聊胜于无

考试周结束后，在MIT的第一学年落下帷幕了，接下来将是长达3个多月的长假。很多同学外出旅游，或者回家度假。而我将留在校园，继续我的research。

经过了一个学年的努力，最重要的目标终于达成了：通过TQE。

在MIT的研究生在学位答辩之前需要经过两次qualify，分别叫TQE(Technical Qualification Exam)和RQE(Research Qualification Exam)，它们分别和课程与研究相关。每个系对于qualify有不同的policy，而对于Computer Science的学生来说，TQE并不是一次专门的考试，而是要求修四门主课，必须达到3A1B以上，才算通过TQE。为了保证足够的广度，系里把所开的全部主课分成三大领域（System, Theory, Artificial Intelligence)，它们各自又分为三个子领域（共9个）。学生可以自由选四门主课列入自己的TQE Plan，但是这四门课程要求属于四个不同子领域，并且必须覆盖三大领域。

在这个学年里，我修的四门课，分别是

• Machine Learning (AI)
• Advanced Algorithms (Theory)
• Advanced Computer Networks (System)
• Natural Language Processing (AI,  本来是想选Advanced Computer Vision的，无奈Freeman教授这个学期取消了这门课程，只得换一门了）

在昨天，成绩全部出来了，以4A通过了这些课程，终于长舒了一口气，这意味着TQE的圆满完成，在接下来的日子可以专心做research了。

坦率地说，MIT CS的课程并不是特别艰深，只要认真去学，在这里的中国学生拿A并不是很难的事情。但是，很多课程确实很重，需要付出大量的时间和精力。为了这些课程，我也放弃了这一学年的主要学术会议了。

MIT的课程在国际上享有盛誉，因为大部分课程是通过OCW(http://ocw.mit.edu)向全世界公开的，可能不少朋友都曾经接触过。不过，在网上看公开的课程资料，和真正参与到这些课程中，感觉还是不一样的。就我个人感觉来说，这里很多课程的课程质量确实是一流的。其实从高中开始，我就有逃课的习惯，直到后来在科大读本科，以及在香港中文大学读硕士的时候，都大量缺课（这不见得是好事，不要随意模仿，呵呵~~~）。主要原因是感觉老师上课的节奏和我的思维节奏不是特别吻合——我更喜欢到图书馆自己看书。在MIT，老师从不点名，但是，我却极少缺课（除了临时的情况，缺过几堂）——老师所讲的课还是有很大的吸引力的。而且每堂课容量很大，我很少觉得老师讲得太慢了，甚至有些地方还未必能当时跟上，需要课后仔细回味。

我所上的这些课程都没有教科书，Lecture Notes都是授课老师（也可能包括他们的学生）自己编写，Problem Set也是老师自己设计。上课的教授都是在学术研究中非常有成就的学者，他们中很多都在顶尖学术会议和期刊上发表了大量paper。上课的内容也贴近学术研究的前沿。其中Advanced Computer Networks这门课，每堂课程的内容几乎都是近年发表的两三篇SIGCOMM的paper（这些paper有一半是MIT发表的）。有一些老教授上课时喜欢说类似这样的话：“今天讲的这个理论是我的某某学生提出的，当年他也和你们一样修我这门课”。

老师们在讲述一个理论，一个方法的时候，很鼓励学生去发现它们的问题和局限。在很多作业和考试题中，都有要求评论某个方法的缺点的题目。比较有意思的是Natural Language Processing的课，这门课每隔两三周，会布置一篇文章回去阅读（通常是发表在Science等顶尖刊物的经典paper），然后要求写一份评论，既要求写正面的，也要求写反面的。为了完成这种任务，我们回去只能把这篇文章反来复去看很多遍去分析其中潜藏的谬误，比如某个理论可能暗含了一些假设，一个表面完美的实验可能隐藏了不公平的因素。然后，大家会带着这些思考到课堂上讨论。

这些锻炼的影响是潜移默化的。上个月审了一些ECCV paper，我发现这种影响被带到了审稿过程中去了。以前审稿会或多或少使用诸如“方法不新”，“实验不充分”这类放之四海皆准，却没什么信息量的理由来批判一些文章。而这次，这类理由一条都没有用，而是逐条抽出文章中的谬误加以剖析批评。这样的评论更为深刻有力，不过，这些paper的处境可能也堪忧了。。。

CS大部分课程都有一个大的course project，而且占评分比重很大（一般在40% - 50%）。所有的project都是非命题的，从选择topic，survey，理论，实验，到最后的paper(report)都是学生自主完成。在topic选择完成后，一般需要先提交一份proposal，老师会给与指导意见。对于每个project，我还是尽己所能做到最好，平均在每个project上投入的时间和精力，绝不亚于一篇CVPR/ICCV。 这些project最后都得到了不错的评价，至于老师们对于project的实际要求有多高，这个我就说不准了。

这一年的压力是很大的，因为，这几门课的成败关系到能否顺利拿到PhD。不过，上课的过程非常有收获，也得到了很大的锻炼。除了上课，还投入相当多的时间学习数学（主要涉及泛函分析，优化理论，现代统计学，测度理论，平滑流行理论，李群论等，有一些是复习巩固，一些是新学），让自己的基础更加扎实。Research的过程拖得比较慢，但也有了一些重要的进展。

在香港的时候发了一些paper，觉得自己走在了领域的前端。而这一年让我重新变成一个学生：我还有很多东西不懂，需要继续学习。