申請統計教職經驗分享 - offer
By Connor
at 2016-04-13T21:43
at 2016-04-13T21:43
Table of Contents
最近剛結束找學術工作之旅
發現PTT上似乎不多海外教職的經驗分享
在此拋磚引玉 希望能提供一些資訊給未來對學術工作有興趣的人
## Background:
2007-2011 B.S in Physics at NTU
2011-2012 當兵T____T
2012-2016 Ph.D in Statistics at Carnegie Mellon University
Advisors (有3位):
- Larry Wasserman (Statistics/Machine Learning)
- Christopher Genovese (Statistics)
- Shirley Ho (Physics/Astronomy)
## Research Area:
- Statistics: nonparametric statistics, empirical processes,
topological data analysis, applied statistics
- Machine Learning: cluster analysis, statistical learning theory
- Cosmology: large-scale structure, astrostatistics
## Publication:
- 3*統計期刊 (2*Annals of Statistics, 1*Electronic Journal of Statistics)
- 1*Machine Learning conference (1*NIPS)
- 3*天文期刊 (2*MNRAS, 1*ApJS)
- 其他8篇preprint/under review
ps. 統計的發表量都很少 許多頂尖學校只要1-3篇就可以畢業
## Interviews:
投25家 拿到13家on-site面試 都是Assistant Professor (tenure-track)
最後拿到4個offers
統計系:
Stanford, University of Washington, University of Michigan,
University of Pennsylvania, Columbia, Cornell, UC-Davis, Ohio State,
Rice, UIUC, UT-Austin
商學院:
University of Chicago-Booth, USC-Marshall
## Final decision:
University of Washington
這間是我最想去的學校 研究領域全面 學術聲望好(Top 5統計系) 地點好
其他教授們也好相處 地靈人傑啊~
-------------------
以下心得不一定適用所有場合
我的情況是
- 統計領域
- 研究型大學
- Assistant Professor (tenure-track)
# Chapter 1 綜合心得:
## Section 1 學術:
我覺得走學術最重要的是個性
要對學術非常有熱情
而且要有奇妙的洞察能力
常常能夠從新的角度看原本的問題
研究跟 寫作業 考試 是頗不一樣的活動
我很喜歡做研究
基本上我不會算我做研究的時間
因為我沒別的事情時就是在做研究
所以我才會找了3個advisors (他們都是好朋友)
讓生活可以充斥各種有趣的研究
Advisors多的好處就是能有許多research meetings
舉例來說 上學期我有
2*individual meetings
5*project meetings
5*group meetings
一共12個meetings
然後我就過得特別開心
ps. 這學期我只有8個meetings 所以我就有一點憂鬱 嗚嗚...
另外老闆和你研究的氣場合不合很重要
我曾有一篇文章是一個週末和我老闆L寫出來的
(兩個無聊男子(?)的週末休閒活動)
做研究 解題技巧不能太差 但並不需要很頂尖
重要的是如何不斷的從不同角度看原本的問題
還有看出不同問題之間的關聯性
## Section 2 統計:
統計是個很奇妙的領域
需要一定基礎的數學
(高等微積分、數學系線性代數是PhD課程的基礎 老師會預設你知道)
建議要有實分析的基礎
懂一點基本的泛函分析會讓生活比較愜意
但並不需要太深入的抽象數學
統計學與科學的關係非常深遠
統計學主要就是建構整套科學資料分析與推論的基礎
所以從科學領域 不管是自然科學或社會科學
轉入統計學往往會有額外的優勢
(前提是你的數學程度要足夠)
而這幾年統計整個領域也在劇烈轉變中
因為受到data science, machine learning(ML)的影響
基於統計與科學還有ML的親密關係
你在科學/ML領域的發表是有額外加分的
(前提是: 你在統計本身領域要有足夠好的發表)
## Section 3 教職:
統計領域找教職不一定要做postdoc
但主要關鍵還是你的推薦信與發表數
一般大概50%的人會做postdoc
50%的人會從博士班直攻教職
做postdoc的好處是你可以收集到比較多推薦信
也可以累積比較多的發表數
找教職競爭其實很劇烈
除了有PhD, postdoc之外
還會有已經在當教授的人 因為一些原因跑回來找教職
或著visiting/clinical assistant professor要轉tenure-track position跑過來申請
ps. visiting/clinical assistant professor:
通常是2-4年 固定年限的助理教授缺 不能申請終身職
所以他們最終如果要待在學術界 還是會跑來找tenure-track的缺
PhD雖然發表量往往會輸人家
但優點是如果你博士班就能有很好的成果
通常人家會認為你的潛力比較大 這也是提早畢業的優勢
像我博士班只讀了4年
只要展現出4年的發表不輸給其他競爭者
自然就會被認定比別人有潛力
其實後來覺得找教職應該讀久一點博士班
今天早上醒來突然發現自己不久之後要當教授了 覺得可怕(驚
# Chapter 2 申請前準備心得:
## Section 1 過程:
8-12月: 投遞申請資料
- 有些學校11月就截止 要注意截止日期
通常需要準備:
- CV
- 3-5封推薦信
- research statement
- teaching statement
- 0-3篇代表作
裡面最關鍵的是推薦信還有CV
但這些都是需要長時間才能培養好的
許多老師說research/teaching statement基本上不太有人看
但當我們的last name不是西方國家的名字時
你至少要確保這兩者內容的英文都是正確且流利的 (有老師跟我說這點很重要)
而學校方面 招生的運作大致是如下 (聽說)
由search committee主要負責 從上百封的申請者裡
選10-30個出來 然後讓系上大家來看
最後開會決定要邀請誰來on-site interview
一個位置通常會邀請4-8個人來面試
## Section 2 CV:
CV來講 可以分成三個面向: 研究 教學 服務
重要性聽說是 研究>>教學>>>>服務
- 研究
研究是最重要的
很強的研究
就算完全沒有教學與服務的經驗
也是有機會找到很好的工作
而研究面向裡
最有地位的就是文章發表
在統計界 數量不是最要緊的
重點是文章發表的期刊還有內容深度
另外發表領域的”廣度"也會有加分效果
除了文章發表外 presentation也會有加分
特別是到invited Talk等級的presentation 加分不少
(但學生很難拿到invited Talk 通常靠老闆推薦才能拿到)
至於其他研究經驗(當RA之類的) 聽說效果不大
- 教學
Instructor >>> TA >>>Grader
能有機會擔任Instructor對於教學加分很大
TA也是會少量加分的經歷
我曾聽說過 如果從頭到尾沒有任何教學經驗 可能會扣一點分
- 服務
擔任期刊reviewer會加一些分
特別是頂尖期刊 加分會更多
(這通常也是要靠老闆們推薦你當reviewer才拿得到)
協辦一些活動也會微量加一些分
- 其他
Honor and award聽說沒有什麼用.. 但有總比沒有好
例外的是聽說teaching award (excellent teaching)之類的反而加分加很大
(研究的獎似乎比不過教學的獎)
至於什麼東西可以放進CV? 有一個基本原則
只要跟學術有關
並且當人家要你解釋時你可以說明該經驗
就可以放進去
(如果你只寫過python幾次 就不要說你會用python 不然人家一問你可能就倒了)
## Section 3 推薦信:
推薦信的影響力是最大的
我看過很多頂尖的申請者 文章發表沒有特別突出
但一樣能拿到很多面試
關鍵就是他們有極為強大的推薦信
聽說推薦信有三個要素
1: 推薦人要很有名
2: 推薦人跟你要很熟
3: 推薦人要幫你說好話
而且聽說這三個要素是相乘--也就是只要少一個你就慘了
根據我老闆的說法
推薦信最好要找跟你有「合寫過」文章的老師比較好
所以平常能多跟不同老師合作就要多合作
## Section 4 老闆:
老闆很重要 老闆很重要 老闆很重要 (因為很重要所以要講三次)
最佳狀態是找 好老闆+神老闆+名老闆
除了指導你之外
老闆可以提供你非常多的資源
舉例來說
invited talk, reviewer這兩個經驗幾乎都是老闆推薦你才拿得到
老闆能夠幫你找很多合作者 (然後他們就能幫你寫推薦信)
老闆還能送你去當visiting scholar, 在演講時把credits給你,
朋友來訪時/去外校訪問時大力推薦你...
我老闆們就對我很好
我的7場invited talk裡 4場是他們推薦我去的
(另外3場是台大老師邀請我回去給演講)
而且我目前所有的發表裡
一共有16個不同的合作者 都是三位老闆們幫我四處找來的
他們被邀請去給演講 也都會大力推薦我
讓我感動的痛哭流涕啊T___T
## Section 5 人脈:
人脈很重要 你的人脈和你老闆的人脈都很重要
決定你拿不拿得到面試的隱藏要素之一就是人脈
單靠人脈拿不到面試
但當一群實力強的人在競爭面試機會時 人脈可能就會是最後一個關鍵
人脈可以分成 校內人脈與校外人脈
校內人脈就是你跟系上「非合作者」的教授們的關係
別以為人家跟你沒合作 就不會有影響力
教授們常常會跟他們的它校教授朋友們聊天
大家都喜歡你 你的名聲其實是會傳到其他學校的
我們系上還有老師特別跟他朋友推薦我
(後來我有拿到他朋友學校的面試)
即使這位教授我完全沒合作過 也沒修過他的課
校外人脈的重要性就不用說了
參加研討會是很好建立校外人脈的方法
至於要怎麼搭訕教授
我們敬愛的馬總統已經教過我們了
下面幫大家複習:
「XXX教授您好,我是OOO,我老闆是ZZZ」
通常人家就會願意跟你聊天--只要你老闆是人家聽過的
ps. 由此可知我們的總統先生可能真的有拿到博士學位(咦
另外一個可以建立校外人脈的方式是:
與講者吃飯/討論
老師們常常會被邀請到其他學校給演講
學生常常會有機會跟講者吃飯或約個時間討論
強烈建議多去認識其他老師
除了可以深度認識別的老師外 有時候新的研究靈感就這樣來
## Section 6 個人網頁:
個人網頁是許多人常常會忽略
但卻對找教職有不小影響力的東西
當search committee選出了那10-30個人給大家來挑的時候
他們就很可能會一個一個看個人網頁
(因為要收集額外的資訊)
如果你沒有個人網頁 那你可能在這邊會被扣分
個人網頁不要太花俏 重點是清楚+讓人印象深刻
CV無法表現的東西是圖片
還有根據研究領域分類你的文章
個人網頁弄得好 可以很清楚地讓人知道你有做哪些領域的文章
除了找工作用之外
平常維持一個好的個人網頁
對於增加學術能見度、被邀請去擔任reviewer都有加分
(我有幾個reviewer的經歷就是associate editor看了我的網頁後邀請我)
## Section 7 影響拿到面試機會的因素:
目前有聽到一些說法會影響拿不拿得到面試
- 同一間學校畢業的人 不會面試太多位
- 名校畢業的有加分
- 名老闆的學生有加分
- Search Committee的人認識你 有加分
至於統計的文章發表 能有文章在最頂尖的三個期刊
(Annals of Statistics, JASA, JRSSB) 加分加很大
如果想拿到統計top10學校的面試
聽說這三個期刊最好要有2篇以上
ps. 統計審文章的速度很慢 最順利的情況 投出去到接受大概要1年
(刊出來又要另外半年)
看過不少文章拖了3-4年才被接受...
這可能也是統計發表數量低於其他領域的原因
統計界對於ML的發表看法很玄妙
ML的發表以conference proceeding為主
跟統計的期刊取向很不同
你如果統計的文章發表數很多 且都很優質
那ML的conference proceeding人家會認為是大加分
但如果你是以ML為主 統計為輔 聽說這不會是很受到重視的組合
# Chapter 3 面試心得:
面試的過程會比大部分人想像還要輕鬆許多
別人會把你當做「教授」來看待(因為你可能是他們未來的同事)
所以會非常非常客氣
與其說是面試 不如說是跟新朋友聊天
只是最後人家會給你分數 根本相親(誤
大部分老師都會很友善的跟你討論
吃飯時也會很友善的跟你閒聊
甚至給演講問問題時也會友善地問
ps. 當然 一切都有例外XD
## Section 1 面試流程:
面試一般是1天到2天
通常是前一天坐飛機抵達學校 結束後隔天搭飛機離開
前一天晚上有時候會跟系上幾位老師吃晚餐
面試流程大致是--
早餐與教授吃
在系上跟不同的教授單獨meeting 30分鐘換一個教授
中午跟教授/學生吃
下午繼續跟不同的教授meeting 30分鐘換人
你快累死時的4點左右 給你的Job talk (通常1小時)
給完job talk通常會休息30分鐘 然後跟教授們吃晚餐
隔天重複一樣的行程
只是不用給Job talk
## Section 2 Job talk:
Job talk聽說是關鍵
給的好加分很多 給不好有很高的機會就掰了
各校風格差異很大
大部分學校 講到一半大家就開始瘋狂發問
通常是有禮貌的問
但也有少數學校人家會用不禮貌的方式問
e.g. 你回答的同時他不斷搖頭, 你說你不清楚答案他就大笑
有時候會覺得這該不會是壓力測試 (無誤
Job talk被問問題時 偶爾回答你不知道是很正常的
(沒有人會完全知道所有事情)
但如果太常回答不知道會扣分
我也碰過非常好的學校
大家把問題留到最後面才問
所以時間比較好掌握
如果是1小時的演講
建議準備45分鐘的slides就夠了
一般都會晚5分鐘開始 然後會被問10分鐘
(不過我曾經被問了50分鐘過... 那次演講就講了1小時半)
聽說job talk別人問很多問題一般表示是好的 (因為有興趣)
如果你講的過程完全沒人問 通常不是一件好事
## Section 3 Individual meeting:
單獨跟教授的meeting很重要
因為人家要看你好不好相處
不同教授會用很不一樣的方式過individual meeting
- 模式1 標準型:
跟你相互交流研究 跟你介紹系上的一些特質 最後讓你問問題
- 模式2 讓你問型:
一進來就說 “So do you have any question for me?"
不主動問你問題 都要你問他
- 模式3 對你很有興趣型:
我碰過幾個這樣的老師 對我的研究很有興趣
或對CMU的學生生活以及各種制度很有興趣
會很想了解你
- 模式4 解說劇情型:
你坐下來他就開始解說他們系的特色還有優缺點
不小心30分鐘就過去了 輕鬆過關
很多時候人家會讓你問問題 這時候「一定要問問題」
你沒有問題的話 人家會覺得你對他們沒什麼興趣
聽說沒問問題會被扣很多分 問很多問題反而會被加分
另外強烈建議面試前 要研究過下面幾個東西
- 各教授的研究領域
- 有哪些課你想要教
- 各教授參與的計畫與研究團隊
- 各教授的行政職
- 系上有相關的研究中心
這些都是當別人讓你問問題時 很好找問題來問的
e.g. 我發現你們學校有一個data science center, 他們跟系上合作很多嗎?
e.g. 我知道您是master program的director 請問這邊master的狀況怎麼樣?
## Section 4 吃飯:
吃飯我覺得是難度最高的地方 特別是晚餐
想想看你要跟3-4個外國人坐下來一起吃
大家以飛快的英文聊天
而你花了一整天跟不同的人meeting
還給了job talk 都快累死了
還要跟他們聊得很開心...
通常吃飯時 聊得不會是研究 (但有時還是會出現研究)
常常會聊一些歡樂的事情
像是這個城市有什麼好玩的地方
平常假日去哪邊玩
寒假 暑假要去哪邊
旅遊是一個很好聊的主題
電影 美劇也都是很好聊的東西
ps. 冰與火之歌屢試不爽XDDD 還有絕命毒師
運動也是非常好開話題的
## Section 5 Offer:
怎樣情況才能拿到offer其實很難講
有不少學校其實有著隱藏條件:
他們特別想找做某一塊的人 只是他們不一定明著公告出來
另外有人跟我說 其實學術界的politics還是有的
所以有些時候你看到研究超強的人 talk也給很好
最後卻神奇的沒拿到offer
有時就是因為一些political issue
(某個大老特別想收誰之類的)
## Section 6 心理建設:
面試前常常會睡不著
我聽說很多人都睡不好
我第一場面試就完全沒睡
整天面試下來最後還給演講
我居然能夠活著 自己都有點佩服自己XD
碰到不好相處的老師也不要患得患失
我碰過從頭到尾不太笑的老師
臉上總寫著「你欠我一百萬」那種感覺
還碰過吃飯講話不太看你的老師..
就放輕鬆過去即可
收到拒絕信壓力不要太大 要認為是人家的損失
勝敗乃兵家常事 大俠請繼續加油
不過面試會碰到許多高規格的待遇
人生真的很難得有這樣的經歷
舉例來說
我曾跟4個老師吃晚餐 他們的citations加起來超過60萬
也曾經有美國科學院院士幫我開車門
中研院院士+美國科學院院士帶我校園導覽...
有時也頗歡樂的
# 致謝
特別感謝台大江金倉老師與陳宏老師引領我進入統計學的領域
還有我在CMU的advisors: Larry Wasserman, Christopher Genovese, Shirley Ho
感謝他們一路的指導與栽培。
因為需要感謝的人太多了,就感謝天罷。(Chen 1961)
--
發現PTT上似乎不多海外教職的經驗分享
在此拋磚引玉 希望能提供一些資訊給未來對學術工作有興趣的人
## Background:
2007-2011 B.S in Physics at NTU
2011-2012 當兵T____T
2012-2016 Ph.D in Statistics at Carnegie Mellon University
Advisors (有3位):
- Larry Wasserman (Statistics/Machine Learning)
- Christopher Genovese (Statistics)
- Shirley Ho (Physics/Astronomy)
## Research Area:
- Statistics: nonparametric statistics, empirical processes,
topological data analysis, applied statistics
- Machine Learning: cluster analysis, statistical learning theory
- Cosmology: large-scale structure, astrostatistics
## Publication:
- 3*統計期刊 (2*Annals of Statistics, 1*Electronic Journal of Statistics)
- 1*Machine Learning conference (1*NIPS)
- 3*天文期刊 (2*MNRAS, 1*ApJS)
- 其他8篇preprint/under review
ps. 統計的發表量都很少 許多頂尖學校只要1-3篇就可以畢業
## Interviews:
投25家 拿到13家on-site面試 都是Assistant Professor (tenure-track)
最後拿到4個offers
統計系:
Stanford, University of Washington, University of Michigan,
University of Pennsylvania, Columbia, Cornell, UC-Davis, Ohio State,
Rice, UIUC, UT-Austin
商學院:
University of Chicago-Booth, USC-Marshall
## Final decision:
University of Washington
這間是我最想去的學校 研究領域全面 學術聲望好(Top 5統計系) 地點好
其他教授們也好相處 地靈人傑啊~
-------------------
以下心得不一定適用所有場合
我的情況是
- 統計領域
- 研究型大學
- Assistant Professor (tenure-track)
# Chapter 1 綜合心得:
## Section 1 學術:
我覺得走學術最重要的是個性
要對學術非常有熱情
而且要有奇妙的洞察能力
常常能夠從新的角度看原本的問題
研究跟 寫作業 考試 是頗不一樣的活動
我很喜歡做研究
基本上我不會算我做研究的時間
因為我沒別的事情時就是在做研究
所以我才會找了3個advisors (他們都是好朋友)
讓生活可以充斥各種有趣的研究
Advisors多的好處就是能有許多research meetings
舉例來說 上學期我有
2*individual meetings
5*project meetings
5*group meetings
一共12個meetings
然後我就過得特別開心
ps. 這學期我只有8個meetings 所以我就有一點憂鬱 嗚嗚...
另外老闆和你研究的氣場合不合很重要
我曾有一篇文章是一個週末和我老闆L寫出來的
(兩個無聊男子(?)的週末休閒活動)
做研究 解題技巧不能太差 但並不需要很頂尖
重要的是如何不斷的從不同角度看原本的問題
還有看出不同問題之間的關聯性
## Section 2 統計:
統計是個很奇妙的領域
需要一定基礎的數學
(高等微積分、數學系線性代數是PhD課程的基礎 老師會預設你知道)
建議要有實分析的基礎
懂一點基本的泛函分析會讓生活比較愜意
但並不需要太深入的抽象數學
統計學與科學的關係非常深遠
統計學主要就是建構整套科學資料分析與推論的基礎
所以從科學領域 不管是自然科學或社會科學
轉入統計學往往會有額外的優勢
(前提是你的數學程度要足夠)
而這幾年統計整個領域也在劇烈轉變中
因為受到data science, machine learning(ML)的影響
基於統計與科學還有ML的親密關係
你在科學/ML領域的發表是有額外加分的
(前提是: 你在統計本身領域要有足夠好的發表)
## Section 3 教職:
統計領域找教職不一定要做postdoc
但主要關鍵還是你的推薦信與發表數
一般大概50%的人會做postdoc
50%的人會從博士班直攻教職
做postdoc的好處是你可以收集到比較多推薦信
也可以累積比較多的發表數
找教職競爭其實很劇烈
除了有PhD, postdoc之外
還會有已經在當教授的人 因為一些原因跑回來找教職
或著visiting/clinical assistant professor要轉tenure-track position跑過來申請
ps. visiting/clinical assistant professor:
通常是2-4年 固定年限的助理教授缺 不能申請終身職
所以他們最終如果要待在學術界 還是會跑來找tenure-track的缺
PhD雖然發表量往往會輸人家
但優點是如果你博士班就能有很好的成果
通常人家會認為你的潛力比較大 這也是提早畢業的優勢
像我博士班只讀了4年
只要展現出4年的發表不輸給其他競爭者
自然就會被認定比別人有潛力
其實後來覺得找教職應該讀久一點博士班
今天早上醒來突然發現自己不久之後要當教授了 覺得可怕(驚
# Chapter 2 申請前準備心得:
## Section 1 過程:
8-12月: 投遞申請資料
- 有些學校11月就截止 要注意截止日期
通常需要準備:
- CV
- 3-5封推薦信
- research statement
- teaching statement
- 0-3篇代表作
裡面最關鍵的是推薦信還有CV
但這些都是需要長時間才能培養好的
許多老師說research/teaching statement基本上不太有人看
但當我們的last name不是西方國家的名字時
你至少要確保這兩者內容的英文都是正確且流利的 (有老師跟我說這點很重要)
而學校方面 招生的運作大致是如下 (聽說)
由search committee主要負責 從上百封的申請者裡
選10-30個出來 然後讓系上大家來看
最後開會決定要邀請誰來on-site interview
一個位置通常會邀請4-8個人來面試
## Section 2 CV:
CV來講 可以分成三個面向: 研究 教學 服務
重要性聽說是 研究>>教學>>>>服務
- 研究
研究是最重要的
很強的研究
就算完全沒有教學與服務的經驗
也是有機會找到很好的工作
而研究面向裡
最有地位的就是文章發表
在統計界 數量不是最要緊的
重點是文章發表的期刊還有內容深度
另外發表領域的”廣度"也會有加分效果
除了文章發表外 presentation也會有加分
特別是到invited Talk等級的presentation 加分不少
(但學生很難拿到invited Talk 通常靠老闆推薦才能拿到)
至於其他研究經驗(當RA之類的) 聽說效果不大
- 教學
Instructor >>> TA >>>Grader
能有機會擔任Instructor對於教學加分很大
TA也是會少量加分的經歷
我曾聽說過 如果從頭到尾沒有任何教學經驗 可能會扣一點分
- 服務
擔任期刊reviewer會加一些分
特別是頂尖期刊 加分會更多
(這通常也是要靠老闆們推薦你當reviewer才拿得到)
協辦一些活動也會微量加一些分
- 其他
Honor and award聽說沒有什麼用.. 但有總比沒有好
例外的是聽說teaching award (excellent teaching)之類的反而加分加很大
(研究的獎似乎比不過教學的獎)
至於什麼東西可以放進CV? 有一個基本原則
只要跟學術有關
並且當人家要你解釋時你可以說明該經驗
就可以放進去
(如果你只寫過python幾次 就不要說你會用python 不然人家一問你可能就倒了)
## Section 3 推薦信:
推薦信的影響力是最大的
我看過很多頂尖的申請者 文章發表沒有特別突出
但一樣能拿到很多面試
關鍵就是他們有極為強大的推薦信
聽說推薦信有三個要素
1: 推薦人要很有名
2: 推薦人跟你要很熟
3: 推薦人要幫你說好話
而且聽說這三個要素是相乘--也就是只要少一個你就慘了
根據我老闆的說法
推薦信最好要找跟你有「合寫過」文章的老師比較好
所以平常能多跟不同老師合作就要多合作
## Section 4 老闆:
老闆很重要 老闆很重要 老闆很重要 (因為很重要所以要講三次)
最佳狀態是找 好老闆+神老闆+名老闆
除了指導你之外
老闆可以提供你非常多的資源
舉例來說
invited talk, reviewer這兩個經驗幾乎都是老闆推薦你才拿得到
老闆能夠幫你找很多合作者 (然後他們就能幫你寫推薦信)
老闆還能送你去當visiting scholar, 在演講時把credits給你,
朋友來訪時/去外校訪問時大力推薦你...
我老闆們就對我很好
我的7場invited talk裡 4場是他們推薦我去的
(另外3場是台大老師邀請我回去給演講)
而且我目前所有的發表裡
一共有16個不同的合作者 都是三位老闆們幫我四處找來的
他們被邀請去給演講 也都會大力推薦我
讓我感動的痛哭流涕啊T___T
## Section 5 人脈:
人脈很重要 你的人脈和你老闆的人脈都很重要
決定你拿不拿得到面試的隱藏要素之一就是人脈
單靠人脈拿不到面試
但當一群實力強的人在競爭面試機會時 人脈可能就會是最後一個關鍵
人脈可以分成 校內人脈與校外人脈
校內人脈就是你跟系上「非合作者」的教授們的關係
別以為人家跟你沒合作 就不會有影響力
教授們常常會跟他們的它校教授朋友們聊天
大家都喜歡你 你的名聲其實是會傳到其他學校的
我們系上還有老師特別跟他朋友推薦我
(後來我有拿到他朋友學校的面試)
即使這位教授我完全沒合作過 也沒修過他的課
校外人脈的重要性就不用說了
參加研討會是很好建立校外人脈的方法
至於要怎麼搭訕教授
我們敬愛的馬總統已經教過我們了
下面幫大家複習:
「XXX教授您好,我是OOO,我老闆是ZZZ」
通常人家就會願意跟你聊天--只要你老闆是人家聽過的
ps. 由此可知我們的總統先生可能真的有拿到博士學位(咦
另外一個可以建立校外人脈的方式是:
與講者吃飯/討論
老師們常常會被邀請到其他學校給演講
學生常常會有機會跟講者吃飯或約個時間討論
強烈建議多去認識其他老師
除了可以深度認識別的老師外 有時候新的研究靈感就這樣來
## Section 6 個人網頁:
個人網頁是許多人常常會忽略
但卻對找教職有不小影響力的東西
當search committee選出了那10-30個人給大家來挑的時候
他們就很可能會一個一個看個人網頁
(因為要收集額外的資訊)
如果你沒有個人網頁 那你可能在這邊會被扣分
個人網頁不要太花俏 重點是清楚+讓人印象深刻
CV無法表現的東西是圖片
還有根據研究領域分類你的文章
個人網頁弄得好 可以很清楚地讓人知道你有做哪些領域的文章
除了找工作用之外
平常維持一個好的個人網頁
對於增加學術能見度、被邀請去擔任reviewer都有加分
(我有幾個reviewer的經歷就是associate editor看了我的網頁後邀請我)
## Section 7 影響拿到面試機會的因素:
目前有聽到一些說法會影響拿不拿得到面試
- 同一間學校畢業的人 不會面試太多位
- 名校畢業的有加分
- 名老闆的學生有加分
- Search Committee的人認識你 有加分
至於統計的文章發表 能有文章在最頂尖的三個期刊
(Annals of Statistics, JASA, JRSSB) 加分加很大
如果想拿到統計top10學校的面試
聽說這三個期刊最好要有2篇以上
ps. 統計審文章的速度很慢 最順利的情況 投出去到接受大概要1年
(刊出來又要另外半年)
看過不少文章拖了3-4年才被接受...
這可能也是統計發表數量低於其他領域的原因
統計界對於ML的發表看法很玄妙
ML的發表以conference proceeding為主
跟統計的期刊取向很不同
你如果統計的文章發表數很多 且都很優質
那ML的conference proceeding人家會認為是大加分
但如果你是以ML為主 統計為輔 聽說這不會是很受到重視的組合
# Chapter 3 面試心得:
面試的過程會比大部分人想像還要輕鬆許多
別人會把你當做「教授」來看待(因為你可能是他們未來的同事)
所以會非常非常客氣
與其說是面試 不如說是跟新朋友聊天
只是最後人家會給你分數 根本相親(誤
大部分老師都會很友善的跟你討論
吃飯時也會很友善的跟你閒聊
甚至給演講問問題時也會友善地問
ps. 當然 一切都有例外XD
## Section 1 面試流程:
面試一般是1天到2天
通常是前一天坐飛機抵達學校 結束後隔天搭飛機離開
前一天晚上有時候會跟系上幾位老師吃晚餐
面試流程大致是--
早餐與教授吃
在系上跟不同的教授單獨meeting 30分鐘換一個教授
中午跟教授/學生吃
下午繼續跟不同的教授meeting 30分鐘換人
你快累死時的4點左右 給你的Job talk (通常1小時)
給完job talk通常會休息30分鐘 然後跟教授們吃晚餐
隔天重複一樣的行程
只是不用給Job talk
## Section 2 Job talk:
Job talk聽說是關鍵
給的好加分很多 給不好有很高的機會就掰了
各校風格差異很大
大部分學校 講到一半大家就開始瘋狂發問
通常是有禮貌的問
但也有少數學校人家會用不禮貌的方式問
e.g. 你回答的同時他不斷搖頭, 你說你不清楚答案他就大笑
有時候會覺得這該不會是壓力測試 (無誤
Job talk被問問題時 偶爾回答你不知道是很正常的
(沒有人會完全知道所有事情)
但如果太常回答不知道會扣分
我也碰過非常好的學校
大家把問題留到最後面才問
所以時間比較好掌握
如果是1小時的演講
建議準備45分鐘的slides就夠了
一般都會晚5分鐘開始 然後會被問10分鐘
(不過我曾經被問了50分鐘過... 那次演講就講了1小時半)
聽說job talk別人問很多問題一般表示是好的 (因為有興趣)
如果你講的過程完全沒人問 通常不是一件好事
## Section 3 Individual meeting:
單獨跟教授的meeting很重要
因為人家要看你好不好相處
不同教授會用很不一樣的方式過individual meeting
- 模式1 標準型:
跟你相互交流研究 跟你介紹系上的一些特質 最後讓你問問題
- 模式2 讓你問型:
一進來就說 “So do you have any question for me?"
不主動問你問題 都要你問他
- 模式3 對你很有興趣型:
我碰過幾個這樣的老師 對我的研究很有興趣
或對CMU的學生生活以及各種制度很有興趣
會很想了解你
- 模式4 解說劇情型:
你坐下來他就開始解說他們系的特色還有優缺點
不小心30分鐘就過去了 輕鬆過關
很多時候人家會讓你問問題 這時候「一定要問問題」
你沒有問題的話 人家會覺得你對他們沒什麼興趣
聽說沒問問題會被扣很多分 問很多問題反而會被加分
另外強烈建議面試前 要研究過下面幾個東西
- 各教授的研究領域
- 有哪些課你想要教
- 各教授參與的計畫與研究團隊
- 各教授的行政職
- 系上有相關的研究中心
這些都是當別人讓你問問題時 很好找問題來問的
e.g. 我發現你們學校有一個data science center, 他們跟系上合作很多嗎?
e.g. 我知道您是master program的director 請問這邊master的狀況怎麼樣?
## Section 4 吃飯:
吃飯我覺得是難度最高的地方 特別是晚餐
想想看你要跟3-4個外國人坐下來一起吃
大家以飛快的英文聊天
而你花了一整天跟不同的人meeting
還給了job talk 都快累死了
還要跟他們聊得很開心...
通常吃飯時 聊得不會是研究 (但有時還是會出現研究)
常常會聊一些歡樂的事情
像是這個城市有什麼好玩的地方
平常假日去哪邊玩
寒假 暑假要去哪邊
旅遊是一個很好聊的主題
電影 美劇也都是很好聊的東西
ps. 冰與火之歌屢試不爽XDDD 還有絕命毒師
運動也是非常好開話題的
## Section 5 Offer:
怎樣情況才能拿到offer其實很難講
有不少學校其實有著隱藏條件:
他們特別想找做某一塊的人 只是他們不一定明著公告出來
另外有人跟我說 其實學術界的politics還是有的
所以有些時候你看到研究超強的人 talk也給很好
最後卻神奇的沒拿到offer
有時就是因為一些political issue
(某個大老特別想收誰之類的)
## Section 6 心理建設:
面試前常常會睡不著
我聽說很多人都睡不好
我第一場面試就完全沒睡
整天面試下來最後還給演講
我居然能夠活著 自己都有點佩服自己XD
碰到不好相處的老師也不要患得患失
我碰過從頭到尾不太笑的老師
臉上總寫著「你欠我一百萬」那種感覺
還碰過吃飯講話不太看你的老師..
就放輕鬆過去即可
收到拒絕信壓力不要太大 要認為是人家的損失
勝敗乃兵家常事 大俠請繼續加油
不過面試會碰到許多高規格的待遇
人生真的很難得有這樣的經歷
舉例來說
我曾跟4個老師吃晚餐 他們的citations加起來超過60萬
也曾經有美國科學院院士幫我開車門
中研院院士+美國科學院院士帶我校園導覽...
有時也頗歡樂的
# 致謝
特別感謝台大江金倉老師與陳宏老師引領我進入統計學的領域
還有我在CMU的advisors: Larry Wasserman, Christopher Genovese, Shirley Ho
感謝他們一路的指導與栽培。
因為需要感謝的人太多了,就感謝天罷。(Chen 1961)
--
All Comments
By Callum
at 2016-04-14T21:40
at 2016-04-14T21:40
By Lauren
at 2016-04-18T23:41
at 2016-04-18T23:41
By Gilbert
at 2016-04-22T07:46
at 2016-04-22T07:46
By Tom
at 2016-04-26T19:46
at 2016-04-26T19:46
By Gilbert
at 2016-04-30T12:50
at 2016-04-30T12:50
By Isla
at 2016-05-05T10:42
at 2016-05-05T10:42
By Emily
at 2016-05-07T16:41
at 2016-05-07T16:41
By Daniel
at 2016-05-10T08:10
at 2016-05-10T08:10
By Eden
at 2016-05-11T22:00
at 2016-05-11T22:00
By Olivia
at 2016-05-16T12:56
at 2016-05-16T12:56
By Ophelia
at 2016-05-21T00:00
at 2016-05-21T00:00
By Frederic
at 2016-05-25T02:04
at 2016-05-25T02:04
By Olive
at 2016-05-27T07:26
at 2016-05-27T07:26
By Leila
at 2016-05-29T00:10
at 2016-05-29T00:10
By Carolina Franco
at 2016-06-02T12:28
at 2016-06-02T12:28
By Barb Cronin
at 2016-06-06T00:15
at 2016-06-06T00:15
By Una
at 2016-06-08T17:31
at 2016-06-08T17:31
By Freda
at 2016-06-08T19:10
at 2016-06-08T19:10
By Kelly
at 2016-06-10T22:59
at 2016-06-10T22:59
By Edwina
at 2016-06-12T09:06
at 2016-06-12T09:06
By Kelly
at 2016-06-15T23:13
at 2016-06-15T23:13
By Charlie
at 2016-06-18T06:26
at 2016-06-18T06:26
By Zanna
at 2016-06-20T10:15
at 2016-06-20T10:15
By John
at 2016-06-25T09:08
at 2016-06-25T09:08
By Lydia
at 2016-06-26T10:51
at 2016-06-26T10:51
By Regina
at 2016-06-28T08:58
at 2016-06-28T08:58
By Sandy
at 2016-06-28T20:47
at 2016-06-28T20:47
By Emma
at 2016-06-29T01:39
at 2016-06-29T01:39
By Lauren
at 2016-07-03T06:50
at 2016-07-03T06:50
By Hedy
at 2016-07-04T06:14
at 2016-07-04T06:14
By Erin
at 2016-07-05T10:40
at 2016-07-05T10:40
By Queena
at 2016-07-07T00:02
at 2016-07-07T00:02
By Lydia
at 2016-07-08T01:07
at 2016-07-08T01:07
By Candice
at 2016-07-11T11:40
at 2016-07-11T11:40
By Doris
at 2016-07-16T10:01
at 2016-07-16T10:01
Related Posts
J-1 Visa 與 保險問題
By Lily
at 2016-04-13T18:34
at 2016-04-13T18:34
job offer裡的option?
By Isla
at 2016-04-13T12:07
at 2016-04-13T12:07
job offer裡的option?
By Doris
at 2016-04-13T06:47
at 2016-04-13T06:47
日商株式会社Fusic徵求台灣人才
By Candice
at 2016-04-11T21:01
at 2016-04-11T21:01
出國工作的考量?(觀光飯店業)
By Damian
at 2016-04-11T19:52
at 2016-04-11T19:52