导师C

导师D

Q&A

1.Q：理工科学科所需要的基础能力都有哪些？

C：很多理工科学科虽然关注点不同，但具有极高的相关性。

想要学好这些学科，有一些通用的基础知识和基本技能，是需要同学们特别关注的，比如说数学基础，因为几乎所有自然科学和社会科学的研究方法都需要使用数学知识。

而在数学的各个分支学科里，微积分，线性代数和概率论是三门必备的基础学科。

微积分主要研究函数的各种性质；线性代数强调从线性空间、变换、和映射的角度来理解线性方程组、矩阵、行列式等数学工具的应用和作用；概率论主要通过数学建模研究事件的不确定性。

扎实地掌握这三门数学学科的基本知识和理论，对日后同学们学习如“数据科学、机器学习和人工智能的核心模型和算法”这样的学科有很大的帮助。

2.Q:那除此之外，有哪些需要熟练掌握的工具吗？

C：很多的理工科学科都需要和数据打交道，这也意味着学习这些学科需要掌握一定的数据编程技能。

包括从不同的渠道收集数据，读取和处理不同的数据格式和类型，建立和实现不同的算法，对比、分析和解释不同的模型结果，以及完成和公布各种实际应用。

Python和R是目前两种热门的数据编程语言，前者是计算机编程语言，功能性强大，实用性更广，同时有许多机器学习库支持；后者是统计编程语言，在统计分析和计算方面提供了更多的软件包选择。

Python和R在许多理工科学习中有着很高频的应用场景，比如说数据科学、机器学习和人工智能这些领域等等，因此熟练掌握这两门编程语言，能够大大提高学习相关学科的效率。

3.Q：在做科研的过程中，如何去深入了解你所研究的领域呢？

D：当你对研究的问题有个大致方向以后，就要开始深入了解这个领域了。

我认为最好且唯一的方法就是大量阅读该领域里的论文。因为当你开始做研究的时候，常规教材对你的帮助已经微乎其微了，只能通过论文来了解最新的知识和技术。

C：没错，很多理工类学科领域的研究成果更新频率很高，比如说数据科学、机器学习和人工智能等，每年都会有一系列的新算法、新模型和新应用发表，同时3-5年就会有一些革新性的变化。

在这些竞争激烈的科研领域，同学们需要非常积极地关注最新的研究动态，比如每周或每两周读1-3篇相关的研究文章。

逆水行舟，不进则退。

当有新的知识点和技术需要自己系统学习时，给自己设定一个大目标，同时把它拆成几个小目标，督促自己去完成。

4.Q：看来大量阅读论文是科研过程的一个必要环节，那读论文的正确方法应该是怎样的呢？

D：我认为比较正确的读论文的方法是：首先读正文，读懂论文成果是基本的要求。

快速看一下摘要和介绍，以此来决定你通篇阅读方法论需要精细到什么程度。

其次是读引用，只有知道你站在了哪些巨人的肩膀上，才能在深入了解目标领域的同时对大环境有一个了解。

对环境的了解在科研过程中非常重要，因为从结果上区分一个Project能不能算一个Research Project的办法就是看这个project里是否有所创新。

如果你连这个领域里的人在做什么都不知道，又谈何创新。

所以当你读完了一篇论文的正文后不要马上把它放在一边，要通过“引用”把新的论文加入你的阅读清单。

5.Q：还有没有其他可以推荐的渠道，让同学们可以快速获取一些科研领域研究成果信息呢？

C：除了一些领域内的顶级期刊、国际会议等，目前很多国外学者也会选择把自己的研究成果提前先公布到科学研究预览的网站上，这样比较高效。

这里推荐一个非常活跃的平台，康泰尔大学的arXiv.org网站。

它建于1991年，目前已收集超过50万篇预印本。截至2016年10月，arXiv.org的提交率