|
|---|
|
|
|
|
|
|
J*******o
发帖数: 31 | 1 时间线：
RD 11/03/2017
PP 12/07/2017
AP 12/12/2017
基本背景：
Senior Scientist at a big company: Applied Machine Learning (偏NLP方向)
publication: 33 (3 journal, 28 conference + workshop, 1 book chapter, 1
filed patent)
Citation: 122(GS) + 14 (not captured by GS)
Review: 48 (18 journal + 30 conference)
单从引用数上看，我的case在NSC算弱的，但细看的话其实并不弱。下面我具体说一下
我的申请，希望能对大家有帮助。我claim了老三样。在提交的也有点慌，毕竟NSC的杀
手多，而且经常RFE要求上千引用。这个要求我想大部分人很难达到。仔细一想我觉得
这是IO控制通过率的借口，EB1A光中国人每年估计要过2000+的人，真的有这么多人引
用上千。绝对不会。像计算机的非热门方向上千就是美国一般学校tenured associated
professor的水平。但EB1A通过大部分人肯定不是tenured professor。所以我觉得IO
还是看contribution和final merit (就是你跟其他researcher比算不算top)。在此特
别感谢wodetian(大狮子)的意见，拿捏IO评判标准很准确，大家可以多听听他的意见。
我简单说一说我怎么准备申请的，其实我14年就开始准备了，公司当时可以办eb1b,但
是公司律师说我的case很勉强，因为我的背景弱（当时只有22引用）。我不自信，所以
走了eb2。这是个教训。大家公司可以办eb1b的，一定要缠着公司办，一定！一定！
Review最容易。 慢慢积累。相信大家都能做到。但要比别的researcher强，需要做更
多。所以我陆续做了多个顶会如KDD的TPC。然后是journal的review,给一些小杂志，认
认真真做了一年的review,就升成了associate editor和editorial board。有了AE和
TPC，Review这块肯定是above average了。
Authorship也是主要是努力和一点运气。因为我加入了公司的research lab和这两年的
运气不错，陆续有十几片发表。有6-7篇顶会，加上phd期间发3-4不错的文章，大概有
10+片质量比较高的文章。而且我引用最高的几片也是我PL中的主打的project都几乎的
一作。所以authorship也可以。
注：贡献一个找计算机会议排名的神器。GS上计算机会议排名数据很不靠谱，
Microsoft Academic Search的排名比较好，可惜它改版后，这个排名只有top 10了。
有一个网站叫 internet archive wayback machine: https://archive.org/web/ ，它
记录了所有网页的历史数据。通过它我找到了 Microsoft Academic Search的原先的完
整的会议排名（分领域有几百个会）很容易论证你的顶会论文在top 1 – 10%。
Contribution是最难的一项。我的引用不高，只能论证影响力。我在公司近两年的做工
作，运气不错，有些影响力。一项论证在学术界有影响力，另一项论证了在业界有影响
力。
第一项工作是我在一个最近比较热门问题做的早期工作，所以后面的发论文都会引这篇
文章。有几个literature review，其中一篇把我一个feature table全部copy，我以此
为论据说明literature review认为我的文章是这个领域的经典文章（引申一下，你懂
的）。有其他文章说我的方法inspire了他们的研究或说是我的方法是这个领域的state
of the art，都在PL里quote这些文章的原文。还有意外发现了我方向的一个会议有一
个data challenge特别引用了我的文章，作为data challenge solution的指导方向。
也在PL里highlight出来作为notable citation。还有大概7-8个问我要数据和source
code的email作为exhibit list。
我的另一项工作是16年底发表，所以引用不高。但是对公司很有价值，所以想尽一切办
法从工业影响力入手。这个project上了公司16年annual report to investors所以就
吹了一通。而且有12个国家的35个媒体报道（但都只提了项目名字，没有的名字），所
以没有单独claim,放在了contribution里。这些都是为了论证这项工作（有paper和
patent）已经有工业应用（要在我公司拿到它产生利润的数据不可能，因为没办法区分
）。在提交到uscis前，发现这个工作为公司拿到了一个工业奖（一个主流机器学习平
台公司的best AI application of the year）。其实是的小奖，但是也要吹。我的方
案的是，找这个公司的客户（因为是上市公司 ，从它的SEC 10k filing挖出它有500个
商业用户）。从它的网上的100个highlighted customers找著名公司如samsung。还有
个奖的finalist和独立评委。来说明在与众多牛逼公司竞争中，因为我的工作牛逼，拿
到了这个奖。
特别提一下大家关心的用不用律师的问题。我用的Wegreened,跟他们合作的挺好。有问
题24小时能回复，他们承诺的RL和PL的两个礼拜交稿，都能实现。他们文书的文笔很好
，我也是写了不少文章的，自问写不出这样的水平。他们的PL需要自己改。毕竟自己的
研究只有自己最清楚的它的价值。寄望律师深入了解你的研究，不太现实。就像我作计
算机的不太可能深入了解生物物理paper的价值一样。所以深挖引用一定要自己上心。
我觉得律师的作用是除了文书和填表之外，最重要的是保证你不会犯一些错误。毕竟他
们看过的无数case。自己DIY要花很多时间研究。所以找律师对我这样平时比较忙的，
是个不错的选择。从我个人的经验来看，我挺满意W的服务的。当然这只是一家之言。 | y********u
发帖数: 11 | 2 恭喜恭喜，同样是NLP ML的飘过，楼主claim的research field 是什么？ | J*******o
发帖数: 31 | 3 PL上律师写的是ML+NLP，但我感觉应该会看project的小方向的。 |
|
|
|
|
|
|
|
