你不知道的科研世界！

科学的灵感，决不是坐等可以等来的。如果说，科学上的发现有什么偶然的机遇的话，那么这种“偶然的机遇”只能给那些学有素养的人，给那些善于独立思考的人，给那些具有锲而不舍的精神的人，而不会给懒汉。

——华罗庚（中国）

背景了解

随着国家“全面发展的人”培养体系的提出，国家明确了想要培养什么样的人，从教育体制的根本上做出改变。

国家提出需要从社会素质、心理素质、身体素质3个方面来培养人，我们从小到大接受的是家庭教育、学校教育和社会教育，但是学校教育能够培养的素质是有限的，对于我们自己而言或者对于国家而言我们只有顺应这一趋势，把自己培养成国家需要的全面发展的人。

社会素质中有要求培养我们的业务素质和劳技素质，要求学校开展相关的社会实践活动或者探究性活动，对于理工专业的学生而言除了学校教育以外，我们可以通过参加一些科研活动来弥补实践创新、科学精神等方面的素养问题。

什么是科研？

科学研究是指对一些现象或问题经过调查、验证、讨论及思维,然后进行推论、分析和综合，来获得客观事实的过程.其一般程序大致分五个阶段:选择研究课题、研究设计阶段、搜集资料阶段、整理分析阶段、得出结果阶段。

科研其实是一种学术能力的体现，更重要的是一种思维方式和思维方法。在大学阶段主要体现在学生发现和提出问题、收集和整理文献、批判性思维、设计研究过程、公共演讲、学术论文写作和成果展示能力上。当然，良好的科研成果如论文、专利、证书等更能体现一个人的学术能力。

目前科研的现状

中国科研现状

在国内当前的教育背景下，中国学生很少能接触到真正的科研或根本没有机会去做科研。

他们缺乏科研意识、接触科研的时间较晚、科研能力也相对较差。

英美科研现状

英美教育体系本身就包括项目式学习方法，许多美国高中已经把学术探究课列为必修课，他们非常注重科研。在国外，对学生来说科研已经逐渐从软实力转变成升学的硬性指标。各所高校希望学生在各自感兴趣的领域长时间钻研并取得一番成就。 从2016年起美国大学本科申请系统正式启用CAAS这个新系统，要求学生每年都有参加Research的记录，并建议参加一些优质的活动，确保每周研究课题时间超过4小时。

总结

对于一个申请出国留学的理工科学生，开始尝试做科研以及提升自己做科学研究的能力是至关重要的！！！

做科研有什么收获？

第一，可以培养学生发现问题、解决问题的思维方式。

第二，通过参与整个科研过程，对该方向有更深入的了解，进而提升自己的学术研究能力。

第三，学习科研人精神，体验真正的科研过程。

第四，取得一些科研成果，展示学生个人的学术能力。

我们的科研是怎么做的？

以CS人工智能-深度学习方向为例

导师讲解思路

1、什么是人工智能？

2、实现人工智能的方法有哪些？

3、机器学习的算法分类

4、实现机器学习的方法-深度学习

什么是人工智能？

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

它是一个笼统而宽泛的概念，人工智能的最终目标是使计算机能够模拟人的思维方式和行为。

内容简介

本项目旨在通过理论和实践相结合的方法，让学生学习深度学习相关理论基础、快速掌握深度学习主流平台。

课程将全面介绍深度学习目前在文本、语

音、图像识别中的应用现状和发展趋势，同时对主流深度学习模型（以卷积神经网络为例）从理论原理到具体实现进行一个深度的剖析。

此外，课程将以社交网络用户建模为应用实例，指导学生采用深度学习模型解决实际问题，培养学生的创新思维和独立解决问题的能力、为深度学习的进一步学习和应用打下良好的基础。

导师简介

导师为中国科学院某知名院所副研究员。

主要研究方向是数据挖掘、深度学习、社会计算等，在 AAAI、ICDM、PAKDD 等国际知名会议和期刊上发表论文 30 余篇。担任多个国际会议 PC chair 和审稿人，具有一定的学术影响力。

行程安排详述

第一周：

深度学习概念、应用和开发平台学习：学习深度学习的基本概念，机器学习方法的统一设计框架，几种主流深度学习模型（卷积神经网络、循环神经网络、对抗生成网络等）的应用领域和发展前

景。学习和掌握至少一种深度学习开发框架（如 tensorflow 平台）。

第二周：

卷积神经网络详解：以卷积神经网络为例，详细介绍传统神经网络、BP 神经网络、卷积神经网络模型的原理、实现思想、在tensorflow 平台中实现具体实例。

第三周：

社交网络用户建模研究介绍：详细阐述该课题的研究背景、国内外的研究现状，介绍传统研究方法（多种分类方法和标签传播方法）的基本思想，采用深度学习模型解决该问题的基本思路。

第四周：

基于深度学习的社交网络用户建模研究实战：详细介绍社交网络用户建模的数据集、相关对比算法，指导学生基于 tensorflow 平台实现一个基于卷积神经网络的用户画像方法。

行程安排概述

远程科研指导项目时长一个月，具体时间可根据学生需求以及项目进度进行安排。

导师可以帮助学生更加深入、全面和系统性地完成一项或几项专业领域科研任务，让学生亲身

参与到整个科研项目开展的过程中来，体验解决科研难题的成就感，同时让学生深入了解该领域背景和前沿动态等。除了定期科研项目讨论课程之外，项目周期内学生可以随时向导师请教相关问题，得到导师的专业指导，让学生提前体验到一名研究人员真实的工作和生活状态。

学员反馈

我们的项目主要是开发一个检测使用者行走状态的Android应用。

我们采取的9个行为识别特征：最小值、最大值、方差、过均值率、标准差、平均值、均方根平均值、四分卫距、绝对平均差。

走路、静止、跑步共三种行为，通过android手机里的传感器可以得到它们的加速度，有了加速度的原始数据值，得出状态，分为两个阶段，第一个是训练出一个模型，之后再去识别，训练模型的时候选取特征，即我们选取的9个行为识别特征值，并用R画图选取其中明显可取的特征，通过模型去识别这些特征。

加速度有了数据特征之后选取模型，weka理提供了很多随机树、svm等分类器模型，方便我们快速的计算出在某个模型下的准确率是多少，而我们通过筛选选择了libsvm模型。

编程过程：用老师提供给我们的csv里的数据转化成svm可以识别的样本，即train文件，在生成train文件的基础上归一化，归一化的目的是消除权重，规定所有的数据都有相同的权重，归一化的同时生成range标尺文件，这既是归一化的标尺。再用python找出一个最好的c,g特征值，通过这两个值计算出的准确率最高，计算出之后即可生成model模型文件。

在实际的使用中，当我们拿到加速度的一组数据时，即可分别计算出九个特征值，将特征值数据根据标尺文件归一化，再将归一化之后的数据与model文件里的数据对比，划分区域，即可识别这组数据所属的行为，是走路，跑步，还是静止。

这次科研营虽然时间很短，但我们在老师的指导下，加班加点，把这个应用程序最终做出来了，实现了大部分的功能，接下来的就靠我们自己拓展了。并且在这段时间中为我自己打开了一扇新的领域的大门，在人工智能这个领域，机器学习是十分重要的一环，而在这段时间的接触中，我意识到了算法的重要性，对优秀算法的运用，如何通过对数据的采集，选取优秀的行为特征，让机器在不提前编程的情况下做出正确判断，这整个过程都充满了魅力，我想未来我可能会选择这个研究方向。

结语