此外，項目在全國985高校的申請者中，從中篩選出300-350名本科生進行面試，並最終錄取80-100名同學，可見競爭還是非常激烈的。被錄取的同學會按照專業被分成10個小組，在第二週的時候，每個小組都會舉辦peer seminar，每位同學都要在seminar上做開題報告，介紹自己將要研究的課題。CSST的志願者還會把你的pre錄下來，幫你分析你的優點和不足。在第九周的時候，每個人都要在自己的組內做final presentation，總結自己的研究報告。第十週則是對前兩個月所作科研的總結，並做成一張海報，進行海報展。

後一種是海外大學自己的科研項目，本來是為他們自己的本科生準備的暑期科研機會，但也允許國際學生申請。這種項目最常見的申請方式就是向教授海投郵件，但是這對於學生的背景要求比較高（畢竟要使自己在許多封郵件中出彩），我們需要一份寫得簡潔又生動的CV，並闡述自己的興趣愛好，為什麼會選擇這個lab等等，總之要體現出你申請這個lab是出於你的研究興趣而不是其他目的。此外，建議小夥伴們做一個Excel表格，記錄準備申請的實驗室，因為海投的過程比較漫長，很多郵件寄出去往往得不到答覆，所以我們需要一個表格來記錄發郵件的進度，以免漏發或者重複發送。還有一種比較靠譜但難度較大的申請方式就是藉助學校里科研導師的幫助，獲得內推的機會。導師們如果有出國經歷的話，在國外應該有關係比較好的教授，你可以先在國內的實驗室裏好好表現，給導師留下一個好印象，再和老師提出你想去國外暑研，請求他的推薦。如果老師有資源的話，一般都會幫助學生的～

看完上面的文字後，相信小夥伴們對國外暑研的那些事也有了一定程度的瞭解。含金量高的科研一般也要求申請者自己有科研經歷，而在國內，大二階段學生才剛剛開始專業課的學習，對於專業的知識尚且瞭解不深，更不用說是相關的科研經歷了。所以建議題主在大三時再出國暑研，趁著大二到大三的過度這一年好好準備，不光是國內的科研經歷，TOEFL也可以去考一考，好好學習專業課把GPA提上來，這些都能在申請好的暑研時使自己獲得優勢。很多暑研項目會在11月到1月開放申請，也就是本科生的大三上學期，越早申請機會越大，一般來說四月份就是很多項目的deadline，所以這個時間點還是要特別注意一下的！

總的來說，想要獲得真正有意義的科研經歷，我們還是要做好充足的準備，希望同學們都能夠獲得一份好的暑研經歷哦！

1.時間點： 如果你是打算去國外做暑研，尤其是打算好好積累一段科研經歷，拿到一封強推。建議可以放到大三的暑假。你現在大二，即將到來的大三上，就是今年的9月份，會有一些明年的暑研項目開始申請，你可以關注下學校的官網，看自己的學校跟哪些國外的學校有合作。 通常情況下，一個比較優秀的中國學生，會在大二下開始接觸科研，第一段科研經歷通常都是校內的。僅僅通過半年的積累就出去，風險比較大，所以如果是在大二的暑假出去做科研，本身也不是很推薦。專業課還沒有接觸很多，加上暑研本身挑戰就很大，如果表現不好，很有可能拿不到推薦信，這樣的例子比比皆是。所以，不妨先積累國內的科研經歷，同時等大三上完主要的專業課程之後，再出去，這樣可能更理性一些。

2. 成功率：暑研申請，無論是自己申請一些本校和國外名校的合作的項目，還是自己套磁教授去申請，成功率可以說都不高。這些基本都是針對名校同時專業實力又比較靠前的學生的。當然，市場上有一些相對來說比較好申請的收費性質的暑研項目，這類項目質量比較低，跟我們上面說的不是同一類。所以，暑研申請，對於成功率，申請者自己應該有個心理準備。

3. 不是所有的人都適合出去做暑研。最起碼，你GPA得還可以，最起碼你標化考試能過得去，最起碼你本身有一些國內的科研積累，再考慮出去，否則得不償失。暑研從來都不是一個輕鬆的事兒。一定要分清楚主次，不要跟風。

4.寒假的機會確實比較少，因為時間短。

更多關於暑研的分析，可以看這篇文章：

李坤鵬留學諮詢師：深度思考||時下熱門的暑研，是否所有人都適合申請？

如果有更多個性化的申請問題想要諮詢，可以點下面，鏈接中有我的聯繫方式：

21Fall CS\EE\統計\DS專業申請羣向您發出邀請，申請路上，我們抱團取暖！

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

科研內容

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.

物理專業拓展閱讀

計算機與數學科研

MIT計算機專業科研

2019寒假/暑期招募中（12月中旬-4月中旬）

背景要求：以欲申請美國名校計算機類、電子工程類、自動化、數據挖掘類、統計類等相關專業的本科生、研究生為主；

科研主題：機器學習；數據挖據；深度學習；信息提取；計算生物學；自然語言理解；

科研詳情：carrie_jiujiu

科研計劃

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數學專業科研

背景要求：以計劃申請美國名校數學、統計等（含DATA MINING）相關專業的本科生、研究生為主；

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.

科研計劃

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).

其他大學專業科研

哈佛大學 （ biological engineering &

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

加州大學伯克利分校 ( CS EE engineering , biology ,chemistry,statistics，）

賓大（physics，engineering）

卡內基梅隴大學（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

詳情諮詢：carrie_jiujiu

Statistics at MIT

Applied Mathematics Research

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

原創文章，轉載須告知。

美國的暑研項目肯定是多於寒假的科研，寒假的科研並不是沒有，但是選擇性比較小。比如麻省理工學院的計算機科學與人工智慧項目、哥倫比亞大學的化學科研項目、加州大學聖地亞哥分校的生物信息項目、斯坦福大學的地球科學研究項目、哈佛大學的生物、醫學和化學科研項目以及卡耐基梅隆大學的計算機科學科研項目等等，一般科研時間都在12月到2月之間。因為題主沒有說自己的專業，所以介紹一些不同專業的寒假科研。但是如果題主打算2月份在開始申請的話，肯定是來不及的，2月份已經快結束了。

題主其實可以選擇參加明年的暑研，今年做一些別的提升自身實力的事情也未嘗不可。申請碩士還是有很多軟性背景可以選擇的，比如說在覈心期刊上發表論文，本科生第一作者身份發表比較難，可以選擇和師哥師姐或者教授聯名發表；寒假參加一些專業對口的實習，美碩還是很傾向於錄取具備工作或者實習經驗的申請者的；專業課好好備考，專業課GPA和GPA總分還是很重要的；參加一些本校內的科研項目或者實驗室課題，也是積累科研經驗的不錯途徑；或者專心備考，提升一下標化成績，再多的軟性背景，如果成績達不到分數線也是白搭。

對於題主下次暑研的選擇，建議從如下幾個方面入手：

第一，對暑研要有選擇性。暑研的選擇一定要有規劃，而不是盲目的申請，最好是挑選對你未來申請有幫助的專業度較高的科研項目，不需要太多科研項目經歷，但是請務必保證每段科研項目的參與度與深度，如果題主要申請美碩，那麼就選擇美國，一般本國大學碩士申請更認可本國大學的暑研項目；

第二，注意暑研的時間。暑研一般都是在6月到9月之間，一般科研時間維持在一個月半月到2個月左右，題主應該是需要請一段時間假的，要提前關注暑研申請的時間，一般都是1月份就開始準備了，如果題主比較懶，2月份在開始準備也可以，但是最晚最晚拖到3月初，然後就可以通過官網的聯繫方式聯繫教授了，因為後續還需要準備J1簽證之類的手續，都是需要時間的；

第三，提高自己的專業成績和語言成績。申請名校的暑研，題主最好GPA在3.5+，專業GPA達到3.7/3.8+，託福100+，雅思7.0+，尤其口語和聽力水平一定要過關，因為畢竟是在國外做科研，語言和專業水平是缺一不可的。

一般暑研項目需要準備成績單（包括GPA成績單和語言成績單）、個人陳述（Essay）、個人簡歷等等材料，如果你本科期間具備一些科研組或者實驗室的經歷，發表過論文還是比較加分的。

確定好大學暑研項目和教授之後，就可以開始套磁了。建議最好可以控制在300字左右，不要太長，簡而精是最好的；建議題主多選擇一些教授，可以選擇9/10個左右，一起發郵件，成功的概率會大一些；可以直接選擇羣發的模式，如果題主對某個教授的科研特別感興趣，也可以去研究一下該教授的著作和論文，並針對他的科研方向提出一些個人見解或者問題。套磁成功之後就可以去辦J1簽證，然後參加暑研了。

對於套磁的話，題主如果自己的英文水平不錯，可以選擇自己套磁，如果感覺不太放心，也可以找留學機構幫忙。我們AdmitWrite作為一家資深的留學機構，經驗還是很豐富的，之前曾經幫助過一位大二的同學成功拿到了卡耐基梅隆大學的暑研項目，當時我們給他匹配了一位同樣畢業於卡耐基梅隆大學同專業的導師，在前期選校和選教授的時候，導師幫他選擇了6個教授，主要研究了2個他特別感興趣的教授，根據教授的科研方向以及已發表的論文，在郵件中發表了自己對該項目的看法和見解，成功打動了教授，拿到了暑研的機會。

AdmitWrite留學擁有來自全球名校導師500多位，並立志於幫助更多的同學獲得名校青睞，且每週AdmitWrite平臺將會邀請擁有全球頂尖名校背景及申請經歷的導師來舉辦線上留學講座，大家可以關注我們公眾號：admitwrite，講座將會在公眾號提前通知。有任何留學相關問題，添加微信諮詢：admitwrite112

---

其實暑期科研真的沒有什麼用啊， 有些好學校的教授都已經變態反感這種商業性質很濃的暑期科研項目，但是還是取決於項目本身，有些項目不是學校固有項目，這些上了基本沒有什麼用。

對於留學生來說有種項目是非常有用的。到國外上一個學期或者暑期的正式課程，最好能轉換本校學分的(去之前先要和學校詳細瞭解，並提供有將要上的課程然後學校評估能否轉學分)。這種是非常有價值的，比一般的科研有用的多。

總的來說，暑期項目只能錦上添花，用處不大。 如果有機會上正式課程，用處還是很大的。

---

謝邀了、不知道樓主是學什麼專業的，本人是學商科的，據我瞭解大部分商科沒有你說的這類單獨假期的科研，工科方面我不是很瞭解。但是國內一些大學是有交流項目的，大概1-2年不等，單純的暑假和寒假，應該是夏令營和冬令營的比較多。或者樓主可以考慮出國讀碩士、一般讀碩士2年之內就能讀完了。不知道回答是否有幫助，謝謝。

---

原創文章，轉載須告知。

美國的暑研項目肯定是多於寒假的科研，寒假的科研並不是沒有，但是選擇性比較小。比如麻省理工學院的計算機科學與人工智慧項目、哥倫比亞大學的化學科研項目、加州大學聖地亞哥分校的生物信息項目、斯坦福大學的地球科學研究項目、哈佛大學的生物、醫學和化學科研項目以及卡耐基梅隆大學的計算機科學科研項目等等，一般科研時間都在12月到2月之間。因為題主沒有說自己的專業，所以介紹一些不同專業的寒假科研。但是如果題主打算2月份在開始申請的話，肯定是來不及的，2月份已經快結束了。

題主其實可以選擇參加明年的暑研，今年做一些別的提升自身實力的事情也未嘗不可。申請碩士還是有很多軟性背景可以選擇的，比如說在覈心期刊上發表論文，本科生第一作者身份發表比較難，可以選擇和師哥師姐或者教授聯名發表；寒假參加一些專業對口的實習，美碩還是很傾向於錄取具備工作或者實習經驗的申請者的；專業課好好備考，專業課GPA和GPA總分還是很重要的；參加一些本校內的科研項目或者實驗室課題，也是積累科研經驗的不錯途徑；或者專心備考，提升一下標化成績，再多的軟性背景，如果成績達不到分數線也是白搭。

對於題主下次暑研的選擇，建議從如下幾個方面入手：

第一，對暑研要有選擇性。暑研的選擇一定要有規劃，而不是盲目的申請，最好是挑選對你未來申請有幫助的專業度較高的科研項目，不需要太多科研項目經歷，但是請務必保證每段科研項目的參與度與深度，如果題主要申請美碩，那麼就選擇美國，一般本國大學碩士申請更認可本國大學的暑研項目；

第二，注意暑研的時間。暑研一般都是在6月到9月之間，一般科研時間維持在一個月半月到2個月左右，題主應該是需要請一段時間假的，要提前關注暑研申請的時間，一般都是1月份就開始準備了，如果題主比較懶，2月份在開始準備也可以，但是最晚最晚拖到3月初，然後就可以通過官網的聯繫方式聯繫教授了，因為後續還需要準備J1簽證之類的手續，都是需要時間的；

第三，提高自己的專業成績和語言成績。申請名校的暑研，題主最好GPA在3.5+，專業GPA達到3.7/3.8+，託福100+，雅思7.0+，尤其口語和聽力水平一定要過關，因為畢竟是在國外做科研，語言和專業水平是缺一不可的。

一般暑研項目需要準備成績單（包括GPA成績單和語言成績單）、個人陳述（Essay）、個人簡歷等等材料，如果你本科期間具備一些科研組或者實驗室的經歷，發表過論文還是比較加分的。

確定好大學暑研項目和教授之後，就可以開始套磁了。建議最好可以控制在300字左右，不要太長，簡而精是最好的；建議題主多選擇一些教授，可以選擇9/10個左右，一起發郵件，成功的概率會大一些；可以直接選擇羣發的模式，如果題主對某個教授的科研特別感興趣，也可以去研究一下該教授的著作和論文，並針對他的科研方向提出一些個人見解或者問題。套磁成功之後就可以去辦J1簽證，然後參加暑研了。

對於套磁的話，題主如果自己的英文水平不錯，可以選擇自己套磁，如果感覺不太放心，也可以找留學機構幫忙。我們AdmitWrite作為一家資深的留學機構，經驗還是很豐富的，之前曾經幫助過一位大二的同學成功拿到了卡耐基梅隆大學的暑研項目，當時我們給他匹配了一位同樣畢業於卡耐基梅隆大學同專業的導師，在前期選校和選教授的時候，導師幫他選擇了6個教授，主要研究了2個他特別感興趣的教授，根據教授的科研方向以及已發表的論文，在郵件中發表了自己對該項目的看法和見解，成功打動了教授，拿到了暑研的機會。

---

AdmitWrite，基於共享經濟模式建立的知名互聯網留學平臺，留學屆Uber。迄今為止，平臺入駐世界頂級名校導師已超過1000名，實現美國TOP30，英國G5，澳洲八大等多個地區名校全覆蓋。學術大牛？名校學霸？外籍名校導師？牛人彙集地，你想要的都在這裡。人文社科/商科/工科？理科/藝術/法學？不管什麼方向，我們都能為你匹配同專業名校學霸，申請so easy！中介價格不划算？線上模式，拒絕無謂成本，打造極致專業度，極具性價比服務，讓每一分錢都花到實處。

大牛談留學之申請硬知識可以關注專欄：

學霸談美國申請：哥大學姐帶你沖藤校

大牛談英國留學：劍橋學姐帶你申海外名校

海量名校實戰申請經驗：海外名校申請經驗

---

你好老師加個微信嗎？孩子大一計算機專業，研究生階段想出國留學

---

推薦閱讀：