在竞争激烈的学术环境中，独立研究能力是衡量学者能力的重要标准之一。TechArt为学员们提供个性化的学术研究指导服务，围绕学员自身的研究兴趣，引领每位学员完成个人独立研究项目与论文产出，助力在学术道路上稳步前行。
本期我们邀请一位参与课题合作的学员，与大家一起分享在课题指导过程中的科研心得与合作体验。该学员在展开课题合作前，于定量分析、实验设计与实施等方面都是零基础，并且是第一次撰写 SCI/SSCI 高区位期刊论文。有类似背景的读者，也可以参考本期分享的时间规划情况与经验总结。
过往学员已成功发表的SCI/SSCI Top/知名期刊包括：《Sustainable Cities and Society》,《International Journal of Applied Earth Observation and Geoinformation》，《Engineering Applications of Artificial Intelligence》,《Journal of Building Engineering》，《Computers, Environment and Urban Systems》......
更多学员目前已投递并正在审稿中的顶级/知名期刊如上。除期刊投稿外，包括也有部分学员投递国际顶级学术会议并已通过摘要审稿阶段。期待更多喜讯 on going......
本期分享学员
Our TechArt Researcher
院校背景：
国内985院校硕士，环境设计专业
国内双非院校本科，环境设计专业
合作情况：
报名TechArt科研课题“🔗机器学习模型与建筑/城市/景观/交互/地理/环境/交通等多领域泛用性方法研究（2023年版）”，学员在产出第一篇论文且进入投稿后，继续与课题老师合作展开第二篇论文。
指导老师：
宾夕法尼亚大学全奖博士，现担任全球Top100院校博士生导师，曾担任宾夕法尼亚大学讲师、美国Top5与国内C9计算机强校研究员。截止2024.9月，已发表50余篇学术文章，包括多篇SCI中科院一区期刊发表。同时担任20余本SCI, SSCI, A&HCI期刊审稿人（指导老师发表情况已更新）。
∨
TechArt小编：
“您是如何了解到我们TechArt科研课程的呢？为什么选择与TechArt进行科研与论文指导合作？”
本期分享学员：
“初次了解到TechArt，我是直接在微信中搜索“博士申请”然后偶然刷到了TechArt的博士申请推文，也是一篇采访推文，里面包含了申请时间节点、申请经验分享以及TechArt的往期成果。对于我这样的DIY申请选手帮助很大，内容很详细，干货很多，并且能够学到一些前人的经验让我觉得很受益。于是就点击公众号把经验贴全看完了，就发现TechArt还有科研课程。
选择与TechArt合作的原因，按照时间线来梳理，首先是看完了经验贴内心对于TechArt是有一定好感的。其次是科研课题指导老师的水平让我觉得很可靠，推文中老师的教育背景、发文情况、目前的研究方向都写得非常清楚，我认为这些点都非常重要。然后就不得不提到前期的服务咨询，第一是耐心，我这个专业在外报班进修的情况还是挺多的，身边人和自己都会遇到机构不负责任的情况，因此前期我的问题还挺多的，比如付款流程、署名问题、也在不同科研课程中又犹豫不决等情况，但是都得到了耐心的回复。第二是专业，咨询老师在告知我数据获取方面的工作时发给我了一篇自己正在阅读的文章，举例说明了SCI级别论文的总体数据工作量并且详细阐述了之后在数据方面会遇到哪些难点，让我认为TechArt的服务咨询并不像“销售”，更像是与本专业成绩优异的学长学姐之间的交流。最后一点是课程成果，中科院一二区级别的论文成果我想没有科研小白能够拒绝。当然论文录用也需要自身的努力与投入，在课题目标的设定上让我认为老师有这样的平台和能力能够帮助我顺利完成。”
🔺过往学员已发表的期刊：
往届报名同课题学员的论文发表与院校录取情况（可下划翻阅）
“在参加本课题之前，您的学术背景与科研基础是怎样的呢？比如在科研技能、科研经验还有发表论文这些方面的基础。”
“我本科毕业于一所双非院校的环境设计（应该是四非，未过学科评估，非双一流院校），硕士就读于一所末流985的环境设计。在加入课程之前，我正处于研二下学期，当时我的研究兴趣主要集中在多源时空数据、城市建成环境、数字景观等领域。其实那时也没有找到合适的方向，硕士生靠自己去判断方向能否做下去是比较困难的，因此处于一种什么方向的文献都看看的状态。
科研经验方面，本科期间参与过1项国家级大创项目，发表过2篇知网普刊。有关课前的科研技能，在文献检索与阅读方面，会使用web of science、谷歌学术和知网等进行论文检索，能借助翻译阅读理解论文。数据收集与处理方面，掌握简单的数据收集方法（如问卷调查、实地考察、遥感数据获取等），数据处理只会使用Excel和ArcGIS等）。其他的例如，定量分析、实验设计与实施等涉及到的技能几乎为0。
当时在研究基础上可能会稍稍薄弱一些，但我在本次课题合作的过程中投入了大量时间攻克技术与实验项目，成就感满满。新知识与新思路连带着解决问题的方式也发生了转变。”
课题章节1-5的指导过程中，课上知识授课、技术与程序教学，并配有课后跟练、补充阅读与学习资料（此处图片进行了模糊处理，具体资料在指导过程中将详细提供）
“您为什么选择继续深入学术研究，对未来您有怎样的规划呢？”
“我一开始选择继续深入学术研究，是因为我当时听了一位学长的ASLA获奖分享，他的作品有许多定量数据分析，当时我开始想自己之前的研究为什么缺乏这部分，这种思考让我对深入研究城市十分感兴趣，希望通过研究解决城市环境问题，并提供科学的数据支持和创新的设计方案。并且，机器学习等技术在城市设计中的应用前景非常广阔，让我更有动力去探索如何通过这些技术优化城市环境。
未来，我希望在硕士毕业后继续攻读博士学位，进一步提升我的研究能力，继续城市规划与AI技术结合的研究方向，并且希望我的研究能够应用到实际项目中，提升城市居民的生活质量。”
“是否可以概括聊聊您第一篇课题论文的大致选题与主要研究内容？”
“我的第一篇课题论文主要可以概括为利用人工智能技术分析城市公共空间的位置与城市事故率之间的关系。通过综合考虑公共空间的面积、数量、土地类型等相关因素，研究开发了一个预测模型分析城市的事故数据。研究结果表明，这些因素对事故率有显著影响，并为优化城市公共空间以提升城市安全性提供了见解。同时，该研究还突出了人工智能在城市规划中的应用，旨在提供一种数据驱动的方法来改善公共空间的安全性和宜居性。项目中也有其他附加的新研究视角、方法与新场景应用，都有在课程中与老师探讨深化。”
学员投稿刊物主要选择：SCI/SSCI Q1中科院一区，前5%Top顶刊
“您之前是在校学习的同时推进课题项目，能分享一下在完成第一篇论文时的整体时间安排吗？”
“按照老师设定的课程安排来就不会有问题。2023年12月中旬老师开始上课，我在3月2日开始进行一对一的约课（在这之前已经完成了技术学习、确定好了个人研究项目的选题、技术框架、数据问题等）。在这期间也会有一些校内事务需要同步完成，并且如果上一次老师布置的课后研究任务较多或者需要再补充学习的，那下一次约课频率会放缓。在投稿结束后我还剩下1个课时左右，因此课程表的安排对我来说是很合理的。
进入一对一后，项目各阶段的完成时间线：
🔹数据处理→3月2日
🔹数据集制作→3月12日
🔹模型训练情况汇报→3月20日
🔹实验设计讨论→3月22日、3月25日
🔹重新制作数据集→3月28日
🔹重新训练模型→3月31日
🔹模型精度评估→4月2日
🔹实验进行中→4月9日、4月17日
🔹实验结果讨论→5月13日
🔹实验结果调整→5月15日、5月17日
🔹论文图片与论文撰写→5月23日
🔹投稿前论文检查→6月5日
🔹投稿→6月15日
每周的投入时间，可能根据大家不同情况而异，我自己每周累加在课题上的时间是20个小时左右，但如果涉及到一些新内容的学习，每周会再需要多一些时间。
也提醒其他小伙伴，不需要等到自己有了很明显的成果再去询问老师，如果遇到问题自己2天无法解决即使没有进度也没关系，也建议和老师讨论解决方法，会更有效率。”
章节1-章节5：
小组形式授课，导师实时指导（非录播），涵盖AI领域的知识授课、技术学习、日常课后练习与文献整理。引导每位学员推进个人研究项目的思考。
章节6-章节8：
导师将对每位学员的选题和技术路径进行逐一评讲，并提高创新度与可行性，跑通初步实验方法。在个人汇报阶段，其他学员也将一同跟听学习。
章节9-章节15：
师生1对1指导；涵盖实验深化、研究项目完成，论文多稿修改至定稿、投递目标学术期刊、审稿返修与发表见刊。
人工智能、技术理论与背景知识教学-小组
——Introduction Lecture Series - Introduction to Artificial Intelligence and Technical Theory
1) 开题介绍
开题说明；
技术概览；
项目选题，目标说明与课程预期结果。
2) 主题型知识梳理：Artificial Intelligence and Design
设计学科和计算学科的共通性；
人工智能参与设计学科的通用方法论；
人工智能与建筑设计、城市规划、景观设计、结构设计、创意设计的结合案例；
核心论文解读；
有价值的未来研究方向分析；
人工智能冲击下的设计学科思考。
3) 主题型知识梳理：人工智能学术研究+商业开发逻辑
学术与商业的区别；
商业应用发展与热点项目介绍；
商业开发的价值体现与经验之谈。
4) 开放讨论答疑
AI技术的知识框架答疑；
课程目标，论文发表规划，研究/技术价值答疑；
学术界与工业界的申请答疑等。
课后任务：头脑风暴，思考感兴趣的研究方向和具体研究内容，广泛阅读文献资料。
前沿研究与文献解读-小组
——Literature Review
1) 人工智能与设计类结合的前沿研究介绍
100+篇顶级会议论文快速解读与系统梳理；
20+篇期刊论文精细解读与方法论理解。
2) 开放讨论答疑
学员对选题想法的更新与讨论。
课后任务：精读课程中介绍的会议和期刊论文材料，理解其中的科学性内核，并思考自身选题的科学性。
特征工程与人工智能基础知识-小组
——Feature Engineering and AI Theory
1) 人工智能的模型选型原则，设计类任务选型；
2) 特征工程理论，设计类数据的特征；
3) 人工智能计算理论与演变过程；
4) Diffusion（扩散模型）原理讲解；
5) 开放讨论答疑（学员选题、技术探讨......）。
课后任务：学习补充的技术资料与额外的录屏讲解文件，有兴趣与时间的学员可以进一步参考其他推荐的教程来练习编程技巧。
数据方法教学-小组
——Data Skills
1) 以各个设计领域为案例，介绍不同类型数据采集的基本方法和实践案例：
建筑平面图（图像数据）；
城市设计平面图（图像数据）；
城市特征（矢量转图像数据）；
日照模拟（矢量转图像数据）；
建筑三维形态（矢量数据）；
街景与皮电仪（语义分割矢量数据）
其他类的数据形式（像素化的矢量数据）......
2) 数据来源方法和数据平台/网站介绍；
3) 数据的预处理与后处理：解读，清洗，归一化；
4) 开放讨论答疑（学员选题、技术探讨、程序问题......）。
课后任务：学员思考各自选题中的数据形式，可能的数据来源和处理方法。完成章节5前需提前学习补充的技术资料与额外录屏文件。
人工智能部署教学-小组
——AI, Machine Learning, and Neural Network
1) 人工智能程序实践，由导师提供修改试调的程序文件等，学习从技术操作到方法创新的完整逻辑：
矢量-矢量型ANN；
图像-矢量型CNN；
图像-图像型cGAN；
图像-图像型cycleGAN；
文字-图像型Stable Diffusion+LoRA+controlNET。
2) 本地与在线计算的区别，在线计算教学，Google Colab应用教学；
3) 开放讨论答疑（学员选题、技术探讨、程序问题......）。
课后任务：学员思考各自选题中可能用到的人工智能算法模式，实践部署授课中感兴趣的人工智能模型。
初步概念和实现路径-小组
——Preliminary Concept and Implementation Path
1) 初期方案汇报；
2) 确定课题初步想法（学员进度展示与推进）；
3) 项目点评与反馈修改：数据收集流程，AI训练流程，部署流程。
课后任务：学员根据点评反馈，各自推进项目进程，课前可给到进展文件。
方法合理性和改进-小组
——Methodology Improvements
1) 中期方案汇报；
2) 数据和模型训练的初步成果（学员进度展示与推进）；
3) 项目点评与反馈修改：训练和测试准确率解读，结果的可视化表现。
课后任务：学员根据点评反馈，各自推进项目进程，课前可给到进展文件。
结果解读和逻辑自洽梳理-小组
——Results and Logics
1) 终期方案汇报；
2) 测试效果和分析性结果（学员进度展示与推进）；
3) 项目点评与反馈修改：过程和结果的科学化表达，逻辑自洽梳理。
课后任务：学员根据点评反馈，各自推进项目进程，课前可给到进展文件。
延续研究的延展和论文框架-1V1
——Paper Writing and Paper Structure
1) 论文书写模块开题（含论文书写教学）；
2) 根据前序研究结果，梳理论文格式和框架；
3) 项目点评与反馈修改：整体逻辑，内容科学性和丰富度；
4) 继续项目与内容深化（含算法/数据改进与答疑等，结合学员项目的具体情况）；
5) 对于有多篇产出要求的学员，可分阶段规划各项安排。
课后任务：学员根据点评反馈，各自推进项目/稿件进程，课前可给到进展文件。
相关文献综述和研究目标的表达-1V1
——Background, Literature review, Problem Statement & Objectives Writing
1) 论文背景介绍部分书写；
2) 文献综述部分书写；
3) 问题描述和目标部分书写；
4) 项目点评与反馈修改：文献增补，背景关联性，目标描述的准确性；
5) 继续项目与内容深化（含算法/数据改进与答疑等，结合学员项目的具体情况）。
课后任务：学员根据点评反馈，各自推进项目/稿件进程，课前可给到进展文件。
研究方法提炼-1V1
——Methodology Writing
1) 方法论部分书写；
2) 项目点评与反馈修改：方法通用化程度，特殊性，使用范围等；
3) 继续项目与内容深化（含算法/数据改进与答疑等，结合学员项目的具体情况）。
课后任务：学员根据点评反馈，各自推进项目/稿件进程，课前可给到进展文件。
结果分析和论证-1V1
——Result Writing
1) 结果部分书写；
2) 项目点评与反馈修改：成果展示的完整性，对方法论的体现，是否存在特例；
3) 继续项目与内容深化（含算法/数据改进与答疑等，结合学员项目的具体情况）。
课后任务：学员根据点评反馈，各自推进项目/稿件进程，课前可给到进展文件。
结论，摘要，其他注意点-1V1
——Conclusion, Reference, and Abstract Writing
1) 结论和参考书目部分书写；
2) 摘要部分书写；
3) 项目点评与反馈修改：结论的扩展性，摘要的概括性，参考书目格式正确性；
4) 继续项目与内容深化，逐步收尾至定稿。
课后任务：学员根据点评反馈，各自推进项目/稿件进程，课前可给到进展文件。
投稿前的校验和论文投稿-1V1
——Proofreading and Submission
1) 文字语法最终校验；
2) 论文图片微调；
3) 检索可投稿的期刊（最终选刊问题）。
课后任务：论文正式投递后，将继续跟进投稿状态与审稿进度。
审稿意见的答复和论文修正-1V1
——Revision and Rebuttal
1) 论文第二轮返回修改；
2) 审稿意见答复；
3) 论文正式发表见刊；
4) 讨论期刊发表后如何扩大学术影响力。
补充指导(可附加)-1V1
——Additional Tutorial
1) 针对产出一篇论文的学员，后期根据项目技术难度、投稿后的审稿情况等，可延长指导周期，以完成高质量研究项目与论文发表为目的。
2) 针对产出多篇论文的学员，将对每个项目重复“章节9至章节15”的步骤，同样以完成高质量研究项目与论文发表为目的，可延长指导周期。
课题章节1-15（可附加章节16+）的进度安排说明（可下划翻阅）
“零AI基础起步学习，您对本次课程中的 AI 技术或者编程学习的感受如何？在这个过程中是否有遇到哪些困难点？”
“我认为总体难度适中，其他小伙伴可以参考我的背景判断（高中是学文科，高考是艺术类），科研课上认真学习，课下配合要求多花时间，就能够跟下去。
有关编程部分，本次学习改变了我原本处理问题的方式，是有较大感触的。过去，我遇到问题时首先会寻找现成的工具，而现在，我会先思考是否可以通过编写代码来自动化处理，加入更多的算法思维，从而解放双手。例如，在处理大量图片时，我会想到用代码来自动删除空白页、裁剪图片白边或进行文件格式转换等操作。这种思维转变极大提高了我的工作效率。
困难点方面，我遇到的最大困难应该是在模型训练，这个过程问题很多，老师都及时为我解答了（见下图）。
① 前期是每运行到同一个地方就会断开。能顺利运行但是过一分钟左右就会断，得手动运行。找了很多办法也问了计算机专业相关的人都无法得到解决。后来决定向老师寻求帮助，老师提醒我检查一下训练集图片数量是不是对上的，可能colab文件bug的原因导致训练集图片不一致，然后每次到某张的时候就报错。结果果然是上传数据集时最后一下卡住了，是那个时候drive重复上传了，导致训练图片多了一张。
② 后期是预测的数量与实际上不符合这个问题，反复训练了好几次，甚至还换了几个电脑都无法解决。经过一周的反复实验发现，是因为每次下载时，图片并没有加载完毕，就会导致下载到本地之后数据不对。可能是以下两个选项导致的。第一是国内网络问题，加载速度受到限制，第二是我的数据量比较大，预测出来有4300多张，导致速度慢。解决办法是下载之前先花30分钟左右，在result把图片全部刷出来，刷到正确的数量再下载。”
课题老师与学员的日常答疑（部分过程截图）
“与国内普刊投稿相比，本次课程中SCI/SSCI一区、二区期刊的投稿在难度或倾向方面，您自身体会下来，认为有哪些不同之处呢？”
“在指导过程中，关于英文写作流程，课题老师对我们日常撰写论文要求清晰严谨的逻辑结构，帮助我培养更强的逻辑分析能力和解决问题的技巧。并且论文写作需要简洁明了地表达复杂的研究内容，这对提升我的学术写作和交流能力都有很大的帮助。
中科院一二区顶刊与其他刊物的区别，我认为在这几个方面是具有难点和挑战性的：
①创新性要求高：
期刊希望看到的是全新的想法或研究方法，换句话说，研究必须有独特的亮点，不能只是重复已有的研究。
②格式和投稿规范严格：
不同的期刊对投稿的格式有严格的要求，哪怕是一些小的排版问题，都可能导致稿件被退回。因此，细节很重要，投稿前要仔细核对每一项要求。
③期刊对语言要求高：
尤其是对于非英语母语的作者，文章要逻辑清晰，表达精准，避免不必要的语言问题影响审稿结果。
④竞争更加激烈：
一二区期刊的投稿量大，录用率相对来说更低。
我也有一些补充的个人经验可以分享。在开始写作前，可以仔细阅读想投稿的期刊的最新文章，了解他们关注的研究方向和格式要求。在文章的引言和摘要部分，清晰且简洁地展示研究的创新性和贡献点。审稿人关注的是你的研究能带来怎样的新发现，尽量让这一点突出明确。”
“是什么原因让您决定与课题指导老师继续进行第二篇论文的合作呢？”
“首先是和课题老师的合作情况，老师能激发我学习的积极性，我想是因为每次课程都能得到有价值的建议，感受到自己在进步的这种状态让我有信心不断学习。
第二是申请博士的难度，除开其他因素，就申请者本身能力这个方面，高校会在院校背景和高水平研究成果这两点来筛选申请人。据我申请的院校情况而言，我所联系的国内院校教授有些希望申请者的本科院校为985，海外院校博士申请会关注我的论文发表情况（大家可以根据自己的具体申请情况做分析），甚至一些导师两方面都会关注。因此对于本科（双非院校）不占优势的情况，我能做的就是积累自己的研究成果。”
“在进行一对一之前，在小组课的部分与其他同学一起进行知识授课与各自项目讨论的经历，对您自身研究有什么帮助吗？”
“通过这次经历，我认为自己很喜欢这种一起评讲项目的形式，对我而言有三个优点：
①能够及时了解团队成员的研究进展，规划自己的研究进度，督促自己在规定时间内完成目标，避免拖延症，并逐步推动研究进展；
②可以及时获取建议，尤其是汇报自己的研究选题，可以得到老师和同学的及时反馈，从而改进研究思路和方法；
③可以了解大家的选题方向，在交流过程中能学习一些新的学术动态、研究工具和资源，能够扩展视野，了解学科前沿。”
“您对与课题指导老师的整体合作感受如何？老师的指导方式对您的独立研究能力和个人发展是否有什么影响吗？”
“我认为我的课题指导老师就是我理想中导师的化身，不仅学术造诣深厚，而且与学生交流能感受到包容与尊重。在整个过程中，老师能提供清晰的指导，无论是明确研究方向，还是帮助理清论文的结构和思路，都能够为我提供具体且能很好落实于操作的建议。尤其是在研究方法、数据分析和论文写作，老师确保我始终处于正确的轨道上。每次讨论都很有价值，总是能明确知道下一步该做什么。对于什么可行、什么不可行、以及为什么这样思考和操作、每一步具体怎么执行与执行期间的问题解决与总结，这些对于科研小白而言十分重要，也能够高效建立自己的评价体系，对日后其他研究也很受用。
老师很尊重并鼓励我们提出自己的想法，支持我们在学术研究中探索新领域或提出新的假设。在课程开始，老师就告诉我们可以根据自己的研究兴趣思考选题，大家实际上也是这样做的，老师每次都认真倾听给出针对性的意见。后期一对一我有时会提出一些不太实际或者说不怎么有创新力的假设，老师不会先否定而是会认真思考之后给出自己的建议，并且这些建议的确能让原本不成型的问题变成一个值得研究的科学问题。
其次，老师会分享有用的资源，比如相关文献、研究工具或研究方法，也会推荐期刊查找工具，相关领域的会议、期刊、论文等。
最后，也会鼓励我在论文写作过程中保持积极心态，比如老师说做实验太枯燥可以写论文放松一下。（致命冷笑话，也许对老师来说确实写论文很放松吧，苦笑）”
感谢本期学员的详细分享！对学员以及老师访谈感兴趣的读者，欢迎持续关注，也可以在后台留言互动更多想了解的内容与资讯👋
▼ 更多TechArt的往期《一线访谈》▼
🔗剑桥大学/多伦多大学全奖/新加坡国立大学全奖博士等录取经验—申博, 亦是自我修炼和长期沉淀的过程
美国/加拿大/英国等名校博士与奖学金大满贯+申请问题答疑
🔗由清华美术学院至皇家艺术学院、再到早稻田大学博士，回顾与分享学术路线选择的心路历程
中国-英国-日本地区的学术环境比较、教学特色与就读体验
🔗Top50~名校教授+SCI审稿人的视角，探讨学术创新、科研与商业的转化、博士申请的潜在要求
顶级期刊审稿人与名校博导对论文和申博材料的审查重点
🔗藤校博士分享，建筑技术 VS 建筑历史 | 什么是“博士”？有关读博常见疑问的详细解答
"技术型"和"历史型"研究的差别，藤校读博日常
艺术博士们的关注点，艺术实践和学术的相互联系
选取科研课程论文发表与博士申请的录取案例
✍【博士申请材料指导服务】
学员报名单项/组合材料指导服务，所获得的各地区院校教授们的积极回复：
学员反馈收获博士录取喜报的对应院校：
✍【学术科研课程指导服务】
如学员报名小班科研课题或者参与1V1论文定制指导所获得的SCI期刊、SSCI期刊、国际顶级学术会议论文发表喜报：
......以上仅为部分展示。过往学员收到论文发表喜报，其中SCI与SSCI学科领域顶级期刊包括：《Building and Environment》、《Sustainable Cities and Society》、《International Journal of Applied Earth Observation And Geoinformation》、《Engineering Applications of Artificial Intelligence》、《Journal of Building Engineering》、《Computers, Environment and Urban Systems》
以上含有【博士申请材料指导服务】与【学术科研课程指导服务】小班科研课题和1V1论文定制的部分课程成果，可下滑翻看
TechArt Research学究科研社，专注于建筑|城市|景观|交互|艺术|工程|计算机|机器人等跨学科领域的学术交流与教学合作。自2019年由Cambridge剑桥大学、UCL伦敦大学学院、MIT麻省理工学院、Harvard哈佛大学等多位名校学者共同创立品牌。持续汇聚美国藤校、英国G5等海内外名校博士/博士后/讲师/教授，研发前沿教学模式及课题内容，竭力为热爱学术的学员们带来优质的科研资源、创造得天独厚的教育空间。
TechArt将继续分享前沿学术知识与优质科研资源，为热爱学术的小伙伴们提供满满福利！
