课题组

一般来说，人工智能的科研以课题组的形式进行展开，也就是通常一个导师带领若干学生进行科研，假如说课题组具有一定的体积，则可能出现大导师带领小导师一类的嵌套结构。绝大多数的课题组会具有自己所熟悉的领域，这通常取决于导师的方向，假如说你打算参加一个课题组，那么提前了解导师的方向会有助于你选择到自己感兴趣的方向。

先下手为强

在面对课题组的选择以及申请的过程中，常有人出现犹豫的心理，这往往出于一种对舒适区的依赖以及对科研的敬畏，并伴随着诸如以下顾虑：

• 现在申请课题组是否太早了：按照当前的规划来说，大一新生在了解了基本知识之后，完全有能力在大一下进行科研实习的任务。毫无疑问，科研环境的内卷是肉眼可见的，可以预见的不久之后的将来，极有可能出现大量大一的新生有高质量的论文的发表，因此我们几乎可以说申请课题组永远不算早。同时考虑课题组的培养制度，课题组的导师通常会保留若干低年级新生在组中进行科研实习，以确保将来稳定的生源，这使得提前的占坑进组是有必要，而且可以带来巨大的竞争优势（因为竞争对手的缺乏）。

• 我并不具有深度学习的知识，是不是太冒进了：事实上，绝大多数的人都不是天才，也都并不具有在一开始便独当一面的能力。在正常的课题组中，往往申请是基于你的学科成绩作为筛选标准的，换句话说，老师看重的是你的学习能力，或者说将来的科研潜力。科研实习的开始阶段，导师通常会安排师兄师姐带领你进行课题。因此，只要具备下方我们所提及的基础知识，便不难进行科研了。

• 数学基础：详见 线性代数 与 概率论，其中涵盖经典的高等数学/线性代数/概率论等内容，同时，假如说偏向于更加基础的领域，如矩阵论/凸优化等内容同样有必要学习。

• 编程基础：详见 基础知识篇章，人工智能领域要求你掌握 Python 的基本编程技巧，同时熟练使用 Pytorch 中的大多数内容。

• 论文基础：详见 深度学习篇章，尽管具体领域具有具体的要求，但是依然存在着大量的论文，是任何一个领域都需要了解的。

这些内容本质上，是假如加入课题组，在面试的过程中可能会涉及的，而对于一些并不是重考核的课题组来说，这些内容甚至可以放到进组之后再进行学习。

正如上文所说到的，课题组的申请需要你具备一定的课内成绩。一方面，这是你的学习能力的证明；另一方面，足够的成绩也可以确保你在将来的保研排名中依然具有优势地位。因为科研往往会消耗你学习的精力，从而导致成绩的下滑，因此需要留有足够的余量空间，才可以保证一切的顺利进行。

本校与外校

通常课题组的申请也分为本校与外校。对于本校与外校的学生，导师在进行选择的时候，也有所不同的着重。对于处于学科能力较强的大学的同学来说，他们往往可以便捷地加入自己学校的课题组，不得不承认的是，在科研实习的申请过程中，往往作为同一学校或同一专业的老师会更容易通过你的申请。这也便产生了第一条科研路线，也就是先在本校具有科研能力的课题组进行科研实习，在培养了科研素养或者具有了相关的学术成果发表之后，再去申请更好的外校的课题组。而对于自己所在的学校并不存在知名或具有出色学术能力的实验室的读者来说，或许也只能通过大量的申请以及自己优异的成绩来争取外校的科研实习。值得一提的是，多数的外校科研实习都是允许进行远程实习的，因此无需对时间或者地域的适配具有太多的焦虑。

多问多学

在科研实习的过程中，假如读者是科研领域的新手，往往会存在巨大的信息壁垒，因此寻找对于相关领域较为了解的导师或者师兄师姐进行请教往往是必须的。这可以帮助你更好地了解相关领域中强组或者牛导的分布，以及可以帮助读者更加明确且快速地确定自己的目标。对于信息壁垒的破除，是一件长期的事情，无法操之过急，而是需要时刻保持对于信息的敏感性。