Tư vấn cho trường sau đại học về khoa học máy tính

Tôi đang tìm kiếm một số lời khuyên và thông tin phản hồi.

Bối cảnh: Tôi là một sinh viên toán học đại học, có hứng thú với khoa học máy tính lý thuyết (độ phức tạp tính toán, lý thuyết đồ thị, tổ hợp). Tôi muốn theo đuổi bằng tiến sĩ Khoa học Máy tính và tập trung vào lý thuyết.

Nền tảng của tôi là trong lĩnh vực toán học chuyên sâu về khoa học máy tính, nhưng tôi thiếu một nền tảng ứng dụng hơn trong khoa học máy tính. Cụ thể tôi cần hoàn thành các khóa học về Lập trình, Thuật toán, Hệ điều hành và Cơ sở dữ liệu là công việc tiên quyết cho chương trình tiến sĩ. Tôi không thể phù hợp với các khóa học trước khi tốt nghiệp. Để khắc phục điều này, tôi dự định gia nhập lực lượng lao động và hoàn thành MS bán thời gian (để tôi có thể trả tiền cho MS), sau đó khi hoàn thành bằng MS, hãy tham gia chương trình tiến sĩ toàn thời gian.

Câu hỏi: Tôi có gặp bất lợi khi hoàn thành chương trình thạc sĩ bán thời gian, trước khi vào chương trình tiến sĩ, trái ngược với sinh viên CS tham gia chương trình tiến sĩ ngay sau khi hoàn thành bằng đại học? Vị trí tôi làm việc sẽ liên quan đến CS và sẽ cho tôi các kỹ năng có thể chuyển sang chương trình CS & có thể giúp tôi nghiên cứu tập trung tốt hơn. Tôi chỉ hy vọng con đường này không đặt tôi vào bất kỳ loại bất lợi nào (về mặt chấp nhận chương trình tiến sĩ). Tôi quan tâm đến việc theo dõi luận án MS và nhận ra rằng có thể tôi sẽ mất nhiều thời gian hơn để hoàn thành bằng MS (vì nó sẽ là bán thời gian). Sau khi hoàn thành MS, như đã nêu, tôi sẽ tham gia chương trình tiến sĩ toàn thời gian.

Tôi chỉ tìm kiếm một số thông tin phản hồi và lời khuyên. Cảm ơn bạn đã giúp đỡ!

Chắc chắn không có bất lợi nào khi nghiên cứu thêm một chút và một số công việc trong thế giới thực trước khi bắt đầu một chương trình tiến sĩ. Có một nền tảng rộng hơn luôn là một lợi thế, vì bạn có kiến ​​thức đa dạng hơn để rút ra khi giải quyết các vấn đề. Làm việc trong thế giới thực sẽ khiến bạn có căn cứ hơn, và có lẽ sẽ giúp hướng nghiên cứu của bạn đến những vấn đề thực tế (có thể giúp ích cho thế giới nói chung).

Mặt khác, rất nhiều người đã nhảy thẳng vào các chương trình tiến sĩ và đã thành công. Bạn có thể dễ dàng lấy bất kỳ tài liệu nào bạn bỏ lỡ (có lẽ ngoại trừ các buổi thí nghiệm thực hành), bằng cách đọc một hoặc hai cuốn sách trong khu vực. Dù sao bạn cũng sẽ làm rất nhiều điều này trong bằng tiến sĩ, vì vậy việc đọc một chút ít liên quan đến việc sẽ không bị tổn thương.

Về mặt nào đó, câu trả lời thực tế phụ thuộc vào quốc gia bạn dự định làm Tiến sĩ. Tiến sĩ kiểu Mỹ rất khác so với ở các nước khác (ví dụ: Bỉ, Úc, Hà Lan). Tiến sĩ kiểu Mỹ liên quan đến rất nhiều khóa học trong những năm đầu. Một số quốc gia khác không có khóa học trong những năm đầu.

Nếu bạn muốn có bằng tiến sĩ. về lý thuyết, thì bạn chắc chắn nên biết các thuật toán và có lẽ nên biết lập trình . Mặt khác, tôi nghi ngờ bạn sẽ cần biết Hệ điều hành hoặc Cơ sở dữ liệu - mặc dù biết chúng không bao giờ bị tổn thương.

Ví dụ, là một sinh viên chưa tốt nghiệp, tôi học chuyên ngành CS nhưng tôi chưa bao giờ học HĐH và tôi không cảm thấy nó ảnh hưởng đến bằng tiến sĩ của mình. ứng dụng (dù ai biết). Tôi đã thực hiện hệ điều hành để thực hiện một số yêu cầu ở trường học, nhưng tôi gần như đã quên hầu hết nó. Cuối cùng tôi đã tham gia hầu hết các khóa học hệ thống chính giữa học sinh lớp dưới và lớp, nhưng tôi không nghĩ rằng nghiên cứu của tôi sẽ phải chịu đựng nếu không.

Tôi khá chắc chắn rằng MS sẽ không làm hại ứng dụng của bạn, nhưng hãy chắc chắn rằng bạn không lãng phí thời gian và tiền bạc của mình.

Tôi muốn bất đồng một chút với Dave Clarke và Lev Reyzin. Ít nhất trong khoa của tôi, tiêu chuẩn nhập học tiến sĩ cho sinh viên có bằng MS cao hơn so với sinh viên chỉ có bằng cử nhân. Kinh nghiệm bổ sung có thể là một bất lợi, nếu nó không đủ kinh nghiệm bổ sung.

Tất cả những thứ khác đều bình đẳng, bộ phận của tôi hy vọng bất kỳ ứng viên nào có MS sẽ có một ấn phẩm, hoặc ít nhất là một kết quả có thể xuất bản, trước khi chúng tôi sẽ xem xét họ để được nhận vào chương trình tiến sĩ. (Và bởi "đã xuất bản", ý tôi là trong một thủ tục hội thảo hoặc tạp chí có thể truy cập web có uy tín, không chỉ là luận văn thạc sĩ, báo cáo kỹ thuật nội bộ, hội thảo nghiên cứu sinh viên, hoặc Tạp chí Khoa học máy tính Trung Quốc không thể tiếp cận .) công việc thời gian không có khả năng khiến bạn có đủ thời gian, hay quan trọng hơn là đủ năng lượng tinh thần để thực hiện nghiên cứu có thể xuất bản.

Tất nhiên, ceterus không bao giờ là paribus. Chúng tôi làm dịu yêu cầu xuất bản trên thực tế đối với các ứng viên MS đã chuyển sang các lĩnh vực chính. Nhưng sau đó, bạn đang ở trong vị trí không thoải mái để giải thích một điểm yếu nhận thức. (Mặt khác, tôi không chắc chắn việc chuyển từ toán học sang khoa học máy tính lý thuyết được coi là "chính".)

Lời khuyên của tôi là không nên để trứng vào một giỏ. Đầu tiên, hãy nói chuyện với những người bạn có thể làm việc trong các chương trình mà bạn quan tâm. Hãy để tôi nhấn mạnh số nhiều ở đây - nói chuyện với nhiều người trong nhiều phòng ban . Thứ hai, trong trường hợp không có lời khuyên mâu thuẫn cụ thể từ các bộ phận mục tiêu, áp dụng cho cả chương trình MS và Tiến sĩ. (Một số trường đại học, hoặc ít nhất là mẫu web của họ, ngu ngốc khiến bạn chọn cái này hay cái khác, trong trường hợp đó bạn phải nói chuyện trực tiếp với văn phòng tuyển sinh của khoa mục tiêu của bạn.) Các chương trình tiến sĩ của Sane cho phép sinh viên đến từ các lĩnh vực khác học các khóa CS để khắc phục.

Tôi là nghiên cứu sinh cũng thích nghiên cứu khoa học máy tính lý thuyết, không thực sự quan tâm đến các lĩnh vực khác của CS. Con đường tôi đi là vào một chương trình tiến sĩ về Toán ứng dụng. (Toán học thuần túy có thể hoạt động tốt, nhưng điều này có thể đòi hỏi nhiều khóa học toán hơn bạn muốn). Điều này cho phép linh hoạt hơn rất nhiều trong các khóa học. Trong thực tế, tôi đang tham gia nhiều khóa học TCS hơn là một sinh viên CS thuần túy. Luận án của tôi sẽ ở TCS và tôi sẽ làm việc với một cố vấn CS.

Tôi thấy rằng về cơ bản đây là cách tốt nhất để thoát khỏi tình trạng khó xử mà bạn đang phải đối mặt.

Giả sử bạn đã chọn bằng tiến sĩ. chương trình bạn quan tâm, lời khuyên của tôi là nói chuyện trực tiếp với người có thể là cố vấn tương lai của bạn. Anh ấy / cô ấy biết chính xác nền tảng lý thuyết và công cụ thực tế cần thiết cho từng chủ đề nghiên cứu có sẵn, do đó sẽ dễ dàng hơn để quyết định làm gì tiếp theo.

Về cơ bản, kiến ​​thức về các chủ đề nghiên cứu và các kỹ năng tiên quyết của họ sẽ cho phép bạn ưu tiên các tài liệu bạn cần để trang trải. Tôi sẽ đề cập đến các thuật toán đầu tiên, sau đó là cơ sở dữ liệu, hệ điều hành và lập trình bằng một hoặc nhiều ngôn ngữ. Điều này là do bạn có thể cần các thuật toán trong mọi chủ đề nghiên cứu, nhưng không nhất thiết phải là HĐH, DB và lập trình trừ khi các chủ đề được tập trung nghiêm ngặt vào những điều này hoặc yêu cầu thực hiện. Một lần nữa, nói chuyện với cố vấn tương lai của bạn là chìa khóa để hiểu điều này.

Như tuyên bố của @Dave Clarke, nếu bạn muốn trì hoãn đăng ký vào Ph.D. chương trình, điều này sẽ không làm tổn thương: kinh nghiệm bổ sung không bao giờ là một bất lợi. Thay vào đó, nếu bạn thích đăng ký ngay lập tức, hãy chuẩn bị cho một loại nghiên cứu toàn thời gian khác, có tính đến việc bạn không biết điều gì có thể được yêu cầu nhưng bạn biết toán học tốt hơn.

Tôi sẽ đồng ý với J ff E rằng bằng MS được xem là "giải khuyến khích" trong các ngành khoa học ở Mỹ vì mọi người thường thi chúng khi họ trượt kỳ thi trong các chương trình tiến sĩ. Và ai trả tiền để làm MS khi họ sẽ trả tiền cho bạn để làm bằng tiến sĩ trực tiếp?

Tôi cũng đồng ý với David Harris rằng toán học có thể chứng minh con đường hiệu quả nhất để thực hiện công việc lý thuyết nghiêm túc, nhưng điều này phụ thuộc hoàn toàn vào chương trình. Hỏi bất kỳ toán học hoặc comp. khoa học. các bộ phận cung cấp làm thế nào họ cảm thấy về các sinh viên tham gia các khóa học bên ngoài bộ phận mặc dù.

Tôi khuyên bạn nên mở rộng sở thích của mình trong khoa học máy tính ứng dụng hơn, nhưng hãy làm như vậy bằng cách đọc một cái gì đó. Có các chủ đề giải trí toán học xung quanh cơ sở dữ liệu, như bộ lọc Bloom , cũng như các bài báo được áp dụng thú vị, như các bài viết về CryptDB .