先简单介绍一下我的情况,我是NYU 17fall CS Master的学生,虽然离开NYU已经有一段时间了,但是每每回忆起那段在NYU就读的日子还是非常怀念。最近刚好有空,就和大家分享一下我在NYU读CS Master的体会,包括课程质量的高低、平常的娱乐活动以及找工作的心得等,希望能够帮助到各位正在申请的小伙伴!
项目介绍
NYU的CS专业有两个校区,分别是主校区Washington Square和布鲁克林校区,因为我是在主校区读的,所以下面也主要介绍主校区的情况。CS系隶属于有着应数专排第一名头衔的数学研究院,也就是Courant Institute of Mathematical Sciences。CS系下面有Information Science 和 Computer Science这两个项目,院里转专业并不难,所以每一届都有人从IS转到CS。CS是两年制的项目,虽然项目是以就业为导向,但是学院对于MSCS和MCS的界限规定并没有那么明确,如果在读的过程中找到了自己感兴趣的方向,也可以转为研究导向继续读博。项目要求我们修满36个学分,也就是每个学期要修9个学分,按照一门课3个学分计算那么每个学期就要修三门课。一般一门课的时间是2-3个小时不等,每周上一到两次,不同课程的安排也不一样。
学校的CS系一届大概是200个人左右,同学里中国和印度的小伙伴占大多数,其余的就是欧洲人、美国人和韩国人等。大家背景都很强,陆本大多是985/211,我自己是南京理工的,美本也有。除了应届生之外,还有很多已经工作过一段时间再来读研的人,也有一边工作一边上课的人,甚至还有中年人和老年人为了提升自我而读研究生的,总之同学们的背景非常多元化,项目里藏龙卧虎,我们在小组合作的时候就可以交流分享自己的想法,互相学习进步。
就读体验
NYU的的课程质量是不错的,甚至有几门课程一致得到了同学们的好评,从而成为了院里的网红课,有时候会选不上。Workload不像其他CS名校那样大,属于正常范围,我个人比较喜欢这种,因为这样就有空闲的时间去做其他喜欢的事情。需要注意的是,美国这边不像国内的本科时期一个学期要选六七门课,一般来说一个学期三门课就差不多了,因为每门课都有一定的难度,我刚开始第一个学期只有三门课也还是有些适应不了,听说有一个一口气选了六门课的壮士,好奇他是如何度过考试周的。建议大家第一个学期不要选难度太大的课程,因为那时候我们对于这边都还不适应,特别是语言问题,如果一来就给自己太大压力会喘不过气来的。只要上课认真点,课后的作业好好做,拿A是不难的,但是一些难度较大的课程除外,这些课程需要我们花更多的时间和精力去学习。
教授们水平都很高,而且非常和蔼可亲,鼓励我们去发现问题并积极询问。一些有难度的课程除了正常的office hour外,TA们还会安排另外的时间专门为我们答疑,如果觉得这样还不够,我们还可以发邮件和教授约时间,一般教授都会同意的。此外,老师还会关心整个班级的学习情况,我第一个学期的算法老师在期中考试后还安排了学生一对一助学的活动,让成绩好的同学帮助没考好的同学,这样不仅能够快速跟上班级的进度,还能和同学熟悉起来。如果想和教授熟悉起来的话我们可以跟着做TA,有些课的TA需要帮助老师组织office hour什么的,我们自己也会进步很多。
课程设置&选课介绍
项目有三门必修课,分别是Fundamental Algorithms, Programming Languages 和 Operating Systems,并且要求我们要在前两个学期内上完,成绩至少要达到B-以上。必修课的内容都比较基础且没有project,所以如果有本科基础好的同学可以直接申请waive。操作就是在学期前和advisor交一张waive的申请,然后你的授课老师就会安排考试来看看的你的水平如何,如果你的成绩达到了老师的标准,那么就可以不用上这门课,把必修课的学分拿来去选其他课程。选修课我们的选择范围还是很大的,有一部分学分要求我们要在Computation for Science and Society, Graphics, Intelligent Systems,和Databases这四个领域的其中两个领域内选择,还有一部分学分则是在修满毕业要求的专业学分的基础上,随意选课,这时候我们就可以跨学院选择了,比如商学院、工程学院等等,有些好课对于我们CS来说很有帮助。
我在这里和大家分享我之前选过的课以及我知道的课,但是对于课程好坏这方面每个人的感受都是不同的,所以建议大家以参考为主。
在具体介绍课程之前先说几点个人总结出来的建议。
1、我是17fall的学生,据我所知每年的课程安排都会变,所以当初的课程设置也许和现在会有不同之处,大家记得多去项目官网看看课程设置。
2、我个人感觉秋季学期的课程质量要好于春季学期的课程质量,大家可以把很想选的课程放在秋季学期。
3、第一年开课的老师慎选!因为他们的讲课水平是未知的,万一踩雷了就不好了。院里有很多口碑很好的老师,我接下来会讲到,当然大家也可以自己去打听。
4、不要光听其他人推荐的课程,最好是按照自己的兴趣和需求选课,建议把每个学期开设的课程都看一遍,这样就不会漏掉一些课程了。必修Fundamental Algorithms
这门课比较基础,对于本科算法薄弱的同学帮助很大,内容有理论的同时也会让我们刷题,所以会学到很多。这门课每周都有作业,老师非常负责,如果内容没讲完每周都会给我们加课,用的教材也是他自己写的书,office hour时间很灵活,会根据大部分学生的选择来调整。Programming Languages
难度不大,可以接触很多其他类型的语言,把它们的基础和特点都讲一遍,然后利用语言的特性去做作业,每两周一次作业,上了这门课后学习新的语言会变得比较容易。教这门课的有两个教授,Cory Plock和Benjamin Goldberg,都教得很好。Plock是Goldberg以前带的博士生,大部分人都会选择Goldberg,他讲得比较慢但是对于知识点的解析很透彻,布置的作业难度也大一些;Plock语速很快,上他的课需要全神贯注地听讲,很多知识点需要自己课后再去消化。Operating Systems
这门课对于本科学过OS的人是不难的,但是如果你本科没学过OS的话学起来就会有些吃力。有期中期末两次考试和四次lab,而且lab的成绩占到了总成绩的55%,所以lab一定要认真做,而lab只能用C++,这需要我们自学cpp的基本知识。虽然lab做得很累,但是我做下来感觉自己的思考能力和设计能力有了一个很大程度的提升,而且我朋友说修完OS后写代码的能力提高了不少。选修social multiplayer game
这门课我个人非常非常喜欢,但是身边也有人不喜欢的,因为这门课基本不教理论的知识,上课的要求就是让我们写三个online social multiplayer games,并且只有你的游戏能够正常运行后才能得到A-或是A的成绩,给分非常严格。此外,这门课的workload很大,每周要写的东西很多,甚至有人上到一半而因为压力太大而退课的…这两个因素也许就是劝退大部分人的原因,所以这门课选的人也比较少。不过这正是我喜欢的一点,只有十来个人的小班化教学,无论是与教授还是同学都能够有很好的交流。此外,我真的觉得做游戏的过程十分快乐啊!老师每年都会根据最新的技术来调整stack,我上课的那一次是用纯JavaScript和angular js。第一个游戏是individual project,每个人选一个游戏来写,而且每个游戏都不一样,我们在了解游戏的基本规则后就要开始写game api,接着老师会教unit tests,用专门JavaScript的testing framework,到了写前端界面的时候老师就会教end to end test,这样第一个游戏就完成了。第二个游戏是两人合作完成一个real-time social multiplayer game。这门课每周都有due,每次的due不仅需要做自己的游戏,而且还要帮其他人的游戏写unit test或者end to end test,这样我们也可以学习别人游戏里好的部分。总之我非常喜欢这门课,虽然workload略大,作业略难,但是认真去做都是没有问题的。real-time big data analytics
这门课选的人很多,也算是热门课吧,不难但是能够学到点真材实料。难度不大是因为这是big data的入门课程,主要教我们HDFS和Hadoop,map-reduce原理,老师会把Hadoop的概念讲得非常清楚,各个技术也都会用到。上完我们对于map-reduce也能够了解透彻并且在面试里面举一反三。课程基本上每周都会有作业,还有期中期末考试和project demo,老师对于project没有特殊的要求,如果你有想法并且去执行的话可以把project做得非常漂亮。我之后在找工作时把这门课的project写进了简历里,很多次面试时都被HR问起,感觉对于找工作还是很有帮助的,建议好好做。Web search engine
刚开始的授课老师是两个Google的人,教得特别难,后来换成了Ernest David,虽然上课有些自言自语但是他有在努力改善自己的讲课水平。而且老师特别负责,有一次上课被假期冲掉了,他也找了一个时间把课程补上了。上课的内容就是读paper然后实现一个search engine,除了project还会有其他的作业,所以整体不算简单。我有一位同学还搭配一起选了一个capstone的search engine architecture,是用python教的,据说收获非常大。Machine Learning
Data Science系开设的课程,每个学期会给CS的同学留十个位子,不过后来CS自己也开设了ML,所以不知道现在还能不能选到。这门课既有理论的知识,也有实践的部分,可谓是实现了理论和实践的完美平衡。作业比较难,每次都要写很多天,project认真做可以学到很多东西,老师给分也不错,而且project advisor有很多大佬,非常靠谱且负责,不懂的可以请教他们。建议大家选择自己感兴趣的project,不要像我一样当初随便选了一个,然后就没有认真去做,感觉浪费了一个锻炼的机会。Foundation of Machine Learning/Advanced Machine Learning
CS自己开设的ML,我没上过,听同学说是两门硬课,对数学的要求很高。前一门课教授在业界的名气很大,作业不多但是很难写很难想,还有project。后一门ML则是Foundation的升级版,然而据说实际的应用领域很少,选的人不多。Distributed system
难度很大的课程,但是上过的同学普遍反应课程的质量很高。要读很多paper,据说很难读懂,还要做五次lab,最后还有考试。Lab和MIT的差不多,所以不能抄不然被检测出来就完蛋了。总之喜欢分布式的同学不要错过,我当初想选但是没选上,有点遗憾,这个课一般到开学就在waitlist上面了,所以想上的话最好一开始就enroll。Compiler Construction
如果喜欢PL和OS的同学一定要选这门课!这门课用的是教授自己做的tool和他自己发明的语言,理解起来比较耗时间但是我们能够很深刻地掌握这门语言的特性,而且用functional language去实现compiler中的某些部分会是个很有意思的学习过程。每周都有作业,加上三次project和期中期末考试,workload相对比较大。教授在TwoSigma工作,人很好很负责,每次office hour讲题都很详细。Multicore
三次lab、一个project再加上期中期末考试,乍一听觉得workload很大,但实际上远比想象的要简单。这门课的特点就是让我们对底层的硬件有一个了解,让我们明白hardware的重要性以及怎么样最大化利用底层,感觉很有趣,算是NYU的15-418。授课老师非常非常好,很关心学生,和他没有距离感。HPC for ML
大致介绍了pytorch、cuda、mpi和distributed dl,有点像uw的systems for ml以及15-418的一部分(这门课加上上面的Multicore,差不多学了15-418的一半)。前半个学期没有作业,后半个学期的作业看起来不难但是很耗时间,非常痛苦。期末考试考得很理论,有点文科的感觉,个人觉得这门课如果把考试和作业改得更实用就会很好。production quality software
NYU的热门课,难度适中,主要讲design pattern,教我们写出在工作上的好code,包括java的一些good practice,多线程、设计模式等等,个人觉得如果把design pattern那本书看完其实上课随便听听也能够理解。一共有五次作业,不太难,而且最后也没有考试,workload不大。Open source tool
也是学院的网红课,选的人非常多,一般要到第三个学期才选的上。上课主要讲Linux命令和编程。Natural Language Processing
授课老师年纪挺大的了,用的tool也都很老,而且不让我们用新的tool。每周都会布置作业,另外还有期末考以及project,好在这些都比较简单。Statistical Natural Language Processing
硬课,比NLP要难很多,但是老师讲得很好,逻辑条理非常清晰,但是作业量很大,要花很多时间和精力。作业的打分是完全公开的,排名前面的两名同学会有bonus,然后教授也会把我们的分数放出来,在截止日期前我们随时可以修改自己的程序看自己的成绩和排名。advance database systems
是我的capstone课,算是capstone里面比较简单的,讲的东西也很实用,比如database的各种协议。这门课没有考试,只有两次作业和final project,project是实现一个distributed database system。Networks and Mobile Systems
也是读paper的课,很有意思,而且难度也不大。老师很认真,针对每篇paper都会提问题,而且选的人也比较少,好像只有十来个,还是值得一选的。Artificial Intelligence
其实是一门算法课,老师会花很多时间讲logic,而且讲的内容都偏传统。大家上课都是一脸迷茫的状态,听不懂老师在讲什么。作业也比较烦人,给分不咋地,好在workload不大,实在没课选了可以选这个。Computer Vision
授课老师是大牛,但是他的讲课水平并不是很好,所以我上得很痛苦。老师不怎么备课,很多PPT都是别人的paper presentation slides,没有逻辑条理,讲得很快,导致很多人都听不懂他在讲什么,其实还不如自学CS231n或者其他课。这门课的作业不多,第四个学期找工作的时候可以选。Computer Graphics
硬课,对于写代码的能力要求比较高,但是上过的人都在夸。老师Kenneth Perlin是一个很好很好的教授,是业界的大牛,而且一直留在NYU兢兢业业地教书,对学生也很关心,有时候上课结束也会讲点生活小哲理啥的,很治愈。Cryptocurrencies and Decentralized Ledgers
并不简单,授课老师以前是Stanford开这个课,需要自学很多crytography知识。Honors algo
基础课,但是期末考试会很难,本科是CS的同学可以考虑选。
还有很多可以选的课程,但是因为我自己没上,身边认识的人也没上,所以就没有写出来。总体来看NYU的课程偏硬,需要有扎实的数学功底,如果你对数学感兴趣,对ML、CV、NLP感兴趣,那么来Courant你会有很多选择;如果你想好好学习前端后端和移动端,Courant也许不适合你。CS系整体较小,基本上想选的课程都是可以选上的,而且很多课程都是小班化教学,人均资源很丰富,这也是NYU CS系让我喜欢的一点。
生活体验在NYU
NYU位于纽约曼哈顿downtown,地理位置非常好。和国内本科时期的封闭式校园不同,学校和两旁的街道没有明显的分界线,也就是和街道完全融为了一体,这样的好处是吃喝玩乐交通都非常方便,坏处就是会有些喧闹,缺少了校园的宁静。学校所在的街区以华盛顿广场为中心,天气好的时候会有很多人在广场上晒太阳、看书、聊天,还有小孩子和宠物一起玩耍,很有生活气息,这是纽约这个快节奏城市的另外一面,我非常喜欢。学校生活非常便利,旁边就是日本街,里面有很多好吃的亚洲食品,我的一日三餐基本上就是在日本街解决的。交通方面,学校出门就是地铁,无论去哪里都很方便。
因为NYU是一所综合性大学,所以这里的学生都各有各的特色,有热衷于参加各种活动的社交达人,也有埋头认真读书的优秀学生,学校的氛围非常多样化。我喜欢这种感觉,我本科是理工院校,身边的同学不是正在学习就是在去学习的路上,NYU让我看到了不一样的大学。学校会经常性地组织各种活动,比如刚开学时的welcome week,有game night、游轮游等活动,系里还组织了一次“寻宝”游戏,将参与的同学随机分组,我们则根据提示找到附近的地标,不仅可以快速熟悉校园,而且还可以结交新朋友。对于喜欢运动的小伙伴,NYU的体育场绝对能够让你满意。学校有三个Gym,我们可以免费进入,里面的设施齐全,场地也非常宽大。学校的游泳馆也是高标准,常常可以看见有游泳队在那边训练。
学校的图书馆绝对是学习的好去处,每次临近期末都会排长队,自习室更是人满为患,所以一定一定要记得早点预约!图书馆高达十二层,非常宏伟壮观,而且馆内藏书丰富,我可以在里面看一整天的书。图书馆的椅子非常舒服,据说一张就要好几百刀,不愧是NYU。每层的外围都有沙发凳,同学们会在这里吃饭或者讨论问题。学校还在地下一层专门设置的用餐的地方,可以说非常人性化了,我就经常在外面买饭然后带进来吃,可以节省很多时间。在纽约
纽约,这个地处宇宙中心的城市,它的繁荣和发达程度自是不必多说,国内大城市过来的同学会适应得很快,不过生活成本会比在国内时高一些。我很喜欢纽约的城市生活,在这边的每一天都过得很充实,很精彩。从华盛顿广场再往下城方向走,就到了潮流汇聚的Soho,在这里你能够看到所有你叫得出名字的潮牌,比如Supreme, Kith, Bape, Stussy等等,也可以找到所有你知道的奢侈品店铺,此外,还有一些轻奢和大众的品牌店铺。在Soho逛街,无论你的眼光有多挑剔,你都可以找到你想要的,但是要注意适度消费哦!对于女生来说,逛街怎么能少得了奶茶呢?先不说随处可见的星巴克,图书馆的对街就有非常经典的珍珠奶茶,我常去的有功夫茶和Boba Guys,这两家的味道都很不错,记得要少糖的,因为这边的甜食比国内的甜很多。
如果说Soho是爱逛街女生的天堂的话,那么纽约就是吃货的天堂,只有你想不到的,没有你吃不到的。先说我们熟悉的中餐,学校附近走几步路的距离就有好吃的越南米粉、鼎泰丰点心、一兰和一风堂拉面、各种川菜馆、西安名吃等等,再步行20分钟就可以到达China Town。想吃日料的话从普通的平价小店到米其林都有,选择非常多;想吃韩料可以坐地铁到33街,K Town;想吃肥宅套餐可以去校医院旁边的M记,还有附近的汉堡店Shake Shack,自动点餐速度很快。对于减肥达人,学校周围也有Sweet Green等沙拉店,味道都不错。特别是每年两次的New York Resturant Week,有很多口碑好的餐馆会参加这个活动,我们可以用更低的价格吃到美味的套餐。如果想要自己烧饭,在附近的华人或者日韩超市就可以买到所有要用到的调料,我常去的一家超市叫ShopRite,里面的肉类、蔬菜和水果都非常新鲜,而且品类丰富。
纽约的地铁有些脏乱差,而且贵,做一次要2.75刀,以至于我十分怀念国内干净又便宜的地铁。建议大家买月票,89刀就随便你坐多少站。除了逛街和美食,纽约也是一个适合陶冶情操的地方。课余时间你可以去百老汇看歌剧,也可以去博物馆和美术馆,凭着NYU的学生卡可以换MoMa的门票,有一次我就非常幸运地看到了梵高的“星月夜”。喜欢历史的小伙伴可以去Penn Station火车站,这是纽约最早建立的一批地铁站之一,充满了历史的厚重感。
再说一说大家都比较关心的住宿问题,在这边住宿的地点有Newport、布鲁克林、东村等,我自己是住在Newport,这也是大多数中国同学住的地区。Newport位于与曼哈顿一河之隔的New Jersey,风景很美,平常坐一种类似地铁的交通工具Path,坐两站就可以到学校,非常方便。最关键的是这边靠近金融区,比较安全,晚上出来散步完全不需要担心安全问题。这边有很多新盖的高楼,设施比较好的luxury building,合租大概是一个月一千刀多一点。布鲁克林和东村的公寓比较陈旧,要和其他人分享洗衣房,房租大概是一个月八百刀左右。
总之在纽约的每一天都充满了各种精彩,我现在工作了,十分怀念那时候出门就可以坐地铁去逛街、随时拉上小伙伴去吃美食的日子。这座城市无时无刻都在释放着它的魅力,是一座来了就绝对不会后悔的城市。
关于找工作实习就业情况
实习的话,我们这一届国人,有四个去了Amazon,一个去了Facebook,一个去了Google NY office,一个去了纽约不错的start-up,还有一个同学去了日本乐天。就业的话大家的去向就更多了,一般以FLAG,一些Fin-tech比如高盛,大小摩以及startup为主,再者就是回国发展的,BAT以及头条等独角兽。实习和全职还是有很大区别的,对于实习,每个人都有不同的看法,我身边也有不想找实习的同学,所以实习的数据无法代表学校的好坏;而最后的找工作是一个非常漫长的过程,有人海投、有人内推,也有人回国发展,这和大家的个人兴趣选择有很大的关系。下面我就和大家详细地说说实习和就业的区别以及该如何去安排时间。实习
CS项目大多是以就业为导向的,而实习的目的恰恰就是为了让我们更容易就能够拿到全职。对于找实习来说,NYU的名气是可以的,但是和一些CS名校相比还是差了一点,好在我们有地理优势,许多大公司如Google、Facebook都在纽约设有office。我的经验是找实习比找全职要容易很多,因为竞争的人少而且面试时的题目更简单。如果想找实习,特别特别需要注意的就是timeline,这里给大家提供一个思路:第一学期的GPA要在3.5以上,选一个有project的课,这样我们的简历就拿得出手而且面试时可以和面试官聊天,同时开始刷题,九月中各大银行比如摩根、高盛会来学校招SDE,它们会通过career center 的OCR 招聘,这些职位的申请必须在career center网站上进行而且有严格的deadline,面试会在学校的career center进行,这些面试非常适合用来练手,练习口语和technical interview。这段时间要一直刷题,11月份就会有大公司flag或者比较热门的start-up开始招人,我们就可以投简历了。不要漫无目的地海投,尽量找朋友内推,这样成功的机率就会大一些。也许很多同学本科不是CS的,刚来不敢投简历,其实这都没关系的,尝试一下又有何不可呢?万一就中奖了你说对吧!如果没有找到大公司的实习也没关系,纽约和湾区都有很多不错的start-up和小公司,这些公司的招聘会比大公司晚一点,性价比也是很高的。最后没有实习的同学也不要灰心,你可以在暑假选一些课程学到更多的东西,或者去做unpaid的start-up,或者跟着教授在实验室做做研究也是挺好的,总之不要让自己空下来,多做一些毕业后能够写进简历里面的事情,这都是在为以后找全职做努力。全职
找全职最重要的是拿到面试,和实习一样,海投也是最不靠谱的一种,海投为什么会叫海投,就是因为我们投出去的简历就像石沉大海一样了无声息。我个人拿到面试的经历是:Google朋友内推直接onsite;脸书career fair自己排队,一轮on campus interview后拿到onsite;twitter career fair自己排队,一轮OA + phone interview后拿到onsite,snapchat朋友内推一轮OA一轮phone interview后拿到onsite。总结下来就是内推+career fair有目的的排队是最有效率的一种。
找全职在暑假过后的九月份就开始了,建议大家把最想去的公司排在靠后的位置,先去面试那些不太想去的公司,拿它们来练练手,熟悉面试流程,在这个过程中提高我们的交流能力、解题能力、面试时的自信心等。面试时遇到的题目和平常刷的题目是不一样的,需要我们去举一反三,我们要做的是自然而然的接近这道题,找到第一个切入点解题然后慢慢优化,千万不要紧张!因为一紧张脑子就容易空白,一旦脑子空白就什么也做不出来了。记住在面试的时候,面试官和你是出于同等地位的,他在选你的时候你也在选他。我个人总结了面试解题的几个步骤:1.快速思考找到第一个解题点;2.搜集corner case和面试官讨论如何处理;3.判断题目的复杂度,根据这个去选择到底要选择哪种方式来解题;4.整个过程都要和面试官讨论你的想法;5.优化你的代码。我知道有些人可能比较沉默寡言,做题目时不喜欢和别人交流,但是面试的evaluation分为Coding和Algorithms and Data Structures两部分,Coding通过刷题就可以提高,而Algorithms and Data Structures则是我们和面试官沟通的能力,如果你不和面试官交流他会不知道你在想什么,就无法体现出你的分析能力。即使你一声不吭地把题目做出来了,面试官很可能以不喜欢你的work style为由而把你拒了。
刚开始面试每个人都会遇到困难,尤其是对于我们来说,语言、交流等问题都会成为困扰的点,但是心态看开一点,不要紧张,慢慢地积累经验,面试自然就会变得得心应手了。
在Courant的两年不长也不短,在这两年我认识了很多nice的同学和教授,感觉非常幸运。祝读完这篇文章的学弟学妹们都能收到心仪学校的offer呀!
AdmitWrite,基于共享经济模式建立的知名互联网留学平台,留学届Uber。迄今为止,平台入驻世界顶级名校导师已超过1000名,实现美国TOP30,英国G5,澳洲八大等多个地区名校全覆盖。学术大牛?名校学霸?外籍名校导师?牛人汇集地,你想要的都在这里。人文社科/商科/工科?理科/艺术/法学?不管什么方向,我们都能为你匹配同专业名校学霸,申请so easy!中介价格不划算?线上模式,拒绝无谓成本,打造极致专业度,极具性价比服务,让每一分钱都花到实处。
大牛谈留学之申请硬知识可以关注专栏:
海量名校实战申请经验: