R计划—助力美国名校梦！-新东方前途出国

每个申请留学者的心中都有三个大大的愿望：

1. 找到心仪的学校 

2. 找到心仪的导师 

3. 被心仪的专业和导师录取 

然而，随着中国出国留学人数逐年上升，留学申请的录取率逐年下降，录取频频出现“史上最难”。此前，在“中美教育差异”论坛中，多位美国高校招生负责人透露，申请人数“爆棚”是近年来录取率走低的主因，而中国申请者太重视分数、申请材料中实践经历的缺乏成为另一大申请障碍。 

而如何从众多的申请着中脱颖而出，成为名校的宠儿，是每位同学都万分关注的问题。

其实答案非常简单，如果你想要你的材料在众多申请人当中被筛选，你的简历和个人陈述中就需要有一些让教授看着熟悉的东西，让教授看到后有把握的信息。

什么是熟悉的东西？ 

对于科研人员来说，与教授研究领域相匹配的专业背景知识，从事过当前研究热点的科研项目，来自该研究领域专业人士的推荐，发表过有分量的期刊杂志或者国际会议论文等都属于此范围。

因此，一份优秀的申请材料的核心所在是如何突出自己在教授研究相关领域的科研能力，厚厚的申请填报表中教授最关心的是即将共处多年的申请者想要在未来从事的工作和已有的专业基础。
 

而在锻炼和提升个人学术能力的同时，还需要着重体现个人在这段项目中的付出和真实收获，对于专业基础背景较强的专业，一份认真钻研努力付出过的科研经历，远远胜出多个华而不实的打酱油经历。拥有精通的编程语言或者领域知识，远远胜于多个浮于表面的项目经历。
 

总结起来，一份高含金量的科研实践项目，能够接触到学术前沿领域的代表性问题，可以为选择大学专业及进入实验室做好全方位的准备，是申请者脱颖而出的必胜法宝。

为此，小编为同学们隆重介绍专为美研申请者打造的R计划项目，选取学术前沿领域的代表性问题进行项目设计，1v1导师全程陪伴式学习，更能够让学生体验真实的科研环境，领略名校实验室的乐趣所在。
 

让我们来一块看看R计划的项目亮点： 

1）五大先导课程，为留学申请保驾护航

2）专属导师陪伴式学习，定制化项目，1v1 导师随时指导+答疑

3）全程助教跟踪服务，第一时间了解学生反馈及相关问题

4）分级版预习资料及作业任务，更贴合学生情况

5）Classin/Zoom专业授课平台，全面保证线上授课质量

6）线上课程实时录制随时复习

下面，小编通过介绍参与R计划的2个不同热门方向的学生经历，为大家展示科研软实力是如何助力名校申请的。

01 

大数据与互联网多模态搜索引擎

项目背景

大数据技术是以数据为本质的新一代革命性的信息技术，互联网中存在大量的数据，不仅数据量巨大而且形态也具有多样性（比如互联网的数据形态包括：文本、图像、视频等）。如何在互联网中的多模态数据中挖掘有用的信息，为互联网衍生产品（诸如：淘宝、抖音等）做支撑和后盾，提升产品的推荐能力，吸引更多的用户消费，成为关键。

本项目着重研究互联网中的大数据，通过深度学习方法在多模态数据上学习并提取有用的图文信息。对不同模态的数据（图像和文本的数据）进行整合，使用统一的深层网络对数据进行学习，将图像和文本数据转化到同一语义空间中的点，结合互联网通用的搜索引擎技术，对多模态数据集构建倒排索引。最终学生将亲自搭建一个基于深度学习框架的多模态搜索引擎。

导师背景

指导教师为国内知名高校副教授，博士生导师课题组负责人。博士毕业于中科院智能信息处理实验室。十多年来一直从事大数据与智能算法的科研与教学工作。与美国Scripps研究所，斯坦福大学，国内中科院、北京大学、复旦大学等单位共同合作发表SCI论文数十篇，包括Nature子刊等国际权威期刊文章。主持或参与多项国家973、863、重大专项和基金委项目，是多个SCI期刊的审稿人。

丰富的科研项目开发经验、严谨负责的教学态度及以学生为中心的教学理念深受广大同学喜爱。

学生感想

A同学表示：经过本次项目，系统性地学习了关于深度学习的知识，包括基本的图像处理、卷积神经网络、倒排索引技术、分词技术、图像特征提取等等。最重要的就是在老师的指引下将这些知识整合起来，构建图片相应的倒排索引，最终建立搜索引擎，实现搜索。 

总的来说，在此次学习中获得了大量的知识，也积累了很多科研经验。良好的课堂氛围使项目进行的非常顺利，老师对我的疑问的耐心解答也是我完成任务的重要保证。

02 

人工智能高级算法

（基于生成对抗神经网络（GAN）的图像识别）
 

项目背景

生成对抗网络（以下简称GAN网络）被《MIT科技评论》评为2018年十大突破性技术。生成对抗网络的出现，极大促进了无监督条件下机器学习技术的发展，并在各个领域(如深度造假(Deep Fake)，语音合成，图像视频生成等)得到了广泛的应用。

此项目的目的是让学生从理论、方法、应用等多个角度了解并且实践GAN网络。学生将跟随导师学习神经网络和GAN网络的相关算法和最新进展，例如条件GAN， Cycle GAN等，进一步学习GAN在迁移学习，跨模态学习等方面的应用。并在此基础上，实现基于对抗神经网络的图像自动生成、动画人物自动生成和照片风格迁移等有趣的应用。 

导师背景

指导教师为知名研究所课题组负责人，副研究员，硕导。十多年来一直从事计算机视觉、多媒体分析、模式识别与机器学习的科研与教学工作。累计发表CCF-A类会议和IEEE/ACM 汇刊(transactions)论文40余篇。主持或参与多项国家级科研项目，多次担任会议的领域主席。与美国卡内基梅隆大学、弗吉尼亚理工大学、德州大学等著名高校和阿里、百度、华为等知名互联网企业保持紧密合作。 

学生感想

B同学表示：经过本次项目，系统性地学习了生成式对抗网络的历史、原理、功能与优缺点，并在老师的指导下，利用Python的深度学习平台Pytorch实现了基于深度卷积生成对抗网络的人脸生成全过程，并对其原理、参数设置及训练流程等进行了实践。

本次项目的顺利完成，对今后深入学习与研究人工智能奠定了重要的基础，并对整个科研过程有了一定的了解，对以后的研究道路也是十分有帮助的。最终，B同学万分感谢项目期间老师与助教们的陪伴和付出，这次的科研对TA来说，是专业素养的培养及科研兴趣的提升，这些宝贵的经历将会为日后的研究生学习奠定良好的基础。

好了，知道大家还没看够其他小伙伴的的项目经历与成果，R计划还有非常多这样的实践积累，大家是不是也都跃跃欲试，想来实际参与下我们的科研项目呢？ 

小编保证，只要你足够进取，这里一定能够帮助大家了解到最真实和最前沿的的科研工作，帮助你打开科研思路，养成良好的科研思维方法，进而了解专业细分方向，未来就业及发展方向等。

我们也相信：

在R计划中积累的科研软实力，定能助力大家的名校申请为大家圆梦心中所想，让我们积极勇敢的迈出这一步吧！ （来源新东方美国研究生留学）