我感觉大多数人包括我自己当年，可能因为应试教育的原因，都是想等自己已经完全准备好之后再开始去找实习。但是这一等可能就到了博四那年，马上博士毕业如果之前连正经面试经验都没有，也不知道自己几斤几两，那是压力是非常大的。我的建议是，考完prelim就赶紧去上Intro to algorithms，以及Intro to machine learning的课程，这两门课程全学明白，再加上leetcode，实习面试无论是sde intern还是data scientist intern，都是不会出大问题的了。至少可以去通过面试来查缺补漏，不至于是面试的时候一问三不知。
我们大多数凡人估计在博二考完prelim之后再过一阵子就能意识到自己并没有那么天赋秉异，并没有什么research天赋 or自己专业是一个坑。那么我们就接着聊一聊之后，
在我们第二/三年已经意识到PhD读的不是很理想，感觉自己不是很适合academia的时候应该怎么办，由于我是非实验类理工科，所以只能就这个细分群体发表一点点个人拙见，欢迎友邻拍砖+讨论。
1）多实习，从考完prelim之后就去准备
如果你想看看自己毕业后想不想从事相关专业，尽量早实习；如果你想转行，也尽量早实习。
我感觉大多数人包括我自己当年，可能因为应试教育的原因，都是想等自己已经完全准备好之后再开始去找实习。但是这一等可能就到了博四那年，马上博士毕业如果之前连正经面试经验都没有，也不知道自己几斤几两，那是压力是非常大的。我的建议是，考完prelim就赶紧去上Intro to algorithms，以及Intro to machine learning的课程，这两门课程全学明白，再加上leetcode，实习面试无论是sde intern还是data
scientist intern，都是不会出大问题的了。至少可以去通过面试来查缺补漏，不至于是面试的时候一问三不知。
以及不要不好意思找人内推，找到你能找到的所有资源帮你内推，同学朋友亲戚能找到的就去找。也不要害怕面试挂掉，大厂都是默认在冷冻期之后你的水平是有变化的可能性的，只要你过了冷冻期又可以再投再面。我觉得我们应该既定假设就是可以接受自己第一波实习面试的时候可能会表现比较差，可能会拿不到dream offer，比如是个小公
司offer，甚至可能会拿不到offer。如果求职是一个滚雪球的过程，那么先把雪球滚起来就非常重要，即使最开始雪球非常小。
2）无论之后从事啥工作，博士学位是有用的，争取早毕业
如果是博士第一年prelim前感觉自己不适合academia，我的建议是抓紧转专业，cs或者statistics的master。如果prelim已经过了，手头也有一些research work了。我的建
议是拿到这个学位，我觉得博士学位，尤其是北美名校博士学位，无论你是哪个专业，长期来看无论是工作上的职场发展以及自己的个人发展，都绝对是加分项，有肯定是比没有好的。但是我建议如果不想继续做学术了能早毕业就早毕业，不要再浪费时间了，因为你工作的时候就会发现，只要是博士毕业进入公司，并且你不是专业对口的大神，无论你是读了三年四年还是五年PhD，大家的起点都是一样的，过去就一键清零了。所
以我建议在能拿到学位的基础上能早毕业就早毕业。
3） 多发论文
从功力的角度上来说，有博士学位，并且在博士期间积累一定数量的论文，对于你之后无论是从build reputation还是从申请O1/ NIW/ EB1B的角度上来说，都是有非常重要
的作用的。如果你在你现在的领域发过一些有很多citation的论文，大家会倾向于觉得你曾经做你现在的领域做的很好，那么你换到一个新的领域也是很有潜力的。
发什么论文？大家可能有的时候在想转行的时候，就开始觉得自己领域特别没有意思，发论文也没有挑战性，感觉没有意思。的确是如果你能直接发出来非常高质量的AI论文，那肯定是可以一步登天，但是我觉得我们大多数人在自己导师没有expertise，没有
其他人指导合作，自己单打独斗or挑大梁的时候是很难一下子发出来顶会paper的。那
么可以退而求其次，找AI和你所在领域的交叉领域发论文，这样的论文里面也是分等级的：1）最简单是把基础ML模型直接应用过来，对于大多数领域毫不夸张地说这里面的
技术难度非常低，基本相当于ML课的课程project难度，但是这样的论文再差也是可以
积累citation的；2）根据你们领域特定的情况，应用一些比较前沿的模型，比如小样
本，噪音，few shot learning/ weak supervision/ reinforcement learning这样的
topic，这些topic属于前沿topic，除了少数对应领域的researcher比较懂之外，其他
做machine learning research的人可能也不是很懂，你哪怕只是把这些方法简单应用
到你们领域，也已经是能说明你掌握其中的sota，已经在这些topic上能超过多数完全
没有接触过这些topic的ML从业人员了；3）当然最好是能根据你data的形式，在现在已经有的模型的基础上作出一些针对于你的data的改进，当然这个要求比较高，可遇而不可求。
我觉得在具体实际操作的时候，我觉得我非常赞同田渊栋在《博士五年总结》写到的：要习惯于两线作战，要有“进可攻”的长期课题（第二三类论文），也要有“退可守”的短期课题（第一类论文），这样既减少对短期绩效评估的担心，又怀抱有长远的希望。然而要做到这一点，是需要大量的技术和细节支撑，一点一点地从严苛的现实世界中，从每天24小时里面，取回自己想要的东西。
如果被教授选中当趟雷手，改怎么办？
【 在 GYCS (天空之城) 的大作中提到: 】
: 我们大多数凡人估计在博二考完prelim之后再过一阵子就能意识到自己并没有那么天赋
: 秉异，并没有什么research天赋 or自己专业是一个坑。那么我们就接着聊一聊之后，
: 在我们第二/三年已经意识到PhD读的不是很理想，感觉自己不是很适合academia的时候
: 应该怎么办，由于我是非实验类理工科，所以只能就这个细分群体发表一点点个人拙见
: ，欢迎友邻拍砖+讨论。
: 1）多实习，从考完prelim之后就去准备
: 如果你想看看自己毕业后想不想从事相关专业，尽量早实习；如果你想转行，也尽量早
: 实习。
: 我感觉大多数人包括我自己当年，可能因为应试教育的原因，都是想等自己已经完全准
: 备好之后再开始去找实习。但是这一等可能就到了博四那年，马上博士毕业如果之前连
: ...................