的打擊後,畢業還能有興趣繼續這個方向么?

簡單歸納下題主選擇的困惑:

選擇 1)碩士已做的方向,有文章積累,比較上手;

選擇 2)非碩士領域,但比較有研究熱情,比較感興趣。

要做出這個選擇,我建議題主考慮一個很重要的問題:讀這個博士,你準備以後幹嘛?

工科博士背景,如果畢業繼續從事相關領域,要麼是進企業搞研發,要麼是找教職當老師。舉倆個例子,如果你是做實際工程方向的,主攻實驗操作(跟實際有較好的結合,甚至就是企業項目),那你進企業的優勢要更大一些;如果你是做第一性原理,純搞計算模型的,那你進高校的可能性要遠遠高於企業。所以你首先要有一個大體的判斷,將來是喜歡去企業,還是喜歡留高校。你要選擇的課題方向,要緊密圍繞這個去選擇。

如果你喜歡畢業進企業。企業招聘,不管國內外,一般都希望應聘者有N年的工作經驗。這個對於剛畢業的博士而言,是一個不小的考驗。所以你博士所選擇的課題,要更結合實際應用,最好是和相應行業契合較好的方向。在讀博士期間,最好多有一些跟企業合作的機會,或者實習之類,可以增加你的競爭力。

如果你喜歡畢業進高校。對於一個剛畢業博士/博士後而言,衡量你能否進高校的唯一標準,就是你的文章數量和質量是否過硬。這時候,你要選擇的課題,一定要是較好發文章的方向。光好發文章還不夠,你要對給你Offer的教授及課題組,有一個較為全面的了解。主要看課題組該方向,近些年的文章數量及期刊水平,還要了解一下往屆相關方向同組博士的畢業去向,以及帶你的直屬老師科研水平,課題組配套硬體設備等。我可以這麼說,你所在的課題組水平,老師的水平,所做課題能發文章的可行性,基本決定了你博士畢業的層次,也決定了你未來進高校的起步職稱。這個比你埋頭努力搞科研,要重要許多許多。這就是為什麼,有的人不到30歲,博士畢業再做2-3年博後,回國可以拿青千,直接正教授;而有的人拚死搞到40多歲,回國卻只能從講師做起,甚至無法進入高校。不得不承認,人的天賦確有高低之分。但如此大的差距,絕非所謂」天賦「,」努力「就能解釋的。」選擇「,這才是真正的核心所在!

根據我的讀博經歷,最後我想說的是:讀博士是一個有高風險的事情。你會遇到很多來自科研,以及科研以外的困難,很多是你自己很難控制的。這時候,慎重選擇你的課題組和課題,顯得極為關鍵!這是一個很系統的調查和統計工程。希望題主先把所謂對「課題的興趣」放在一邊,更多去思考一下自己將來的就業方向。要知道,「興趣」是可以從無到有慢慢培養的,而能否有一個好的就業,這才是我們去大學讀書最終的目標。


根據我導師的興趣。


對於職業研究者,嚴格來說不是興趣,而是品位。重點不在你選擇哪個領域,而是你想做什麼樣的研究,用什麼approach。


我個人的現實情況是一半一半吧。

碩士階段的方向是陰差陽錯撞進來的,本科專業可以理解為一半化學+一半生物,碩士專業可以理解為一大半化學+少量物理。

進入這個領域的時候完全沒有興趣可言,因為確實對這個領域一點都不了解啊,就是導師讓做啥就做啥。但是博士申請的時候,選的是自己想做的方向去申請的,相當於碩士課題的前沿版吧。以及碩士課題在做的過程中感覺,這個領域還蠻好玩的。

對於本科沒參與過學術工作的同學,碩士課題根據導師的課題來,我覺得是比較正常的。練手,熟悉領域,初步知道什麼是科研和如何做科研,這些起步階段的東西跟著導師走挺好的。在這個過程中,除了實力層面的提升,隨著對學術的認知層次的加深,慢慢你會發現自己興趣所在的方向。發現了興趣以後,就按你想做的方向去申請PhD或者原地轉博之類的,都可以。對於本科就參與學術工作的同學,在這個過程中已經對學術有一些了解的話,就可以根據興趣在本科期間找課題組聯繫讀碩或者讀博了。

我認為興趣是個至關重要的東西,這對你在碩博期間能不能夠做到全身心投入和能不能面對失敗以及其他各種問題,有非常大的影響。對於學術工作者來說,失敗應該是常態,如果你對你做的東西沒有足夠的信心或者興趣,在失敗的時候,負面情緒會變得更加不好處理。或者說如果你興趣不夠的話,你不會發自本能去學習的,而如果你對一個領域有很濃厚的興趣,這個時候看書看論文都會成為一種享受,這種感覺會促使你利用更多的時間去學習和思考。日積月累,好處就會慢慢體現。但你做的方向如果讓你厭惡,就不容易出這種狀態了。總體來說,內心驅動力是做好學術的一個重要條件。

以及我為什麼之前說要先做一段科研再去根據興趣選方向,因為在做之前你對學習考試和做科研這兩者之間的區別體會沒有那麼深,文獻閱讀方面也可能有欠缺,那麼有可能出現這麼一種情況,就是你看著一個方向好像挺不錯的,結果一做實驗發現這個方向遠遠不如自己想像的有意思。

但是真正做過科研的同學,看文獻的時候可能更加明白文獻里那些文字意味著怎樣的一種科研生活,那種生活是不是自己喜歡的,他們的感受要深刻得多。運氣好的話,有的同學一開始去試水的方向,做著做著發現自己特別喜歡,然後繼續搞,大概是最好的結果。

就總的來說,我覺得最終的科研方向必須是自己感興趣的,但在這之前,得有一個發現和尋找的過程,一開始就按興趣選可能不是太容易做到。運氣好的話,一開始的嘗試就是自己喜歡的。

也有我這種稀里糊塗讀了研,讀了發現自己做的方向自己喜歡,也算得上走運。萬一不喜歡,我在申PhD的時候就會找其他感興趣的方向了。

以上內容沒有考慮教職人員,教職人員可能要開一些自己沒啥興趣但好拉經費的方向去做,所謂的以販養吸。

(我覺得發明以販養吸這個詞的人真是個天才……)


跟著大老闆申請的基金項目走


我畢業論文的題目是《星相學對大學生炫耀性消費傾向的實證研究》,當時選這個題目的原因是討厭身邊女生唧唧喳喳煞有介事的各種討論星座,想用科學的研究堵住♂她們的嘴,這樣大家吃飯的時候就可以討論一些有深度的話題了。

所以現在每次吃飯的時候,人家一問你什麼星座的,我都會說,我畢業論文是證偽星座對人性格的影響。然後大家會說哇好有意思,然後跳過我問下一個人。

所以我每次吃飯都吃很多。

不說了去健身房跑步了。


現在確實是DL刷榜的時代,那些用很fancy數學的傳統模型在數據量大的時候干不過DL是事實,理論做的好看也得不到多少關注吧...我個人目前剛開始做DL,雖然對PGM的前景更看好,不過估計之後很長一段時間都是做DL了


導師給的

----------------

啊不不不!忽然想到supervisor和supervisor的老公都玩知乎。我選的題目雖然老師給了建議,但我對此領域非常感興趣,尤其是看了老師給的baseline paper之後感覺渾身觸電,所以選了這個題目!啊一定要相信我啊!

啊 好像暴露了連baseline paper都是給的,我放棄治療了


一個方向是創造並引領潮流,一個方向是跟隨潮流。看你自己更適合做哪個方向。

我認為不應該被當前已有的成就和收穫所束縛,換方向不代表之前的成長與收穫都是徒勞,也許反而成為你在新的方向中的某種優勢,何況我也不認為你這算跨度很大的換方向。

在我自己的觀念與生活中,漸漸的喜歡做一些跨方向的事情和學習。在不同的方向中發現相通和共融點。

我目前的方向,既有腦神經科學,也有物理模型。另一方面想進一步的學習物理,同時有機器學習的基礎。打算利用物理模型進一步解釋腦結構,然後提煉出機器學習模型。這需要至少三個方向的精深研究,只能跨方向學習。

PS:很多諾貝爾獎是多學科交叉融合的成果


怎麼說呢

包辦婚姻,日久生情。


老闆欽定的,人隨項目走


不是,我的博士課題是完全根據名字好聽選的;那個時候我並不真的知道它是什麼所以也談不上興趣與否。


看出身,有錢選興趣,沒錢選錢途。

老闆的建議是錢途


我的課題是根據老闆認為我有興趣


小碩一枚,目前蠻享受科研的緊張刺激狀態的。見題所問,追憶往事,心懷感激。

導師本科帶我畢設,那時答主還是個乳臭渣渣,無知又天真。那時每周一次見面討論,導師和藹,也問我們一些生活狀態,畢設累不累的。

答主在那一時期,對自己的專業有了更深一步的了解,(雖然現在看來並不算什麼),就特別想了解本專業所研究的事物對象。

尤其那會兒對於表象神奇的東西充滿幻想。想這麼牛的教授,肯定知道,就想清楚問題,認真措辭了一星期左右,再很認真的向他提問,既然是無處不在,那麼其存在是一個怎樣的狀態,又是怎樣擴散的?

估計我當時並不具有相應的理解力吧,講了可能也聽不懂。導師沒有當即回答我,只是說讓我有時間去查查,看一個人的著作。此事當時再沒後話,不了了之。

現在做的課題,恰是回答我當初的疑問。

未知是老師有心,還是因果巧合。我卻存著十分的感激,求我所疑,知我所求。

師恩也是說不清的緣分。


推薦閱讀:

怎樣看待Ali Rahimi 獲得 NIPS 2017 Test-of-time Award後的演講?
使用強化學習做出的拆單和下單演算法,和傳統的下單演算法相比,有哪些優勢?
你用機器學習做過哪些有趣的事兒?
为什么泊松分布可以应用在推荐系统上?
這個讓一張圖用另外一張圖的筆觸重新演繹出來的軟體是怎麼實現的?

TAG:數學 | 科研 | 統計學 | 機器學習 | 統計學習 |