JHU AMS就读体验（侧重将来申博）
2365268
先介绍本人背景，本科中山大学信息与计算科学专业，研究生（21-22年）就读于JHU应用数学与统计（AMS）系，目前已毕业，并且申请到了很理想的23Fall美国博士项目。其实自己很早之前就在策划发这样一个帖子了，从我的角度介绍JHU AMS的就读体验，让更多人了解关于这个项目的更多信息。在我看来，这是一个非常好的项目，尤其是对于将来有申博打算的同学，它提供了很多的科研机会和非常优质的科研平台和资源，比较多的科研方向选择，非常有利于大家在硕士就读期间尝试自己感兴趣的科研项目，拿到强推荐信。因为JHU在我读研期间给了我直到今天太多太多的帮助，不胜感激，而且自己在就读这个项目之前也在地里看到一些抹黑这个项目的评论，所以也是蓄谋已久，发这样一个基于自己真实就读体验的帖子，为AMS打call。下面是正文。
AMS的主要科研方向包括关于统计，优化，图论，概率论，计算数学和机器学习等很多方面。科研方向的多样性是这个系的一个很好的地方，很适合不是很确定自己科研兴趣，想要多加尝试的同学。由于我的方向是优化，所以重点介绍优化的情况。
很多项目的优化是开在工学院下单独的运筹学项目，以及一些工业工程与运筹学，但JHU的优化包含在AMS下的一个分支。整个系的研究风格偏理论，优化也不例外。科研偏理论的一个坏处是相对难出成果，但一个好处是一旦做出成果整理成paper，会有比较高的分量价值。系里做优化的教授有：Benjamin Grimmer, James Spall, Nicolas Loizou, Amitabh Basu, Soledad Villar以及23Fall新来的Mateo Diaz。我将逐一介绍。这里插一句，JHU还有一个我觉得很好的地方是科研氛围极好，大多数教授都愿意带硕士生科研，并且学术氛围很强，AMS偏理论的研究风格更加成了这一点。另外AMS近几年在大力发展优化，招了很多年轻ap。
在入学JHU之前我并没有笃定自己要读博，但抱着想尽力尝试的想法，本科也几乎没做过关于优化的科研，但怀着对这个方向的热爱来到这里。我首先是想做理论的，在入学前联系了系里的Benjamin（Ben），当时他新来AMS，做的是很偏数学的纯粹的理论优化。我就这样从第一个学期一边学他带的nonlinear optimization，一边和他一起做一个课题，直到第一个学期后的寒假结束，完成了过半的理论成果，搭建好了理论框架。
第一年的寒假是我的想法发生转变的一个关键时期，一方面Ben的细致入微而十分有效的引导让我对这样的科研内容和模式产生了浓厚的兴趣，也找到了做理论科研的自信，逐渐坚定了读博的想法。与此同时，我在思考是否要参与更多的科研项目，与不同教授合作，探索更广泛的科研方向。我依然记得当时自己为是否要参与多个科研项目犹豫纠结了好久，yes的理由是内心想要探索更多，积累更多经验，找到自己真正的科研兴趣，no的理由是怕时间安排不过来，分心在多个科研项目上导致一事无成。我听取了很多人给我的建议，大部分人是建议我集中精力做好一个科研项目，但我最终还是follow my heart以及采纳了Ben的建议，因为觉得时间安排得过来，以及自己真的很想接触更多科研，于是我联系了系里做随机优化的James。
加入James科研团队的经历略微坎坷。我在第一年下学期修了他带的Stochastic Search and Optimization，并完成了小科研式的final project拿到最高分之一，之后正式和James做科研，他的方向包括关于随机模拟的优化算法。之后我在James的团队里我找到和自己科研兴趣一致的队友，我们的科研内容就是关于我们final projects的拓展。不久后的暑假前段，我加入了新来AMS的Nicolas的团队，Nicolas的研究方向是现代机器学习中的优化，我表示了对他所做的大规模随机梯度下降算法的兴趣，并开始探索一些课题。
我一直是一个做事情比较慢，比较追求质量的人。这点体现在学习上，我每学期最大的workload就是四门课，但会花很多时间在课业上，typically每学期学生会选三四门，有的会修五门课，但对于我来说四门课已经是极限，在第一年下学期修了四门phd level课程的我已经没有多余的时间再去做科研。说到这里多说一句，JHU AMS还有一个很好的地方就是选课非常自由，可以选任意自己想要修的课，包括很多博士课程是和博士生一起上，在这些课程里拿到高分对于博士申请很有帮助，同时也可以更深入地了解教授这门课的教授的科研兴趣（课程内容风格的侧重点或整体倾向性往往都反映了一个教授的科研内容和风格）。我在硕士期间修完了几乎所有关于优化的phd level课程并全部拿到A或者A+，也因为这些更顺利地进组或是对某个领域有了更好的了解。回归正题，第一年的暑假是我大张旗鼓开始进行科研的一个重要阶段，完成了我的三段科研经历的主要成果，参与了各种组会，在组会上presentation，每周和教授单独的meeting，并在暑假结束后的最后一个学期（我用了一年半毕业）基本完成了两篇paper放到arxiv，利用其中的一个成果完成了master thesis（可以顶两门课），然后顺利毕业。
在这儿再聊聊系里其他做优化的教授。Amitabh做的是偏离散的优化，如整数规划，Soledad做的是data science里的优化（记得有关于physics的），即将加入的Mateo做的是优化与统计结合的课题。还有一些年轻ap如Holden Lee，Eliza O'Reilly做的不是优化但也有些联系。
回顾我在JHU的整个学术和科研经历，我觉得AMS真的给自己提供了一个很好很好的学术平台，可以有很大机会和自己感兴趣的教授做科研。尽管在这期间我也经历了一些坎坷，有时教授没有bandwidth带我，有时教授做的科研在聊过之后发现自己并不那么感兴趣，还有很多很多在科研过程中令人头疼，挣扎，无助，失望的难忘的体会，但这些都构成了一段完整的硕士科研经历，在JHU AMS提供的平台里，我可以说自己从一个对关于优化的科研一无所知的懵懵懂懂的本科毕业生，成长为了一个尝试过一些不同的关于优化的科研方向，经历了科研的酸甜苦辣，有了一定的知识储备和科研技能，对自己未来的科研方向有一定判断和比较自信坚定的硕士毕业生。这些都是JHU AMS带给我的。
关于博士申请，JHU依旧给了我太多有效的帮助。我申请的全部是包含优化方向的项目，主要是IEOR等，在整个过程中，从和我的各个导师聊天确定申请项目和意向导师，到学校提供的文书和简历的免费修改服务，以及撰写和上传推荐信，几乎每个环节都得到了很有用的帮助，最后拿到了UC Berkeley IEOR, Northwestern IEMS, Gatech OR, CMU OR等以及JHU AMS本系的PhD offer（够到了除MIT, Stanford和Princeton这几个bar极高的OR博士项目外的其它一些顶级OR博士项目），从中选择了我最为理想的项目继续攻读优化的博士。我觉得申请博士最重要的因素大概有，拿到更过更强的科研推荐信，修完更多phd level的科研方向相关课程并拿到好成绩，以及博士项目和导师的选择要和自己的科研经历、兴趣有足够的契合度。
写在最后，我认为JHU AMS对于对应用数学与统计相关的一些方向有科研兴趣并想要攻读博士的同学来说是一个很好的硕士项目。以上内容带有主观因素，希望能对大家有所帮助。难免遗漏，我很愿意回答大家对于这个项目相关的其它的各类问题！
AMS的主要科研方向包括关于统计，优化，图论，概率论，计算数学和机器学习等很多方面。科研方向的多样性是这个系的一个很好的地方，很适合不是很确定自己科研兴趣，想要多加尝试的同学。由于我的方向是优化，所以重点介绍优化的情况。
很多项目的优化是开在工学院下单独的运筹学项目，以及一些工业工程与运筹学，但JHU的优化包含在AMS下的一个分支。整个系的研究风格偏理论，优化也不例外。科研偏理论的一个坏处是相对难出成果，但一个好处是一旦做出成果整理成paper，会有比较高的分量价值。系里做优化的教授有：Benjamin Grimmer, James Spall, Nicolas Loizou, Amitabh Basu, Soledad Villar以及23Fall新来的Mateo Diaz。我将逐一介绍。这里插一句，JHU还有一个我觉得很好的地方是科研氛围极好，大多数教授都愿意带硕士生科研，并且学术氛围很强，AMS偏理论的研究风格更加成了这一点。另外AMS近几年在大力发展优化，招了很多年轻ap。
在入学JHU之前我并没有笃定自己要读博，但抱着想尽力尝试的想法，本科也几乎没做过关于优化的科研，但怀着对这个方向的热爱来到这里。我首先是想做理论的，在入学前联系了系里的Benjamin（Ben），当时他新来AMS，做的是很偏数学的纯粹的理论优化。我就这样从第一个学期一边学他带的nonlinear optimization，一边和他一起做一个课题，直到第一个学期后的寒假结束，完成了过半的理论成果，搭建好了理论框架。
第一年的寒假是我的想法发生转变的一个关键时期，一方面Ben的细致入微而十分有效的引导让我对这样的科研内容和模式产生了浓厚的兴趣，也找到了做理论科研的自信，逐渐坚定了读博的想法。与此同时，我在思考是否要参与更多的科研项目，与不同教授合作，探索更广泛的科研方向。我依然记得当时自己为是否要参与多个科研项目犹豫纠结了好久，yes的理由是内心想要探索更多，积累更多经验，找到自己真正的科研兴趣，no的理由是怕时间安排不过来，分心在多个科研项目上导致一事无成。我听取了很多人给我的建议，大部分人是建议我集中精力做好一个科研项目，但我最终还是follow my heart以及采纳了Ben的建议，因为觉得时间安排得过来，以及自己真的很想接触更多科研，于是我联系了系里做随机优化的James。
加入James科研团队的经历略微坎坷。我在第一年下学期修了他带的Stochastic Search and Optimization，并完成了小科研式的final project拿到最高分之一，之后正式和James做科研，他的方向包括关于随机模拟的优化算法。之后我在James的团队里我找到和自己科研兴趣一致的队友，我们的科研内容就是关于我们final projects的拓展。不久后的暑假前段，我加入了新来AMS的Nicolas的团队，Nicolas的研究方向是现代机器学习中的优化，我表示了对他所做的大规模随机梯度下降算法的兴趣，并开始探索一些课题。
我一直是一个做事情比较慢，比较追求质量的人。这点体现在学习上，我每学期最大的workload就是四门课，但会花很多时间在课业上，typically每学期学生会选三四门，有的会修五门课，但对于我来说四门课已经是极限，在第一年下学期修了四门phd level课程的我已经没有多余的时间再去做科研。说到这里多说一句，JHU AMS还有一个很好的地方就是选课非常自由，可以选任意自己想要修的课，包括很多博士课程是和博士生一起上，在这些课程里拿到高分对于博士申请很有帮助，同时也可以更深入地了解教授这门课的教授的科研兴趣（课程内容风格的侧重点或整体倾向性往往都反映了一个教授的科研内容和风格）。我在硕士期间修完了几乎所有关于优化的phd level课程并全部拿到A或者A+，也因为这些更顺利地进组或是对某个领域有了更好的了解。回归正题，第一年的暑假是我大张旗鼓开始进行科研的一个重要阶段，完成了我的三段科研经历的主要成果，参与了各种组会，在组会上presentation，每周和教授单独的meeting，并在暑假结束后的最后一个学期（我用了一年半毕业）基本完成了两篇paper放到arxiv，利用其中的一个成果完成了master thesis（可以顶两门课），然后顺利毕业。
在这儿再聊聊系里其他做优化的教授。Amitabh做的是偏离散的优化，如整数规划，Soledad做的是data science里的优化（记得有关于physics的），即将加入的Mateo做的是优化与统计结合的课题。还有一些年轻ap如Holden Lee，Eliza O'Reilly做的不是优化但也有些联系。
回顾我在JHU的整个学术和科研经历，我觉得AMS真的给自己提供了一个很好很好的学术平台，可以有很大机会和自己感兴趣的教授做科研。尽管在这期间我也经历了一些坎坷，有时教授没有bandwidth带我，有时教授做的科研在聊过之后发现自己并不那么感兴趣，还有很多很多在科研过程中令人头疼，挣扎，无助，失望的难忘的体会，但这些都构成了一段完整的硕士科研经历，在JHU AMS提供的平台里，我可以说自己从一个对关于优化的科研一无所知的懵懵懂懂的本科毕业生，成长为了一个尝试过一些不同的关于优化的科研方向，经历了科研的酸甜苦辣，有了一定的知识储备和科研技能，对自己未来的科研方向有一定判断和比较自信坚定的硕士毕业生。这些都是JHU AMS带给我的。
关于博士申请，JHU依旧给了我太多有效的帮助。我申请的全部是包含优化方向的项目，主要是IEOR等，在整个过程中，从和我的各个导师聊天确定申请项目和意向导师，到学校提供的文书和简历的免费修改服务，以及撰写和上传推荐信，几乎每个环节都得到了很有用的帮助，最后拿到了UC Berkeley IEOR, Northwestern IEMS, Gatech OR, CMU OR等以及JHU AMS本系的PhD offer（够到了除MIT, Stanford和Princeton这几个bar极高的OR博士项目外的其它一些顶级OR博士项目），从中选择了我最为理想的项目继续攻读优化的博士。我觉得申请博士最重要的因素大概有，拿到更过更强的科研推荐信，修完更多phd level的科研方向相关课程并拿到好成绩，以及博士项目和导师的选择要和自己的科研经历、兴趣有足够的契合度。
写在最后，我认为JHU AMS对于对应用数学与统计相关的一些方向有科研兴趣并想要攻读博士的同学来说是一个很好的硕士项目。以上内容带有主观因素，希望能对大家有所帮助。难免遗漏，我很愿意回答大家对于这个项目相关的其它的各类问题！
