本科：研究生：TOEFL:GRE:3）语言成绩2）申请者毕业后能不能顺利找到工作以提高项目的就业率。
背景简述
复旦大学 化学学士
宾夕法尼亚大学 数据科学硕士
106
159+168+4.0
申请的动机
本人的本科读的是和Data Science/Computer Science相去甚远的化学专业。
本科的日常学习被各种化学理论/实验课占据， 很多时候不是在做实验就是在写长长的实验报告。
但是在学习过程中发现自己并不如其他小伙伴一样对化学实验得心应手（没错本人有点属于手残党）。
我也曾在实验室里开反应，过柱子，但在一些其他的原因下放弃了化学科研这个道路。
所以综合种种原因本人在大三开学初的时候决定读出国读一个其他专业的硕士。
但当时对于转什么专业还并不是特别的确定（金融/金融工程/计算机等都是当时申请的火爆项目），所以进行了各种尝试性的体验，比如说暑假在银行实习，修了data science 的minor，听了各种留学申请的讲座等等。但事实证明兴趣真的很重要！
在此我要感谢我的母校为我提供了能够系统学习另一门专业的资源和平台，让我深深的被Data Science这个领域所吸引住。
也许是一直学习理工科的缘故，我对机器学习的各种模型和算法非常感兴趣，也很享受coding的过程～
所以决定申请Data Science/ Computer Science方向的项目。
申请准备
申请的准备主要分为两个方面，一个是申请季前的背景提升，另一方面就是准备申请所需要的材料，选校等等。
我深知想要以非科班出身的条件申请Data Science/Computer Science的项目必须要付出比别人更多的努力。
所以我在申请季之前的准备主要分为三个部分：
1）GPA
2）补充DS/CS方面的专业知识，积累项目经验
首先是GPA，不得不说在硕士项目申请当中，GPA真的很重要！即使是转专业申请，原来专业的学习也是不能松懈丝毫。
因为招生官对于硕士项目的申请者经常会考虑以下两点：
1）申请者有没有能力从项目中顺利毕业；
而GPA是一个能快速反映一个人学习能力的指标，一个高的GPA会让招生官认为这个申请者具备顺利完成硕士项目的能力。
并且对于Data Science 这类应用型的专业， 如果你对Data Science 在本科专业的应用有一定的理解和兴趣，或者说因为这方面的应用引起了你对Data Science的兴趣并促使你想深入学习这门专业，那么申请的Motivation 会更有说服力。
换句话说，如果本专业学的一塌糊涂，那么教授们会很怀疑你是否有能力学好其他专业的东西。
补充DS/CS专业知识是转专业申请准备当中最特殊的一环。
当然这部分每个人都有不同的途径去学习这方面的课程。
最直接的就是像我一样在本校直接选DS/CS相关的课程，比如算法课，机器学习课，还有各种各样的数学课等等。
或者可以利用出国交流的机会在国外的学校选修这些课程， 这是一个比较推荐的途径因为这几年招生的老师们越来越注重海外学习的经历，如果说有海外学习的经历并且取得了一个好的成绩，那么这对申请会是一个很大的加分项。
另外课外也可以学习一些网课作为知识的小补充。
除此之外科研项目或者互联网实习经历也是非常有帮助的。
从我接触的同项目的同学来看，大家普遍都做过令人印象深刻的科研项目或者有不错的实习经历，或者两者兼有之。
这些经历的体会/学习到的东西/感悟将成为文书中的宝贵的组成部分，或者说是整个故事的精华部分。
而这些项目/实习的实践内容能够在CV里快速反映你的专业/学术能力。
对于科研项目，如果能发表一两篇文章那会是一个很大的加分项，没有文章也没有太大关系。
对于实习，个人比较推荐去外企实习，原因在于美国高校的招生组的教授肯定对美国的企业更为熟悉和了解。
第三点是拿到一个理想的语言成绩。
这是每个申请留学的同学都得跨过去的一道坎。
由于我大一的时候就隐隐约约有以后要出国留学的想法，再加上本科学校学生的英语平均水平非常之高。
所以一直没有间断英语的学习（毕竟有些英语课拿A比语言考试更难。
但由于我本身英语基础并不差（高中的时候基本把四六级词汇背完），所以一直是细水长流型的准备。
考试前几个月每天花两个小时刷题/背单词，佛系的搞好了语言成绩。
最关键的便是申请季的那一段时光了
首先是对学校项目信息的搜集，有层次的列出选校清单：冲刺/理想/保底项目。
当然选择项目的时候也有很多因素需要考虑，比如说：
1）项目时间的长短，是否有利于找当地的暑期实习（如果坚定的想要找国内工作的话忽略）；
2）学校的综合/专业实力以及其申请的难度， 这方面需要从学校网站/论坛收集各种信息作出敏锐的判断。
3）学校的地理位置，是城市还是大农村，是否有利于找实习，物价水平等等。
4）开设的课程是不是喜欢的，这一点对于申请Data Science的小伙伴更为重要，因为不同学校的Data Science的侧重点不同，有的更偏数学/统计， 有的更偏计算机，有的更偏商科一些。
5）是否对转专业友好，还是更喜欢科班出身的学生。
这一点不同的项目有不同的偏好，需要提前打探清楚。
除此之外，随着申请DS/CS的人数越来越多，竞争也越来越激烈，所以多选择一些保底校是更为稳妥的做法。
准备申请材料方面，有一份吸引人的文书和专业的CV和有力的推荐信是至关重要的，因为招生的老师们基本上会从这三个材料去全面的了解申请者。
如果说一些硬指标（GPA， 语言成绩）能决定你是不是会被淘汰，那么这三样材料能决定你是否能被录取。
准备文书方面，切忌只用一份文书去申请所有的项目，也就是说需要根据每个学校/项目的特色，去做对应的修改，有的地方甚至需要大改。
对于CS/DS混申的同学来讲，这两个专业的文书写作的侧重点应该是不一样的。
文书将好像是在讲一个关于自己的故事，而申请者需要把故事讲的完整，有逻辑，并且能够打动人心。
而如果说文书能够体现一个人的故事/情怀/理想，那么CV更多的体现你的专业能力和学术背景。所以一份CV从格式到内容都需要非常专业。
提供推荐信的老师可以是实习期间遇到的行业大牛，也可以是学校里上过课老师，也可以是课题组的导师等等，写推荐信的老师必须对申请者有一个非常基本的了解和交集。
当准备这三个材料的时候，需要时刻地问自己：凭什么他们应该录取我，我的最大优势在哪里，我如何才能从申请者当中脱颖而出。
申请的感想
不得不说申请是一个持久战，这不仅仅是对能力的考验，也是对心态的考验。
拿我自己来说，大三一年我每天白天学习化学系的专业课，晚上上minor的计算机和数学课，课程表几乎爆满，周末还有很多的实验报告要写，除此之外每天要花时间准备语言考试，另外还需抽时间读paper， 做一些DS方面的project。
最崩溃的是期末季的那一段时间，连着一个星期考minor的东西，然后是通识课的考试和本专业的考试，有的时候一门课接着一门课考，有时也曾在某些考试前晚彻夜未眠，还需保证成绩大部分能拿A。
当然在经过残酷的大三生活以后，整个人的抗压能力和时间管理的能力有了质的飞跃，这也使我在之后的研究生生活当中一直有一个淡定的心态。
Data Science专业介绍
最后我选择了Upenn的DS专业，这算是我的一个理想offer了。
那么下面让我来介绍一些Data Science这个专业吧～
Data Science是一门以数据中心，应用非常广泛的学科，从文学艺术，到基础科学，到政策和管理，再到解决工程问题，都有它活跃的身影。
所以说Data Science是一门对转专业比较友好的学科。
以化学专业为例，我在本科接触到的很多化学的方向都和Data Science 有密切联系，例如化学信息学，计算化学等等，也做过一些化学领域上需要用机器学习解决问题的project。
当然Data Science 需要学习很多的数学/统计方面的知识和过硬的coding 能力。
现如今互联网行业也有很多Data Science方面的岗位需求，比如算法工程师，数据挖掘工程师，数据开发工程师等等。
随着行业的火热发展，开设Data Science 项目的学校也越来越多，这对申请者来说也是一个重大利好的消息～
版权归原作者所有，删文请联系管理员。发布者：admin，转转请注明出处：https://www.blerks.com/27227.html
