【世毕盟人工智能申请】系列微讲座第二场：生物信息

《【世毕盟人工智能申请】系列微讲座第二场：生物信息》由会员分享，可在线阅读，更多相关《【世毕盟人工智能申请】系列微讲座第二场：生物信息（7页珍藏版）》请在金锄头文库上搜索。

1、【世毕盟人工智能申请世毕盟人工智能申请】系列微讲座第二场：生物信息系列微讲座第二场：生物信息今天的嘉宾 Xia 学长，科研横跨多个领域，横扫 Stanford, MIT, Berkeley, CMU 计算机四大神校，目前就读于 Stanford EE。嘉宾分享嘉宾分享：我先自我介绍一下吧 我本科是清华自动化系的，目前就读于 Stanford EE，申请的方向是计算生物+ 机器学习。录取的结果是 Stanford EE PhD, MIT EECS PhD, UC Berkeley EECS PhD, CMU CBD PhD, UIUC CS PhD, Cornell CB PhD, CMU MC

2、DS, UCLA Bioinfo PhD。目前研究方向是 Computational biology + computer vision。接下来说一下本次讲座的大纲： 1.计算生物方向的介绍 2.本科应该有的核心课程 3.各个学校的师资情况 4.申请策略那么我们就开始吧 计算生物方向，严格来说并不能直接属于 AI，本质上是用计算的方法解决生物 的问题，做出生物领域的发现。传统计算生物偏“算法“ 有很多 algorithmic 的东 西，例如序列比对、组装等。现代的计算生物在机器学习这波火起来了之后偏 机器学习和统计，用了很多机器学习的方法和理论，所以才会被说和 AI 相关。 （中间可能会放一些

3、 slides 啊 大家看起来也比较方便）我们来看看计算生物的一些小方向：目前最热门的是计算基因组学，本质是要用序列去解释生物。例如解释基因突 变和疾病的关系。这个学科建立在测序（以及序列组装）的基础上，目前高通 量测序的发展造成了这个领域的极大发展。另外在计算方面也有很多进展，例 如在图像领域用到的 CNN 从 2014 年开始被用到了 Computational Genomics 中。computational neuroscience，目前也比较火 研究的是对神经元建模 以及 sensory, memory 之类的机制，偏 applied 的方向有做脑电图分析的，还有人试图用这个 方向解

4、释为什么神经网络会 work。stanford 在这个领域就有很好的研究 （Ganguli Lab），还有一些小方向，例如 Computational evolutional biology, Cancer computational biology。我就不具体说了，感兴趣的同学可以之后和我交 流。接下来说说这个领域的特点:这个领域最大的特点是跨学科，横跨计算机、应用数学、统计、生物、基因组 学等等。所以也是很多学生物的同学转计算机的跳板，本身也吸引了很多这些 不同学科的同学。顺着这个话题我们可以聊聊本科应该有的课程，计算生物学目前看来是计算机 和生物并重，所以最好两方面的课程都有。抛开数学、

5、物理的基础之外，计算 机方面需要学好程序设计（尤其是脚本语言，例如 python 和 R），数据结构和 算法，模式识别。生物方面需要有一些生物学导论，计算生物学，基因组学的 课程。还要学好概率论与数理统计。另外本科最好有计算生物的科研经历。这 点我一会儿会说到，我会告诉大家在国内和国外有哪些实验室可以去。 另外，还有一个参加计算生物项目的好方法是参加 iGEM 比赛，很多学校都会 有。目前基本是实验+计算，有一些计算的部分。下面我们聊聊学校，计算生物方面的好去处如下我们可以一个个过一下：Stanford，目前比较活跃的包括这些人，Anshul Kundaje: Deep learning in

6、 CB，David Tse: Information-theoretical optimal assembly，Serafim Batzoglou 原来很活跃但是现在去 Illumina 当 VP 了，去年新 的 faculty James Zou，目前研究计算生物和 ML 交叉的一些问题，也吸引了很多 学生。如Berkeley 原来有 Lior Pachter，现在他去了 Caltech，Berkeley 还有 Nir Yosef下面列举了一些其他的包括了国内的老师，清华有很好的计算生物的组，曾老 师和张老师都比较好。补充一点，现在 stanford 一些教授做医学成像/health car

7、e 和 deep learning 的结合， 也和 comp bio 有关。faculty 包括 Feifei Li, Sebastian Thrun(主要是他的学生)。下面我们说说这个领域的申请： 这个领域的申请算是 AI 相关方向里竞争不那么激烈的，申请到 top school 的几 率也比纯 CS 要大一些，申请学校的时候主要看的评价标准是 CS, Biology, Math, Statistics,。diverse 的背景会更受欢迎。另一方面是 publications，如果本科期间 有 publication 会有比较大的加分。如果是硕士申请几乎一定要有 publications，

8、如果有 8 分以上的 paper 基本可以确保刚才说的 Tier1/Tier2 学校。从这里也可 以看出比 CV 和 ML 容易申请一些 因为有一些申请者即使有一作 CVPR, ICCV 也不那么容易上到 top school。近些年来自清华的申请结果大概是这样的，2014 = 1MIT，2015 = 1MIT, 1Duke, 1Berkeley, 1CMU, 1Yale，2016 = 3CMU, 1Stanford, 1Berkeley, 1MIT。这是我所知道的不一定特别准。作为申请者需要准备什么呢？ 最主要的是要有相关的科研经历，一般来说国内有比较扎实的科研经历，然后 再有一段国外科研经

9、历就比较好。国外科研经历可以套我之前给出的那些 lab， 也可以去各个高校网站上找 通常会在计算机系 生物系 或者 dedicated Comp Bio 系。最后总结一下，计算生物方向的申请和整个 AI 领域相比，略容易一些，最关键 的是要有比较多样化的背景，包括统计、计算机、生物和扎实的科研经历。另外，我在申请过程中也收到了很多世毕盟的帮助，我当时的 mentor 是 MIT 的博士，有非常多的 insights。讲座结束之后大家可以和我继续聊以及咨询小助手。我要说的快说完了 我们多 留一些时间给互动吧。Q&A：Q：斐神有学哪些生物方面课程？科研和交换经历再介绍一下？ A：（我自己没有修很多

10、生物的课程，大部分的知识是通过我们学校一个一学 年的交叉项目综合训练学到的）Q：交叉项目是如何快速 get 到生物方面的知识和相关性？ A：交叉项目是那门课的名字 主要讲的是计算基因组学Q：可不可以弱弱的问一句：这个方向在业界及企业的应用？主要是去一些公 司吗？ A：这个方向在企业的应用很多，例如测序公司就会用到很多这个方向的人才， Illumina, Pacbio 等，目前还有一些创业公司，例如 23andmeQ：请问 tier1 斜杠 tier2 是什么 A：tier1 就是指四大名校，tier2 是仅次于他们的，也是很好的学校Q：你好呀 请问这个方面的话 毕业之后比较多会去做什么呢？ A

11、：这是一个非常偏 research 的方向，毕业之后一般是找教职或者去企业做 research scientistQ：学长好，我暑假科研申到了 CMU 的计算生物，但是以后想申人工智能方向， 请问在暑研做计算生物这段过程中我可以怎样把背景往人工智能方向靠，或者 说哪些计算生物相关的工作背景可以更受人工智能方向的项目青睐？ A：好问题! 我多说几句，就像我刚才说的 计算生物和人工智能的交叉点在于 计算生物目前用了一些机器学习的方法，你可以朝这方面靠，具体可以参考 Stanford 的 Anshul 和 James Zou 的工作；另外，目前计算生物基本都是用现成 的机器学习的工具，很少有回馈机器

12、学习这个 community，如果你能做到的话 影响力是非常大的Q：请问，做过一些 health care 的项目可以申请吗 A：healthcare 和这个也很接近，我觉得可以考虑，也可以考虑一些学校的 biomedical informatics 项目，我自己本身也做过 healthcareQ：学长，本科阶段对于计科方面的课比如数据结构，还有像运筹学这种偏数 学应用的课程对于 ml/cv 有必要吗？ A：有必要，优化和线性代数是 ml/cv 最重要的基础，一定要学好Q：如果本科有过 iGEM 和相关的一些科研经历的话 能否用这些经历来申请 tier1 的 ml/cv 研究生呢？还是会被认为

13、有些脱节？ A：得看你具体做的是什么，如果是偏计算的话是可以的Q：请问学长如果本科专业是信息工程，科研有关于 bioinfo，但是没有修过相 关生物医学课程影响大吗？ A：其实没有太大的关系，因为科研能做好的话已经说明你对课程有充分的了 解了，在我看来科研远大于课程Q：请问学长相关课程不多的话在科研项目上要如何体现，在申请的时候又该 相对应做些什么呢 A：首先，你应该证明你有完整地做完一段科研的能力，包括从立项，设计方 法，做实验（计算），整理结果，发表论文或者 poster。另外如果学校课程不 够的话可以上一些 coursera 的课程来弥补Q：coursera 在申请时也有用？ A：没有直

14、接用途 但是可以帮你掌握知识 科研方面会容易一点这个课不错，UCSD 的一系列课程，虽然稍微简单了一些。Q：想问一下学长当时申请的三维和大致科研经历背景，参考一下 A：TOEFL109 GRE V155 Q170 AW3.5, GPA 94(top1) paper 有在投的没发出去的， 科研是有两份清华的科研，一份佐治亚理工的，一份斯坦福的暑期科研，最后 一份比较有用因为拿到了一份很强的推荐信，弥补了其他背景的弱点。Q：学长博士一二年级主要都在做些什么？A：我目前是博士一年级的第三个学期，之前在不同的组里 rotate，第一个学期 在做计算生物，主要是统计方面的，第二第三个学期在 comput

15、er vision 组里 rotate，目前感觉对 vision 更感兴趣一些。Q：我想问一下学长第一份科研该如何申请？是国内还是国外？是本校还是跨 校？该如何推荐自己？ A：好问题，第一份科研一般是本校，给老师发邮件就行，第一份出国的科研 如果能有本校老师推荐也会很有帮助。Q：学长有做过 gan 嘛？因为正好在做类似 cv 的项目。 A：我的好几个项目都和 GAN 有关，可以之后交流，有一些 gan 的代码我放到 我 github 上了 你可以看看 https:/ A：一般加起来最好有 3 段，可以有重叠，每一段可以是几个月那么长，因为 计算生物的项目一般那么长已经可以做出来一些东西了。Beaverz 一般推荐 本校科研+国外科研，如果找不到国外科研再考虑跨校。Q：学长请问，类脑计算，或计算神经科学（神经元尺度建模模拟大脑），有 发展前景吗，感觉不是很容易成功？ A： 这是我觉得目前最有前景的方向之一，可以参考一下清华的 Yu Wang 的工 作以及 Stanford 的 Ganguli 的工作，我觉得这个方向很本质，可以解释脑科学 以及深度学习的很多问题。Q：请问学长，现在暑研有大约两个月的时间，大概要安排把握怎么做比较好 A：多和导师沟通 提前上手课题 这样之后拿到好推荐信的几率比较大。另外 多读文献，对整体领域有一个了解。