卡耐基梅隆大學信息技術戰略專業申請經驗分享

下麵給大家帶來分享的，是卡耐基梅隆信息技術戰略、芝加哥大學應用數據科學、約翰霍普金斯數據科學、南加大計算機科學等大學研究生項目錄取的Jack同學！ 本期介紹 2023Fall碩博錄取分享

● 分享人：Jack

●本科大學：大陸院校 & 海外大學(不包含美國院校)

● 本科專(zhuan) 業(ye) ：應用數學

● 入讀學校：卡耐基梅隆大學

● 入讀專(zhuan) 業(ye) ：信息技術戰略

大家好，我是分享人Jack，很高興(xing) 能在這裏跟大家分享我的申請經驗和升學故事。在2023Fall美研申請中我收獲了卡耐基梅隆信息技術戰略、芝加哥大學應用數據科學、約翰霍普金斯數據科學、南加大計算機科學等項目的錄取。下麵我將圍繞研究生項目選擇、活動實習(xi) 、學術項目，乃至於(yu) 申請節奏安排以及文書(shu) 寫(xie) 作等方麵跟大家分享一下我的經曆和心得。

01、聚焦數據&編程，探索應用導向項目

我在申請中的專(zhuan) 業(ye) 選擇有三個(ge) ：分析學、數據科學以及CS計算機科學。之所以會(hui) 如此選擇一方麵是因為(wei) 我本身就傾(qing) 向於(yu) 應用，另外還有大一大二與(yu) AI相關(guan) 的經曆讓我對應用方向也更感興(xing) 趣，這些經曆我將在下文中展開與(yu) 大家分享。

總的來說，了解過項目申請要求後發現他們(men) 要求的數學背景正好是我具備的，所以就決(jue) 定申請這三個(ge) 方向。在項目選擇上我也不是一開始就堅定地做出了選擇，中間還是出現過轉變的。但我想走應用方向的想法一直沒變。

例如最初我考慮過金融工程項目，我做過與(yu) 之相關(guan) 的第一段經曆是在大二時跟老師做的圖像時間序列分類研究，我將精力和時間都投入到了Machine Learning機器學習(xi) 這個(ge) 大方向中。

在選擇項目經曆去做的時候，我的選擇標準是項目所能提升和體(ti) 現的核心能力要能對標多個(ge) 項目的要求，因此我做了很多與(yu) 算法、數據處理相關(guan) 的項目，比如研究機器AI學習(xi) 這個(ge) 經曆就同時滿足了金融工程和CS項目申請的要求。

所以雖說最終我沒有在申請中選擇金融工程方向，但由於(yu) 我做的項目也可以用在計算機、數據科學、分析學的申請中，但總體(ti) 來看我的申請方向上並沒有經曆非常大的轉變。

除了找一些核心技能是數據處理、編程算法的項目外，為(wei) 了獲得一些高含金量項目的參與(yu) 名額，我還會(hui) 找一些課程資源通過自學盡量彌補自己在知識儲(chu) 備和實操技能上的不足，讓自己達到項目的要求。比如Coursera上有非常經典的Andrew NG Machine Learning課程，學完後就可以跟進項目組跟著學長或是博士生做相關(guan) 的項目。

在考慮申請方向的時候，我跟我的顧問張欣老師也聊了很多。剛好張老師帶我梳理過一次本科的各個(ge) 時間點要做哪些事，比如在開學之前就把官網上老師的介紹都檢索一遍，挖掘一下是否有能夠提前聯係老師以獲得參加項目的機會(hui) 。

因為(wei) 一開始我想走的方向其實還沒有最終確定下來，比如我一開始想走金融工程，與(yu) 此同時我還看到了其他機會(hui) 比如資產(chan) 定價(jia) 、以及之後我做的AI學習(xi) 之類的項目，我自己其實在機會(hui) 和多個(ge) 方向麵前也拿不定主意，所以我也問過張老師的建議。

張老師給我的建議是如果還不能確定下專(zhuan) 業(ye) 方向，可以選擇通用性強的項目去做，在項目中培養(yang) 幾個(ge) 目標方向都需要的能力就不必擔心前期做的項目不能用在申請中了。另外關(guan) 於(yu) 如何抓住實習(xi) 機會(hui) 和科研機會(hui) 上，張老師也給過我很實用的建議。比如學校老師手上有哪些項目，課後可以去跟老師多聊聊看；也可以了解一下同學暑假的安排，看是否有可以參與(yu) 的部分；是否有同學可以組隊參加競賽等。

張老師讓我一定要學會(hui) 走出自己的舒適區，去尋找對自己有幫助的人脈和資源。還有一定要關(guan) 注時間順序和選擇先後上的問題，不要貪圖多，更要看重質量。不過說實話，我的純數背景來申這三個(ge) 方向還是吃虧(kui) 的。

主要原因就是我沒上過CS課程，CS方向我能申接受轉專(zhuan) 業(ye) 的項目。那因為(wei) 這三個(ge) 專(zhuan) 業(ye) 方向都很交叉，比如數據科學的話，它除了要求申請者有數學能力外也對CS會(hui) 有要求。

剛才我也有談到我們(men) 學校的數學其實偏純數，至於(yu) 計算機之類的內(nei) 容我們(men) 當初僅(jin) 有一門導論課，更深入的內(nei) 容就比較少了，僅(jin) 限於(yu) 統計課裏會(hui) 涉及到R語言和Java語言。所以我本科課程跟純工科專(zhuan) 業(ye) 內(nei) 容上的差距還是很明顯的，我也確實沒聽到很多同學申研錄取數據科學專(zhuan) 業(ye) 的消息。

不過，也是因為(wei) 我並沒有太多計算機或者數據相關(guan) 的經曆，所以，申請計算機和數據科學對我來說其實沒有太大區別，我就把它們(men) 統一歸為(wei) 人工智能或者數據大方向的項目來準備申請。至於(yu) 分析學，它包含更多的是對於(yu) 商業(ye) 的應用，換句話說就是你想將它應用在哪些方麵。所以在申請中我沒有把分析學材料的內(nei) 容呈現得特別具有技術導向。

總體(ti) 來說我申請的這三個(ge) 方向是具有相關(guan) 性的。比如說數據科學、計算機和AI跟蹤分析，都會(hui) 涉及到統計數學方麵的知識，更重要的是它們(men) 都會(hui) 包含Data Learning 數據學習(xi) 的相關(guan) 內(nei) 容。

那在一個(ge) 工作流程裏麵，數據科學家負責將數據抽絲(si) 剝繭從(cong) 中提取出有用的信息，分析人員將信息整理成一篇將在公司決(jue) 策過程中產(chan) 生影響的分析報告。而計算機人員則是會(hui) 去搭建數據科學家們(men) 在工作中會(hui) 用到的基礎平台。

02、活動經曆：負重前行所以步履紮實

從(cong) 大二到大三，我的假期安排得都很滿，也因此積攢了不少實習(xi) 、科研、誌願者活動的經曆。例如大二全年我都在做圖像時間序列的分類研究，這是一個(ge) 我一邊學習(xi) 模型分析，一邊進行的學術研究項目。

另外大二暑假我通過大學提供的校外導師項目申請到了一個(ge) 跟著電信技術總監做實習(xi) 的機會(hui) 。我在這個(ge) 電信信息集團實習(xi) 的主要工作是對社保卡數據進行分析處理，並獲得了一定的社會(hui) 回饋。

到了大三我做的活動同樣非常豐(feng) 富，我以誌願者的身份參加了英國Data Kind非政府組織的項目，這個(ge) 項目當時也在為(wei) 慈善機構Chasing The Stigma提供服務，我當時跟著很多計算機、統計領域的碩博學生，甚至專(zhuan) 業(ye) 研究人員為(wei) 這個(ge) 慈善機構建立了讓客戶數據挖掘和格式化操作更為(wei) 簡化的多功能儀(yi) 表板。

暑假時我還參與(yu) 了利物浦大學跟Milliman谘詢公司合作的項目，預測二氧化碳排放對金融市場的影響。

大三下我參加了在數據科學領域非常有名的競賽Kaggle，這個(ge) 比賽中使用的數據都是現實中的公司提供的真實數據，相對的參賽團隊麵對的項目也是公司提出的真實需求。所以Kaggle比賽一方麵很鍛煉人，另一方麵因為(wei) 它要求參賽團隊真的要通過研究區解決(jue) 實際問題，因此它不管是在申請還是在求職中都有非常高的認可度。

如果你能在Kaggle比賽上名列前10%並寫(xie) 在簡曆中，那麽(me) 基本就能進入麵試環節。參賽選手不光有跟我一樣的本科生，還有很多碩士、博士、在職工程師也在打比賽，備賽階段我會(hui) 去學習(xi) 一下常勝隊伍之前提出的解決(jue) 方案，因為(wei) 即便每個(ge) 公司的數據是不同的但實際上還是有一些比較通用的解決(jue) 方案。

其實我並沒有為(wei) 了這個(ge) 比賽去特別提高哪些能力，因為(wei) 比賽中用到的數據處理能力、建模能力、機器學習(xi) 能力，這些在之前的科研和實習(xi) 中都有接觸到，我要做的就是要在比賽中把它發揮到位。我投入了很多時間在Kaggle比賽上，我做的項目主題是H&M個(ge) 性化時尚推薦，為(wei) 此我設計了基於(yu) SAR和新型損失函數的全新排名模型，功夫不負有心人，最終，我在比賽中斬獲了一枚銀獎。