期末季的郭丽办公室热闹非凡。门口大排长队，一个办公室几乎挤进了半个班的学生。
她是上纽大数据科学实践副教授，也是数据科学学科负责人；她曾任美国车企巨头凯利蓝皮书统计学家，也曾在互联网行业黄金时代的阿里巴巴任数据科学家；她是上纽大首批研究深度学习与计算机视觉的教授之一，把业界最前沿的应用带入课堂，让理论知识“接地气”。
但真正让她赢得学生之心的，是她与现在大学生的深深共鸣。2023届校友、现就读于上纽大与纽大联合培养计算机科学博士项目的刘浩铭说，他眼里的郭老师，最大的特质，是“大写加粗的caring”（关心他人）。
转专业、换赛道，郭丽也徘徊过、焦虑过。她懂得，在未知与可能性中不知所措的大学生，面对怎样的压力。
两张A4纸
郭丽从小就是“别人家的孩子”——学霸、要强、能做第一绝不做第二；与之一体两面的是纠结、犹疑、易焦虑。
刚进入中科大，郭丽对未来很迷茫。想学更“硬核”技能的她，学了一年商科便转到生物专业。可读了一阵，她发现生物也并非兴趣所在，又考虑转到一个更以实操与就业为导向的专业。
“那时我想，数学与统计是很多工作的基石，应用面广，最后就转到了统计学。”郭丽对统计学谈不上“一见钟情”，而是在不断摸索、反复试错中培养出热爱。
“我觉得大部分普通人很难碰到‘命中注定’的‘天选’职业，可能都像我一样，在了解的过程中，逐渐对专业感兴趣。一开始只要不排斥，慢慢做出一点小成果，积累正反馈，就会更热爱这个专业。”
抱着就业的目的转到统计学的郭丽，本科毕业后却没有直接就业，而是直博到了加州大学河滨分校。
“一方面，读博是培养学生独立思考、独立研究能力的机会。我在本科只学会了‘术’，读博想学会‘道’，明白技术背后的逻辑。另一方面，中科大学术氛围很浓，很多同学直博。在身边几乎80%的同学都去读博的情况下，我其实有一点随大流。”
博士毕业后，郭丽没有进入学术界，而是进入业界工作。她说，由于统计学重应用的学科特性，业界和学术界本就紧密联结。在业界工作，或许能最快接触到技术前沿。
找到了工作的郭丽又陷入了纠结：当时她有两个同样令她心动的“决赛圈”岗位录用。她拿出两张A4纸，一张写缺点，一张写优点——每当面对令她纠结的重大决定时，她都会这么做。
“写完了之后，我还是不知道该怎样。因为没有标准答案，哪个选择都可能是好的。”她说。
同样的犹疑也出现在2016年回国前夕。在美国凯利蓝皮书的工作已经稳定下来，但当年国内的科技行业发展迅速，身边回国的人也不少，以她的背景，有大把机遇等着她。她把周围人的意见问了个遍，还是无解。思前想后，做回国的决定花了一年多。
她说，最后其实“凭着一点冲动”才决定下来：“现在回想，当时留在美国不会差，回国也很好，只是两种不一样的人生而已。”
带着“好学生心态”走过职业生涯初期的郭丽，看到今天的学生，更生感慨：“很多上纽大的学生也有同侪压力，对自己要求高，特别容易焦虑，总担心一步错，步步错。并不是走错一步就会万劫不复，不是这样的。”
生物专业在大众印象中是“天坑”，但郭丽当年在生物专业的同学，很多都进了大药厂。“我想和学生们说，真的不用太小心，不要把每件事都看得太重，所有的选择都是对的选择。”
她觉得，犹豫并不代表软弱，反而是因为在意、想清楚。每一次反复权衡的过程，其实都是在不断确认内心真正想要什么、适合什么。这种过程本身，就是一种自我认知的成长。
“小步快跑，快速迭代”
2016年底，郭丽回国，入职阿里巴巴担任数据科学家。在阿里就职的三年，是她迅速成长的三年，也奠定了她现在研究与教学的方向。
那是国内互联网行业飞速崛起的时代，互联网大厂在人工智能（AI）和机器学习领域投入重金：
2017年，阿里巴巴喊出“为未来20年储备核心科技”的口号，亚马逊最年轻的资深主任科学家之一任小枫正式入职阿里；
2018年，达摩院在神经网络芯片、量子电路模拟器研发等领域取得重大突破；
2019年，深度学习里程碑式框架Caffe之父贾扬清任阿里巴巴技术副总裁，截至同年9月，达摩院在自然语言处理、智能语音、视觉计算等领域算法夺得40多项世界第一……
彼时的阿里，不只是电商巨头，更是中国科技力量的象征之一。在高压与高能并存的环境中，与顶尖人才并肩作战，郭丽的蜕变悄然开始。
“我博士学的是统计学，当时国内互联网更新迭代又特别快，所以很多知识都得自己现学现用。”郭丽在阿里做的第一个深度学习项目，花了三个月“在做中学”：“每天上班，我一坐下就开始学，直到同事叫我吃饭，抬头一看，已经12点了。那段时间，我进入了心流状态。”
“小步快跑，快速迭代”——郭丽说，那是阿里当年的工作方法论。在凯利蓝皮书，从立项到结题，有严格的标准化流程，一年最多做两至三个项目；在阿里，一切都更灵活多变，有时一个月就要做完一个项目，大家你追我赶。
“迅速成长”的反面，是“内卷焦虑”。晚上十一二点或是休息日仍在修复bug是常态。即使下班，也从来不会真正放下心来。本身就易焦虑的她，最严重的时候，整夜整夜地失眠；周末醒来，觉得胸口压了一块石头。
“唯一真正放松的时候是过年回家，你知道公司里所有人都放假，没有任何人会找你。”
她渐渐意识到，“焦虑反而让你的工作效率变得更差，产出也更差。”她说，“每天细抠转化率、点击率那一点数字增长的意义是什么？大厂总要给员工打KPI，也只能基于这些数字。”
被KPI和“末位淘汰制”裹挟的郭丽，开始思考作为“大厂螺丝钉”，人是否被工具化了。她想回归有人情味的工作，重新与人建立深度联结。
此时，她看到了正在快速发展的上纽大的工作机会。这次，在计算机科学、数据科学与工程学部，她以业界过来人的身份，重回学术界。
亦师亦友
在业界的丰富经验，让郭丽更懂得如何使理论知识和工作应用场景直接关联。她也能够立刻判断，哪些技能是工作必备，而哪些属于“超纲”范围。
“上课时，我知道哪些知识会在哪些领域用到。带学生做科研时，我想让学生知道，在企业完整地做一个项目，整个流程是什么样的。”她曾和汇丰银行合作，模拟一个实习项目。汇丰银行提供企业数据，学生们分析用户消费习惯与用户留存预测，最终向汇丰银行数据分析与运营团队汇报研究成果。
郭丽常建议学生，不管未来是想读博，还是想工作，都去业界做实习：“学校的知识教授得全面且体系化，但‘纸上得来终觉浅’。当年我在阿里做项目运用的知识，现在永远都忘不掉。”
郭丽为学生做了很多看似“份外”的事——从读博体验，到职业发展，甚至是恋爱困境，郭丽的学生什么都愿意找她聊。刘浩铭说，她与学生相处时，是“经验丰富的队友”，是“平和温柔的大家长”，是“亦师亦友”的存在。
2022届校友张雨萌曾由郭丽指导毕业设计，也做过她的研究助理。郭丽了解到，她当时在做飞机探伤方面的实习。“于是我和她的带教老师吃了个饭，了解了机器学习怎么应用到这个领域。学生也是我探索新领域的桥梁，后来，他们公司有实习机会也会发给我，我再推荐给后面的学生。”
更多时候，郭丽像一位“铺路人”。2023届校友许沐阳说，从硕士申请，到实习，再到硕士毕业留美工作，每个阶段她都会找郭丽老师聊未来规划。
“当时我还在纠结去哪个硕士项目就读，郭老师如果认识对方学校的教授，会主动帮我联系，给了我很多建议。后来我去卡内基·梅隆大学（CMU）读计算数据科学硕士，郭老师知道有学弟学妹对这个项目感兴趣，也会向我了解CMU和目前美国就业市场的情况。”
在与学生的互动中，郭丽找到了越来越多与人联结的温暖时刻：“学期结束，当我听到学生说，很喜欢上我的课或收获很多，我会非常开心。带学生做科研，学生发表了论文，或是在过程中找到了自己的兴趣，我就觉得，自己的工作是有意义的。”
在计算机科学、数据科学与工程学部主任Nasir Memon看来，郭丽实现了学术界里那个“不可能三角”。
“她完美诠释了‘高校教师’这一角色。她全心投入教学、科研扎实，还深度参与学部的行政工作。很少有教授能把教学、研究、公共服务三方面都做好，但她是少数实现了这个‘不可能三角’的教授之一。”Memon教授说。
但郭丽认为，教、研、服务，这三者本来就不可分割，相辅相成。“关注科研前沿能保持自己的核心竞争力，把最新的课题带入课堂；有时，我也能从教学和指导学生科研的反馈里了解，当下学生的兴趣所在；而通过服务，我能和学部其他同事合作、交流课程设置，这对学生和学部发展都有好处。”
2023年，郭丽教授的“机器学习”入选上海高校市级重点课程。从初入上纽大，到课程获奖，郭丽在一点点磨课的路上没有捷径，唯一的技巧就是百分百的真心付出。
在成为好老师的路上，郭丽有两位榜样。一位是本科时教数学分析课程的返聘教授。7:30的早课，他站在讲台，等迟到的同学来了再讲课，从此再也没有人迟到。“他已经是资深专家，但把本科生教学看得非常重。”
另一位是加州大学河滨分校读博时的导师Daniel R. Jeske教授。“他讲课如沐春风，毫不费力，层层递进。我上他的课从来不会走神，上完课只会觉得，怎么这么快就结束了。”
郭丽成长的动力并不只有前辈，还有学生。“带学生做科研，本身就是一个互相启发的过程。一来，我会觉得自己肩负责任，要把这个项目做好；二来，学生有很多不同的视角，上纽大的学生自驱力非常强，也非常有主见。”郭丽着手探索的新方向3D渲染，正是学生感兴趣的领域。
数据与代码，始终是靠有温度的人的双手敲打出来的。“人情味”是郭丽回归学术界的初心，也是她一以贯之的教学理念。“自己在教学中用心了，学生能感知到。”她说。
在上纽大的六年里，郭丽带出的毕业生奔赴五湖四海，她仍与他们的大多数保持联络，始终细心留意他们的成长。
“我相信，学生到最后都会慢慢成为我的朋友。”教学相长，是她选择走这条路最大的回报。