此外，项目在全国985高校的申请者中，从中筛选出300-350名本科生进行面试，并最终录取80-100名同学，可见竞争还是非常激烈的。被录取的同学会按照专业被分成10个小组，在第二周的时候，每个小组都会举办peer seminar，每位同学都要在seminar上做开题报告，介绍自己将要研究的课题。CSST的志愿者还会把你的pre录下来，帮你分析你的优点和不足。在第九周的时候，每个人都要在自己的组内做final presentation，总结自己的研究报告。第十周则是对前两个月所作科研的总结，并做成一张海报，进行海报展。

后一种是海外大学自己的科研项目，本来是为他们自己的本科生准备的暑期科研机会，但也允许国际学生申请。这种项目最常见的申请方式就是向教授海投邮件，但是这对于学生的背景要求比较高（毕竟要使自己在许多封邮件中出彩），我们需要一份写得简洁又生动的CV，并阐述自己的兴趣爱好，为什么会选择这个lab等等，总之要体现出你申请这个lab是出于你的研究兴趣而不是其他目的。此外，建议小伙伴们做一个Excel表格，记录准备申请的实验室，因为海投的过程比较漫长，很多邮件寄出去往往得不到答复，所以我们需要一个表格来记录发邮件的进度，以免漏发或者重复发送。还有一种比较靠谱但难度较大的申请方式就是借助学校里科研导师的帮助，获得内推的机会。导师们如果有出国经历的话，在国外应该有关系比较好的教授，你可以先在国内的实验室里好好表现，给导师留下一个好印象，再和老师提出你想去国外暑研，请求他的推荐。如果老师有资源的话，一般都会帮助学生的～

看完上面的文字后，相信小伙伴们对国外暑研的那些事也有了一定程度的了解。含金量高的科研一般也要求申请者自己有科研经历，而在国内，大二阶段学生才刚刚开始专业课的学习，对于专业的知识尚且了解不深，更不用说是相关的科研经历了。所以建议题主在大三时再出国暑研，趁著大二到大三的过度这一年好好准备，不光是国内的科研经历，TOEFL也可以去考一考，好好学习专业课把GPA提上来，这些都能在申请好的暑研时使自己获得优势。很多暑研项目会在11月到1月开放申请，也就是本科生的大三上学期，越早申请机会越大，一般来说四月份就是很多项目的deadline，所以这个时间点还是要特别注意一下的！

总的来说，想要获得真正有意义的科研经历，我们还是要做好充足的准备，希望同学们都能够获得一份好的暑研经历哦！

1.时间点： 如果你是打算去国外做暑研，尤其是打算好好积累一段科研经历，拿到一封强推。建议可以放到大三的暑假。你现在大二，即将到来的大三上，就是今年的9月份，会有一些明年的暑研项目开始申请，你可以关注下学校的官网，看自己的学校跟哪些国外的学校有合作。 通常情况下，一个比较优秀的中国学生，会在大二下开始接触科研，第一段科研经历通常都是校内的。仅仅通过半年的积累就出去，风险比较大，所以如果是在大二的暑假出去做科研，本身也不是很推荐。专业课还没有接触很多，加上暑研本身挑战就很大，如果表现不好，很有可能拿不到推荐信，这样的例子比比皆是。所以，不妨先积累国内的科研经历，同时等大三上完主要的专业课程之后，再出去，这样可能更理性一些。

2. 成功率：暑研申请，无论是自己申请一些本校和国外名校的合作的项目，还是自己套磁教授去申请，成功率可以说都不高。这些基本都是针对名校同时专业实力又比较靠前的学生的。当然，市场上有一些相对来说比较好申请的收费性质的暑研项目，这类项目质量比较低，跟我们上面说的不是同一类。所以，暑研申请，对于成功率，申请者自己应该有个心理准备。

3. 不是所有的人都适合出去做暑研。最起码，你GPA得还可以，最起码你标化考试能过得去，最起码你本身有一些国内的科研积累，再考虑出去，否则得不偿失。暑研从来都不是一个轻松的事儿。一定要分清楚主次，不要跟风。

4.寒假的机会确实比较少，因为时间短。

更多关于暑研的分析，可以看这篇文章：

李坤鹏留学咨询师：深度思考||时下热门的暑研，是否所有人都适合申请？

如果有更多个性化的申请问题想要咨询，可以点下面，链接中有我的联系方式：

21Fall CS\EE\统计\DS专业申请群向您发出邀请，申请路上，我们抱团取暖！

2019MIT寒假科研

量子物理

Our research group studies quantum electronic phenomena in condensed matter. We are particularly interested in so called "low dimensional" systems where the electrons motion is geometrically restricted by the effective dimensionality of the structure. This occurs in many physical systems, for example at the surfaces of solids, in nanostructures, and in molecular solids. We are currently exploring electronic phenomena in molecular solids that are derived from fullerene molecules, nanotubes, and related carbon-derived structures. These provide a very interesting family of structures in which subtle changes in stoichiometry or geometry are known to lead to a wide range of electronic phenomena (conducting, insulating, magnetic and superconducting phases are known for these solids). We study how this range of properties depends on the microscopic structures of the constituents and how this behavior might be controlled at the molecular level. We are interested in better understanding the effects of strong repulsive interactions between electrons on the electronic properties. When these interactions are sufficiently strong, electrons in a solid do not move independently, but only in a highly correlated way. This is very important for understanding the electronic behavior, yet the development of a theoretical framework for analyzing these highly correlated states of matter remains a formidable challenge. We have studied this problem for various low dimensional models (one and two dimensional systems) that exhibit transitions in the electronic behavior as the electron density and interaction strengths are varied. Our earlier work in surface physics has used a variety of theoretical tools (ranging from first principles electronic structure methods to phenomenological approaches) to study the equilibrium structures and vibrational excitations of crystal surfaces

科研内容

The goal of the research is to teach group theory and information theory relating the two through linear algebra and geometry. This combination is somewhat novel/unconventional in its construction, reflecting the instructor』s research interests. However, even when taken separately, these subjects are useful for both pure math, communication, cryptography, and data science purposes, and are good general foundations for students who are interested in these fields.

OBJECTIVES

1.A basic grasp of group theory and matrix representation

2.A basic grasp of information theory up to the noisy channel theorem

3.Implement robust symbol and stream codes

4.Analysis of the relationship between the noisy channel theorem and stacking density problem( in particular from the perspective of isomorphism)

STEP ONE

(Intensive group theory and information theory crash researchs, restricted mainly to linear algebra for practical implementation)

1.Basic definitions of a group, matrices, and vector space

2.NxN matrices, orthonormal basis, and diagonalization

3.Justification for entropy as a measure for information

4.Simple encoding methods in information theory

5.Relating encoding with linear algebra

Assignments: Construct a program to encode and decode simple data through matrices and vectors

STEP TWO

(Open question exploration)

1.Introduction and implementation of Huffman coding(Symbol coding) and arithmetic coding(Arithmetic coding)

2.Student analysis and comparison of the two methods

(Student research and open problem exploration, will only explore partially depending on time constraints)

3.An exploratory discussion on the relation between noisy channel coding and group homomorphism

4.Discussion on sphere stacking in low dimensions and shannon』s noisy channel coding problem

5.Discussion on group homomorphism and sphere stacking

6.Review recent progress made in 8 dimensions and 24 dimension on sphere stacking in 2016 and interpret using information-theoretic and group theoretic tools.

物理专业拓展阅读

计算机与数学科研

MIT计算机专业科研

2019寒假/暑期招募中（12月中旬-4月中旬）

背景要求：以欲申请美国名校计算机类、电子工程类、自动化、数据挖掘类、统计类等相关专业的本科生、研究生为主；

科研主题：机器学习；数据挖据；深度学习；信息提取；计算生物学；自然语言理解；

科研详情：carrie_jiujiu

科研计划

Variable Selection in High Dimensional Data

Keywords: Machine Learning, Data Mining, statistics, high-dimensional statistics, variable selection, genomics healthcare application

Recommendation: theoretical heavy, suitable for students with good ML/math/statistics background and reasonable good programming background

Introduction:

This big data era has witnessed a rapid increase in the volume of data. Together with the increasement of volume, the amount of available information of each data sample increases even faster, resulting in a high-dimensional regime. In machine learning/statistics filed, we typically refer the problems where we have more features/variables than the number of samples as a high dimensional problem. Intuitively, one could imagine the difficulties of such high dimension problems since there will not be enough information to study the these features/variables. Statistically, there is no widely-accepted solutions to many different aspects of these problems and progresses on these aspects may lead to impactful work nowadays.

This project challenges the students to study some of these challenging problems. For example, the introduction of Lasso [1] has greatly revived the high-dimensional problem. It solved many related questions, however, introduced many more questions.

1.Lasso is known with inconsistent [2] and unstable problems [3], therefore, variable selection usually turns out to be underperform than expected. There are a few solutions proposed to rescue these problems, like Adaptive Lasso [4], Elastic Net [5], Precision Lasso [6], but these are not satisfying enough.

2.Most of these works are still done with the assumption of linear regression. What if the response variables are not linear, but categorical? A naive solution in the low dimensional case will be logistic regression, but corresponding properties in high dimensional logistic regression or non-linear targets, are not well covered. Refer [7] for some early stage solutions.

3.Another challenge is about heterogeneous data: modern data sets are barely collected with a consistent setting, resulting the data come from twisted distributions. This heterogenous property raises challenges for reliable variable selection, and some attempt solutions are based on linear mixed model [8]. Some extensions are proposed as follow-ups [9,10,11], but there are a lot of chances to extend this work.

MIT数学专业科研

背景要求：以计划申请美国名校数学、统计等（含DATA MINING）相关专业的本科生、研究生为主；

The research program at MIT focuses on Mathematical Statistics, more specifically including descriptive statistics, modeling construction, and numerical computation. Especially, several classical methods related to mathematical statistics in decision-making process will be detailly introduced, such as AHP, TOPSIS, RSR, etc. Whilst some commonly used mathematical software package such as MATLAB, SPSS, and LINGO will also introduced in the course of the statistics learning. Moreover, the research apprentics will introduced the usage of EndNote, a commercial reference management software package, used to manage bibliographies and references when writing essays and articles. Overall, by attending this program, the apprentics will have a large improvement in discovering, analyzing and solving practical problems from the mathematical perspective, that are closely related to their future studies.

科研计划

Session 1: Introduction to statistics, modeling, and computation

Task1: Summarize the overview (data, methodology, results) of the recommended papers, install some software packages.

…………

Session3:Analytic Hierarchy Process (AHP)

Session4:Entropy method

…………

Session6:Rank-sum ratio

Highlights: RSR, short for Rank-sum ratio, is a statistic analysis method originally proposed by F.T. Tian in 1993. It integrates the strongpoints of classical parametric estimations and modern nonparametric estimations. Since its first introduction in 1988, RSR has been quickly recognized as a powerful and promising statistical analysis research tool for mathematical modeling of operational processes. In this session, the apprentics will have a comprehensive understanding in the application of RSR for grouping in monitoring process.

Session7: Clustering Analysis (CA)

…………

Task7:Apply the CA to solve a grouping problem related to a specific project (benchmarking road safety).

其他大学专业科研

哈佛大学 （ biological engineering &

斯坦福大学 （life science , CS ,Mathmatics )

加州大学伯克利分校 ( CS EE engineering , biology ,chemistry,statistics，）

宾大（physics，engineering）

卡内基梅陇大学（EECS ）

MIT CS

Research areas

Algorithms Theory

Foundational work that includes complexity, parallel computing and game theory

AI Machine Learning

Spanning natural language processing, deep-learning, computer vision and more

Computational Biology

Understanding disease via epigenomics, gene regulation and bioinformatics

Computer Architecture

How CPUs, memory and other systems are designed and organized

Graphics Vision

Teaching computers to interpret, create and animate visual data

Human-Computer Interaction

Software and hardware that let us naturally interact with technology

Programming Languages Software Engineering

From compilers and verification to software design and engineering

Robotics

Vision, actuation, sensing and manipulation of machines

Security Cryptography

Developing technologies to prevent and recover from cyber-attacks

MIT Networking

From distributed systems and databases to wireless

详情咨询：carrie_jiujiu

Statistics at MIT

Applied Mathematics Research

http://www.eecs.mit.edu/academics-admissions/graduate-program

原创文章，转载须告知。

美国的暑研项目肯定是多于寒假的科研，寒假的科研并不是没有，但是选择性比较小。比如麻省理工学院的计算机科学与人工智慧项目、哥伦比亚大学的化学科研项目、加州大学圣地亚哥分校的生物信息项目、斯坦福大学的地球科学研究项目、哈佛大学的生物、医学和化学科研项目以及卡耐基梅隆大学的计算机科学科研项目等等，一般科研时间都在12月到2月之间。因为题主没有说自己的专业，所以介绍一些不同专业的寒假科研。但是如果题主打算2月份在开始申请的话，肯定是来不及的，2月份已经快结束了。

题主其实可以选择参加明年的暑研，今年做一些别的提升自身实力的事情也未尝不可。申请硕士还是有很多软性背景可以选择的，比如说在核心期刊上发表论文，本科生第一作者身份发表比较难，可以选择和师哥师姐或者教授联名发表；寒假参加一些专业对口的实习，美硕还是很倾向于录取具备工作或者实习经验的申请者的；专业课好好备考，专业课GPA和GPA总分还是很重要的；参加一些本校内的科研项目或者实验室课题，也是积累科研经验的不错途径；或者专心备考，提升一下标化成绩，再多的软性背景，如果成绩达不到分数线也是白搭。

对于题主下次暑研的选择，建议从如下几个方面入手：

第一，对暑研要有选择性。暑研的选择一定要有规划，而不是盲目的申请，最好是挑选对你未来申请有帮助的专业度较高的科研项目，不需要太多科研项目经历，但是请务必保证每段科研项目的参与度与深度，如果题主要申请美硕，那么就选择美国，一般本国大学硕士申请更认可本国大学的暑研项目；

第二，注意暑研的时间。暑研一般都是在6月到9月之间，一般科研时间维持在一个月半月到2个月左右，题主应该是需要请一段时间假的，要提前关注暑研申请的时间，一般都是1月份就开始准备了，如果题主比较懒，2月份在开始准备也可以，但是最晚最晚拖到3月初，然后就可以通过官网的联系方式联系教授了，因为后续还需要准备J1签证之类的手续，都是需要时间的；

第三，提高自己的专业成绩和语言成绩。申请名校的暑研，题主最好GPA在3.5+，专业GPA达到3.7/3.8+，托福100+，雅思7.0+，尤其口语和听力水平一定要过关，因为毕竟是在国外做科研，语言和专业水平是缺一不可的。

一般暑研项目需要准备成绩单（包括GPA成绩单和语言成绩单）、个人陈述（Essay）、个人简历等等材料，如果你本科期间具备一些科研组或者实验室的经历，发表过论文还是比较加分的。

确定好大学暑研项目和教授之后，就可以开始套磁了。建议最好可以控制在300字左右，不要太长，简而精是最好的；建议题主多选择一些教授，可以选择9/10个左右，一起发邮件，成功的概率会大一些；可以直接选择群发的模式，如果题主对某个教授的科研特别感兴趣，也可以去研究一下该教授的著作和论文，并针对他的科研方向提出一些个人见解或者问题。套磁成功之后就可以去办J1签证，然后参加暑研了。

对于套磁的话，题主如果自己的英文水平不错，可以选择自己套磁，如果感觉不太放心，也可以找留学机构帮忙。我们AdmitWrite作为一家资深的留学机构，经验还是很丰富的，之前曾经帮助过一位大二的同学成功拿到了卡耐基梅隆大学的暑研项目，当时我们给他匹配了一位同样毕业于卡耐基梅隆大学同专业的导师，在前期选校和选教授的时候，导师帮他选择了6个教授，主要研究了2个他特别感兴趣的教授，根据教授的科研方向以及已发表的论文，在邮件中发表了自己对该项目的看法和见解，成功打动了教授，拿到了暑研的机会。

AdmitWrite留学拥有来自全球名校导师500多位，并立志于帮助更多的同学获得名校青睐，且每周AdmitWrite平台将会邀请拥有全球顶尖名校背景及申请经历的导师来举办线上留学讲座，大家可以关注我们公众号：admitwrite，讲座将会在公众号提前通知。有任何留学相关问题，添加微信咨询：admitwrite112

---

其实暑期科研真的没有什么用啊， 有些好学校的教授都已经变态反感这种商业性质很浓的暑期科研项目，但是还是取决于项目本身，有些项目不是学校固有项目，这些上了基本没有什么用。

对于留学生来说有种项目是非常有用的。到国外上一个学期或者暑期的正式课程，最好能转换本校学分的(去之前先要和学校详细了解，并提供有将要上的课程然后学校评估能否转学分)。这种是非常有价值的，比一般的科研有用的多。

总的来说，暑期项目只能锦上添花，用处不大。 如果有机会上正式课程，用处还是很大的。

---

谢邀了、不知道楼主是学什么专业的，本人是学商科的，据我了解大部分商科没有你说的这类单独假期的科研，工科方面我不是很了解。但是国内一些大学是有交流项目的，大概1-2年不等，单纯的暑假和寒假，应该是夏令营和冬令营的比较多。或者楼主可以考虑出国读硕士、一般读硕士2年之内就能读完了。不知道回答是否有帮助，谢谢。

---

原创文章，转载须告知。

美国的暑研项目肯定是多于寒假的科研，寒假的科研并不是没有，但是选择性比较小。比如麻省理工学院的计算机科学与人工智慧项目、哥伦比亚大学的化学科研项目、加州大学圣地亚哥分校的生物信息项目、斯坦福大学的地球科学研究项目、哈佛大学的生物、医学和化学科研项目以及卡耐基梅隆大学的计算机科学科研项目等等，一般科研时间都在12月到2月之间。因为题主没有说自己的专业，所以介绍一些不同专业的寒假科研。但是如果题主打算2月份在开始申请的话，肯定是来不及的，2月份已经快结束了。

题主其实可以选择参加明年的暑研，今年做一些别的提升自身实力的事情也未尝不可。申请硕士还是有很多软性背景可以选择的，比如说在核心期刊上发表论文，本科生第一作者身份发表比较难，可以选择和师哥师姐或者教授联名发表；寒假参加一些专业对口的实习，美硕还是很倾向于录取具备工作或者实习经验的申请者的；专业课好好备考，专业课GPA和GPA总分还是很重要的；参加一些本校内的科研项目或者实验室课题，也是积累科研经验的不错途径；或者专心备考，提升一下标化成绩，再多的软性背景，如果成绩达不到分数线也是白搭。

对于题主下次暑研的选择，建议从如下几个方面入手：

第一，对暑研要有选择性。暑研的选择一定要有规划，而不是盲目的申请，最好是挑选对你未来申请有帮助的专业度较高的科研项目，不需要太多科研项目经历，但是请务必保证每段科研项目的参与度与深度，如果题主要申请美硕，那么就选择美国，一般本国大学硕士申请更认可本国大学的暑研项目；

第二，注意暑研的时间。暑研一般都是在6月到9月之间，一般科研时间维持在一个月半月到2个月左右，题主应该是需要请一段时间假的，要提前关注暑研申请的时间，一般都是1月份就开始准备了，如果题主比较懒，2月份在开始准备也可以，但是最晚最晚拖到3月初，然后就可以通过官网的联系方式联系教授了，因为后续还需要准备J1签证之类的手续，都是需要时间的；

第三，提高自己的专业成绩和语言成绩。申请名校的暑研，题主最好GPA在3.5+，专业GPA达到3.7/3.8+，托福100+，雅思7.0+，尤其口语和听力水平一定要过关，因为毕竟是在国外做科研，语言和专业水平是缺一不可的。

一般暑研项目需要准备成绩单（包括GPA成绩单和语言成绩单）、个人陈述（Essay）、个人简历等等材料，如果你本科期间具备一些科研组或者实验室的经历，发表过论文还是比较加分的。

确定好大学暑研项目和教授之后，就可以开始套磁了。建议最好可以控制在300字左右，不要太长，简而精是最好的；建议题主多选择一些教授，可以选择9/10个左右，一起发邮件，成功的概率会大一些；可以直接选择群发的模式，如果题主对某个教授的科研特别感兴趣，也可以去研究一下该教授的著作和论文，并针对他的科研方向提出一些个人见解或者问题。套磁成功之后就可以去办J1签证，然后参加暑研了。

对于套磁的话，题主如果自己的英文水平不错，可以选择自己套磁，如果感觉不太放心，也可以找留学机构帮忙。我们AdmitWrite作为一家资深的留学机构，经验还是很丰富的，之前曾经帮助过一位大二的同学成功拿到了卡耐基梅隆大学的暑研项目，当时我们给他匹配了一位同样毕业于卡耐基梅隆大学同专业的导师，在前期选校和选教授的时候，导师帮他选择了6个教授，主要研究了2个他特别感兴趣的教授，根据教授的科研方向以及已发表的论文，在邮件中发表了自己对该项目的看法和见解，成功打动了教授，拿到了暑研的机会。

---

AdmitWrite，基于共享经济模式建立的知名互联网留学平台，留学届Uber。迄今为止，平台入驻世界顶级名校导师已超过1000名，实现美国TOP30，英国G5，澳洲八大等多个地区名校全覆盖。学术大牛？名校学霸？外籍名校导师？牛人汇集地，你想要的都在这里。人文社科/商科/工科？理科/艺术/法学？不管什么方向，我们都能为你匹配同专业名校学霸，申请so easy！中介价格不划算？线上模式，拒绝无谓成本，打造极致专业度，极具性价比服务，让每一分钱都花到实处。

大牛谈留学之申请硬知识可以关注专栏：

学霸谈美国申请：哥大学姐带你冲藤校

大牛谈英国留学：剑桥学姐带你申海外名校

海量名校实战申请经验：海外名校申请经验

---

你好老师加个微信吗？孩子大一计算机专业，研究生阶段想出国留学

---

推荐阅读：