选导师,定方向

选导师,定方向。

看文献看到9.40,实在是看不下去,索性写一些自己这近两年来的研究生生涯的一些感悟,希望对还在迷茫中的你们有一点点的启示(如果谈不上启示,那就当给你们一点安慰)。
**

选导师

我是2018 年考的研究生,一志愿没上得了。后面调剂了另一所学校(既然能调剂到可想而知是一所普通的本科院校)。
现在很多2020年考研的学生应该已经联系完导师或者还处于联系中。实际经历告诉大家,选导师看老师的方向不要去看学校研究生院所给出老师介绍里的方向,大多数看起来很是高大上,其实非然。要看什么?去知网搜作者,写老师名字。去看她发的文章是什么类型,偏重哪一方向;去关注导师所带的硕士生、博士生发的哪种类型的文章。你看看文章就能知道你所要联系的老师到底专供哪个方向。
导师名头
不要去看导师的名头有多大,是不是教授级别,是不是博士生导师、是不是院长、是不是院士。这些与你的研究基本没有关系。如果你选择的是这些资历特别深的老师(年纪相对也大一些)。一般来说这种类型的老师名下都会有很多小老师,你可能会被分到小老师名下。也许你幸运会遇到好的小老师,负责。但是如果你不是那么幸运,小老师不咋管你,而你的导师又很忙。遇到问题你去问小老师他会说,你去问问你的导师。你去问你导师他会说你和小老师商量了吗?(别问我咋知道,因为我有这个经历哈哈哈)。两位老师都不会将你认真对待,所以你得研究道路上,只能靠你。或许很多人会说,研究本来就是一个人的研究啊!NO! NO!有人带和没人带完全是两回事。
选择相对年轻一点的老师也是有很多好处的,一般教授级别的老师年纪相对较大,或许面临退休。所以他们对论文的数量以及质量已经没有多大的需求度。这也会影响你发论文的数量与质量。而年轻的老师,一般来说是要评职称,职称怎么评起来,大多数还是依赖于个人的科研能力,科研能力怎么突出?当然看论文的数量和质量。所以大多数年轻一些的老师都是对论文有很大的需求,所以你也会被带动着慢慢开始写论文,发论文(最起码毕业不成问题)。
导师人品
这一点很重要很重要,见过辱骂学生的老师、也听过侮辱学生人格的老师,在研究生阶段的三年,你接触的大多只有你自己的老师,所以。一定要关注老师师德。这个怎么知道?联系一下你报考院校的学生,可以通过贴吧、熟人介绍等方式。去询问本校的学生是最好不过得了。
能不能和老师和谐相处很重要!!划重点!!!!!!

方向还是老师?

在我个人看来,选择一个你感兴趣的方向,要比选一个厉害的老师好得多,研究生的时候不像本科阶段你会泛泛的学习很多东西。研究生生涯,你基本是与一个课题死磕到底!!所以一定要选择一个你感兴趣的方向。等你毕业就业的时候,没人会问你,你老师是谁,They don’t care!!。你研所究的方向基本决定了你以后会从事哪种类型的工作。所以就我而言方向比导师重要。只要你选择的老师是一个人品较好,相对负责一点的老师。那就啥都没有问题了。

感悟

琐碎的说了很多,其实就是想告诉大家。一定要做好每一次的选择,不然到时候会有很多的后悔。最后祝所有的看到过这篇文章的同学,复试顺利。

**

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/256443.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

在apache中设置访问目录后进入的默认页面为index.php

找到apache的配置文件httpd.conf后找到 DirectoryIndex index.html index.php 在其中添加index.php, 转载于:https://www.cnblogs.com/itdi/p/5844517.html

spring@PropertySource用法

v测试例子 package com.hjzgg.auth.config;import org.springframework.beans.factory.annotation.Autowired; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.context.annot…

机器学习——支持向量机SVM之非线性模型(低维到高维映射)

目录 一、非线性模型的最优化问题 1、非线性模型最优化模型 2、两个概念 1)正则项(regularization term) 2)调参参数 2、高维映射 1)定义及作用 2)高维映射后的最优化模型 3)异或问题&…

html表单中get与post之间的区别

当用户在 HTML 表单 (HTML Form) 中输入信息并提交之后,有两种方法将信息从浏览器传送到 Web 服务器 (Web Server)。 一种方法是通过 URL,另外一种是在 HTTP Request 的 body 中。 前一种方法,我们使用 HTML Form 中的 method "get&quo…

世界坐标系,摄像机坐标系、图像坐标系关系汇总

**摄像机标定:**在计算机视觉研究领域,摄像机标定是一个重要的环节。摄像机标定就是求取摄像机内外参数的过程。 世界坐标系:绝对坐标系,一般的三维场景都由这个坐标系来表示。摄像机可以放置在环境中的任何位置,因此可…

SpringMVC-HelloWorld

2.5、Hello World入门 2.5.1、准备开发环境和运行环境: ☆开发工具:eclipse ☆运行环境:tomcat6.0.20 ☆工程:动态web工程(springmvc-chapter2) ☆spring框架下载: spring-framework…

CSVN备份初体验

备份方法挺多的,目前我知道有四种 其一: 首先复制旧csvn服务器上repositories下的版本库文件夹到新csvn服务器repositories文件夹下面(做以下修改时最好把csvn服务停掉) 然后复制旧csvn的svn_auth_file到新csvn上(相当…

机器学习——支持向量机SVM之非线性模型(原问题和对偶问题)

目录 一、原问题(prime problem) 二、原问题的对偶问题(dual problem) 1、定义一个辅助函数 2、定义对偶问题 >>>问题1:上面说到遍历w,那w的取值范围和取值步长是怎样的?即遍历的…

(转)Apache Rewrite 详解

(转)Apache Rewrite 详解参考文档:http://man.chinaunix.net/newsoft/ApacheManual/mod/mod_rewrite.htmlApache Rewrite 详解一 入门RewriteEngine onRewriteRule !\.(js|ico|gif|jpg|png|css)$ index.php就这两行. 然后就完成了URL重写功能了. 首先服务器是需要支…

python轮廓函数的使用

在图像的处理中有时候需要对图像中的目标区域提出出轮廓 读取图像 调用OpenCV的库使用cv.imread()来读取图像。 图像为 灰度化 二值化 提取轮廓时,图像一般都是二值化后的图像。在本次程序中选用cv2.THRESH_BINARY的二值化方式。即将大于阈值的部分设定为255&am…

Intent Bundle页面跳转信息的传递

MainActivity LoginActivity LoginLayout 转载于:https://www.cnblogs.com/xiaolei121/p/5846644.html

超易懂数据库范式

那些数据库的书介绍的数据库范式,实在是晦涩难懂,我在这里给出一个通俗的描述:1NF:一个table中的列是不可再分的(即列的原子性)2NF:一个table中的行是可以唯一标示的,(即…

机器学习——支持向量机SVM之非线性模型(原问题转化为对偶问题)

目录 一、复习(原问题、对偶问题、KKT条件、凸函数) 二、将最优化问题标准化为原问题(严格转化为标准形式) 1、原最优化问题 2、标准化后的问题 三、转化为对偶问题(注意变量的对应关系) 四、对对偶问…

静止的单摄像机无法得到像点的三维坐标详解

我们知道在机器视觉中通常要使用的搭建的视觉测量系统对一个物体的尺寸、形变、以及三维形貌进行测量。一般按照摄像机的个数以及组成部分分为三类测量方法。分别为单目测量、双目(大于2为多目)测量、以及结构光测量。 单目测量系统 顾名思义单目就指的…

一个比较笨的全文搜索的例子(分析结构用)-模糊查找

1 2 3 4 --在所有的char类型的列中模糊查找某个值。5 --**注意预先切换到当前的数据库中。6 DECLARE TABLE_CATALOG NVARCHAR(MAX)--数据库名7 ,TABLE_SCHEMA NVARCHAR(MAX)--架构名8 ,TABLE_NAME NVARCHAR(MAX)--表名9 ,COLUMN_NAME NVARCHAR(MAX)--列名 10 ,SQL N…

未能加载文件或程序集“Poderosa.Core

https://github.com/poderosaproject/poderosa上下载的一个开源工程,程序是在VS2012上编译的,然后VS2015转换后编译失败,报“未能加载文件或程序集“Poderosa.Core......”的错误 猜测是转换的时候引用丢失了,于是添加引用 F:\...…

个人阅读作业Week7

上了大学之后其实就没有很多时间去读书了,与其说软工作业时给我们布置了一些任务,但是也是在另一方面让我们得到了更多的知识的填补,因为平常能够接触的书籍很少,平常自己也是一个很不爱看书的人,所以我觉得这样的作业…

图像的像素、分辨率、像元尺寸、大小、清晰度的关系

图像的像素: 图像是由像素所组成的,像素的多少表明摄像机所含有的感光元件的多少。像素是指一张图像中所有的像素数之和。 图像分辨率: 是指表达方式也为“水平像素数垂直像素数” 像元尺寸: 是指一个像素在长和宽方向上所代表的实…

机器学习——支持向量机SVM实例(兵王问题,SVM求解步骤以及思路,不求解不编程)

目录 一、问题描述(兵王问题) 二、步骤 1、获得数据 2、样本划分(训练样本和测试样本) 3、训练样本得到SVM模型 ​ 1)数据处理 2)训练样本和测试样本归一化 3)选择核函数和调参 4&#…