2020 Fall 转CS申请总结， 加米
880910
想写个简短的总结来结束自己的申请季。
太长不看版：
美本同学，大一大二时候刷高GPA越高越好，能3.9以上最后，3.9和3.7的申请绝对是不一样的两个天地。多和比较nice或者research interest match的教授搞好关系（i.e. 多上她们的课，暑期没有特别好的实习机会，就想办法做research），大三暑假结束的时候标化一定要考出来，大四第一学期，刚开学的时候PS草稿打好，推荐信最后给提前两个月和教授通知一下，最好还问下老师愿意交几封。
Timeline:
背景：
不出名海本（入学录取率大概20%，大家可以用这一点来标定学校排名）。数学+经济双专业，数学学得挺杂的，纯数学这块有实分析+拓扑+抽象代数，偏应数的有博弈论，组合优化，优化控制，蒙特卡洛等，因为我们学校数学系整体难度也不是很难，所以专业成绩倒是比较好。两段实习再加一个research，实习偏BA向，不过主要用ML，research基本上算是nlp加经济结合吧。
经济这块也是各个方向都有，除了和统计有关的计量和时序，剩下主要是Macro和IO。我们学校经济系整体上不是很理论，都是数据分析做实证的，都是学经济倒是开发了我的DA skillsets， econometrics，time series in R，再加一些基本的ML(Python)。这也导致选校的时候也没有报DS项目，学的学的内容和本科训练比较重复，而且除了比较硬核的统计知识，剩下的基本上自学也可以。自己本身想多积累一下CS的技能，毕竟按照job market看，短期之内这个还是一个highly-valued的skill sets，如若不然，有点无法想象以后如果tech industry饱和以后，找工作难度等同于consulting/finance是什么场景。
最后选校的考量的话，比较简单粗暴，地理位置不太好或者太冷的我不想去的都没有申请，现在想象也是比较冒险的，毕竟申请还是一件很随机的事情，不是说按照BG就能定位算出保底彩票的bucket的，但是之前一直想的是USC 37主要卡GPA，自己应该可以拿那个保个底，所以也就拿这个项目当baseline来选择其他项目了。现在想的话，可能会补申MIT的那个BA项目再加Harvard DS/CSE，就当抽彩票了。MIT那个项目没申请主要是需要有一封industry的推荐信，太麻烦了，就没准备了，蛤佛看课程比较偏DS，而且申请的主要是转CS项目，也就忽视了这个项目，纽约的学校不太想去，就没申请了，加州就申请了两个，可能UCSD，UCLA会有一些可以转码的DS项目可以加入考虑范围内，但自己当时也没认真做研究。
总结：
基本上可以参考开头的太长不看版，美本的话，GPA还是王道，毕竟是反映了四年以来的一贯的学习能力，努力程度，很难造假，AO拿这个当主要的filter还是相对有效的，3.6以上的话，每个0.1的increment都是不一样的层次，尽量上一些比较难的课，提升一下GPA的质量。实习和research的话，其实我也讲不清楚到底选择什么比较好，但是笼统地讲的话，如果是偏BA的program，可能有一些实习比较好。偏DS的program learning curve比较陡峭，做research也可以展示个人的学术水平。CS类的不清楚，毕竟自己也不是学这个的。
关于选转cs项目的一类心得。大多数professional的cs degree(MCS)其实本科是个cs minor就可以了，这点从各个转CS项目给补课的内容就能看出来，一般也就是5-6门课，就可以去上正常的graduate level的课了。所以如果能在本科学校选CS的话，尽量把自己上成一个minor的配置（data structure， OS，database等），这样选校的范围就比较宽泛了，上可mcs，下可转码项目。关于零基础的转码项目，这个每个项目都比较神奇了，USC 37必须是Sci or Eng major，文商科不喜欢，UChicago MPCS不太清楚，但有记得又让你列出数学课学了什么，所以数学课比较多的会比较好。NEU Align，摸不清楚，投就完了。Penn MCIT，一个神奇的项目，我现在对这个项目的认知是很有可能是你上过data structure就会被拒...原因也比较好理解，官方的policy是6门补背景的CIT课，只能选两节waive，而且必须在第一学期就提出来，下学期的课基本上都是拿第一学期的课当prerequisite，所以如果参照背景如果是已经学了两门以上的话，再加上学了data structure和OS，基本上就可以别申了，毕竟说起来你都不需要上CIT的课了，就应该是直接去申CIS了，但毕竟不是科班出身，但CIS的pool里很可能背景不够强，瞬间悲剧。
对于转CS项目，怎么证明自己是个合适的candidate。我觉得主要还是分两方面，第一方面是证明quant能力，如果是理科背景还比较好说，从以前学过的数学课可以当做一个证明，同时尽量把computability和discre math给上了，又能作为一个能力证明，回头ms了还可以waive课。另一个方面还是得证明自己对项目是个good fit，因为学校也不希望找一个最后发现自己不喜欢学CS，或者没有能力胜任CS学习的人。而这个又分两方面，第一方面你得证明你对于学CS是个good fit，比如说通过一些本专业学习过程中，做了什么project，发现自己对programming很感兴趣，同时也能证明自己是个比较有自我驱动力的人。第二个方面是，证明自己对这个学校是个good fit，比如说Penn每年的cohort都比较小，最好能谈谈自己是不是喜欢一个collaborative的环境的人，喜欢team work的人，或者学校有些比较特殊的setting，自己怎么和学校的氛围match。最后最好能谈一谈自己本科专业结合CS能做些什么，这样的话比较能满足diversity的要求，而且个人觉得如果完全不写本科专业，会让人觉得比较奇怪，我会有疑问那你为什么要学之前那个专业呢，而且行文之间可能会负面情绪比较多，or at least not very positive。
本帖隐藏内容需要登录后才能查看。
希望大家能挺过肺炎，趁这段时间多准备准备申请package也是挺好的，加油！
太长不看版：
美本同学，大一大二时候刷高GPA越高越好，能3.9以上最后，3.9和3.7的申请绝对是不一样的两个天地。多和比较nice或者research interest match的教授搞好关系（i.e. 多上她们的课，暑期没有特别好的实习机会，就想办法做research），大三暑假结束的时候标化一定要考出来，大四第一学期，刚开学的时候PS草稿打好，推荐信最后给提前两个月和教授通知一下，最好还问下老师愿意交几封。
Timeline:
- 七月：一战GRE 155+170 +3（基本裸考，没怎么刷题，单词也没被多少就去了，AW也没学过套路，大概被判了个偏题，V估计是做了两个Median，第一个section大概离做出hard的正确率差了个两三题）
- 八月：二战GRE 154+170 +4（V复习了半天，还低了一分也是醉了，不过AW终于有了个满意的分数）
- 九月：三战GRE 160+168+4 （终于出分了，V第二个section应该是hard，数学这次有点难，错了两题，作文中规中矩，是一道考前复习到的题目，没写到4.5有点可惜，不过问题也不大应该）
- 十月：磨磨蹭蹭写PS，问老师要推荐信，最好给老师留足两个月左右的时间，比较合适。
- 十一月：PS wrap-up，投UPenn第一轮
- 十二月：忙着应付学校考试，期末论文，肝到吐血。有点后悔USC和NEU Align没提早交。
- 一月：趁1月15的ddl前再递交了几个项目，UChicago, Tufts, USC, NEU, Stanford MS&E。1月16收到Penn offer，申请季基本结束，可能会等一个 大S再稍微考虑一下，但是基本决定去Penn了。
背景：
不出名海本（入学录取率大概20%，大家可以用这一点来标定学校排名）。数学+经济双专业，数学学得挺杂的，纯数学这块有实分析+拓扑+抽象代数，偏应数的有博弈论，组合优化，优化控制，蒙特卡洛等，因为我们学校数学系整体难度也不是很难，所以专业成绩倒是比较好。两段实习再加一个research，实习偏BA向，不过主要用ML，research基本上算是nlp加经济结合吧。
经济这块也是各个方向都有，除了和统计有关的计量和时序，剩下主要是Macro和IO。我们学校经济系整体上不是很理论，都是数据分析做实证的，都是学经济倒是开发了我的DA skillsets， econometrics，time series in R，再加一些基本的ML(Python)。这也导致选校的时候也没有报DS项目，学的学的内容和本科训练比较重复，而且除了比较硬核的统计知识，剩下的基本上自学也可以。自己本身想多积累一下CS的技能，毕竟按照job market看，短期之内这个还是一个highly-valued的skill sets，如若不然，有点无法想象以后如果tech industry饱和以后，找工作难度等同于consulting/finance是什么场景。
最后选校的考量的话，比较简单粗暴，地理位置不太好或者太冷的我不想去的都没有申请，现在想象也是比较冒险的，毕竟申请还是一件很随机的事情，不是说按照BG就能定位算出保底彩票的bucket的，但是之前一直想的是USC 37主要卡GPA，自己应该可以拿那个保个底，所以也就拿这个项目当baseline来选择其他项目了。现在想的话，可能会补申MIT的那个BA项目再加Harvard DS/CSE，就当抽彩票了。MIT那个项目没申请主要是需要有一封industry的推荐信，太麻烦了，就没准备了，蛤佛看课程比较偏DS，而且申请的主要是转CS项目，也就忽视了这个项目，纽约的学校不太想去，就没申请了，加州就申请了两个，可能UCSD，UCLA会有一些可以转码的DS项目可以加入考虑范围内，但自己当时也没认真做研究。
总结：
基本上可以参考开头的太长不看版，美本的话，GPA还是王道，毕竟是反映了四年以来的一贯的学习能力，努力程度，很难造假，AO拿这个当主要的filter还是相对有效的，3.6以上的话，每个0.1的increment都是不一样的层次，尽量上一些比较难的课，提升一下GPA的质量。实习和research的话，其实我也讲不清楚到底选择什么比较好，但是笼统地讲的话，如果是偏BA的program，可能有一些实习比较好。偏DS的program learning curve比较陡峭，做research也可以展示个人的学术水平。CS类的不清楚，毕竟自己也不是学这个的。
关于选转cs项目的一类心得。大多数professional的cs degree(MCS)其实本科是个cs minor就可以了，这点从各个转CS项目给补课的内容就能看出来，一般也就是5-6门课，就可以去上正常的graduate level的课了。所以如果能在本科学校选CS的话，尽量把自己上成一个minor的配置（data structure， OS，database等），这样选校的范围就比较宽泛了，上可mcs，下可转码项目。关于零基础的转码项目，这个每个项目都比较神奇了，USC 37必须是Sci or Eng major，文商科不喜欢，UChicago MPCS不太清楚，但有记得又让你列出数学课学了什么，所以数学课比较多的会比较好。NEU Align，摸不清楚，投就完了。Penn MCIT，一个神奇的项目，我现在对这个项目的认知是很有可能是你上过data structure就会被拒...原因也比较好理解，官方的policy是6门补背景的CIT课，只能选两节waive，而且必须在第一学期就提出来，下学期的课基本上都是拿第一学期的课当prerequisite，所以如果参照背景如果是已经学了两门以上的话，再加上学了data structure和OS，基本上就可以别申了，毕竟说起来你都不需要上CIT的课了，就应该是直接去申CIS了，但毕竟不是科班出身，但CIS的pool里很可能背景不够强，瞬间悲剧。
对于转CS项目，怎么证明自己是个合适的candidate。我觉得主要还是分两方面，第一方面是证明quant能力，如果是理科背景还比较好说，从以前学过的数学课可以当做一个证明，同时尽量把computability和discre math给上了，又能作为一个能力证明，回头ms了还可以waive课。另一个方面还是得证明自己对项目是个good fit，因为学校也不希望找一个最后发现自己不喜欢学CS，或者没有能力胜任CS学习的人。而这个又分两方面，第一方面你得证明你对于学CS是个good fit，比如说通过一些本专业学习过程中，做了什么project，发现自己对programming很感兴趣，同时也能证明自己是个比较有自我驱动力的人。第二个方面是，证明自己对这个学校是个good fit，比如说Penn每年的cohort都比较小，最好能谈谈自己是不是喜欢一个collaborative的环境的人，喜欢team work的人，或者学校有些比较特殊的setting，自己怎么和学校的氛围match。最后最好能谈一谈自己本科专业结合CS能做些什么，这样的话比较能满足diversity的要求，而且个人觉得如果完全不写本科专业，会让人觉得比较奇怪，我会有疑问那你为什么要学之前那个专业呢，而且行文之间可能会负面情绪比较多，or at least not very positive。
本帖隐藏内容需要登录后才能查看。
希望大家能挺过肺炎，趁这段时间多准备准备申请package也是挺好的，加油！
- 42
10条回复