MSCS@NWU – TYH¶
基本信息 Basic Information¶
本科专业:CS (2+2)
申请学位:Master
领域偏好:Computer Science / Artificial Intelligence / Robotics /Software Engineering
最终去向:MSCS@NWU — MS Computer Science
申请三维 Application Information¶
均分(大一/大二/大三):3.84 / 4.0
语言成绩:IELTS Waived
GRE:N/A
申请结果 Application Results¶
| 项目 | 结果 | 提交日期 | 结果日期 |
|---|---|---|---|
| 1. MSCS@NWU — MS Computer Science | 12.31 | 2.26 | |
| 2. ScM@Brown — MS Computer Science | 1.15 | 3.21 | |
| 3. Robotics@JHU — MSE Robotics | 2.13 | 3.12 | |
| 4. MEngSE@Cornell — Master of Engineering in Software Engineering | 2.24 | 4.13 | |
| 5. SE@UPenn — Systems Engineering, MSE | 1.30 | 4.2 | |
| 6. MSCS@Rice — MS Computer Science | 1.30 | 2.10 | |
| 7. AI@Edinburgh — MS Artificial Intelligence | |||
| 8. MSCS@UCD — MS Computer Science | 12.14 | 5.6 | |
| 9. MSECE@Duke — MS Electrical and Computer Engineering | 1.15 | 4.15 | |
| 10. MSCS@UCSB — MS Computer Science | 12.14 | 5.2 | |
| 11. MSECS@JHU — MSE Computer Science | 2.13 | 4.3 | |
| 12. Robotics@UPenn — MSE Robotics | 1.30 | 4.2 |
个人经历 Personal Academic Experiences¶
科研经历 Research Experiences:¶
无
实习经历 Internship Experiences:¶
无
项目经历 Project Experiences:¶
穿戴设备远程监控项目¶
时间:大二暑假
参与了一个基于物联网的穿戴设备远程监控项目。项目主要围绕数据收集以及实时跟踪展开,同时参与了 3D模型设计和网页界面设计等工作。
IoT项目¶
时间:大三
大三课程中完成了一个 IoT 相关项目。
游戏软件开发项目¶
时间:大三
大三课程中完成了Unity游戏软件开发。
校园生活分享网站¶
时间:大三-大四本科期间
独立设计并开发了一个面向 UNUK学生的校园生活分享网站,功能类似于"小红书"。
MR音乐沉浸式体验项目¶
时间:大四
大四参与了一个结合 Mixed Reality 与音乐的沉浸式体验项目。
机器人小车项目¶
时间:大四
大四期间选修了研究生阶段的机器人相关课程,并完成了机器人小车项目。(地图生成, 自动巡航之类的)
机械臂柔性物体操作毕业设计¶
时间:大四
毕业设计方向为机器人操作。项目主要研究机械臂对柔性物体的控制问题。
申请经验 Application Experience Sharing¶
选校选专业:¶
因为本科期间一直在接触 IoT、机器人相关的项目,所以自己对 Robotics 方向比较感兴趣。所以申请的时候主要集中在:- Robotics- ECE- Software Engineering- Computer Science选校方面其实我是一个比较纠结的人,因为感觉每个学校都有自己的特色,很难说哪个学校一定是最好的。最后选择 Northwestern 主要是因为我觉得它的 CS 课程覆盖面比较广,可以接触到很多 Robotics 相关课程,但是又不会像一些纯 Robotics 项目一样过于硬核。毕竟我的本科背景还是 Computer Science,如果直接进入一个非常偏 Robotics 的项目,可能需要补充很多机器人方向的知识,对于 CS 背景的学生来说跨度会比较大。所以我还是希望研究生阶段能够保持 CS 的广度,同时结合自己对于 Robotics 的兴趣继续深入。另外一个原因是生活方面。相比 JHU,我觉得 Northwestern 所在的环境可能会更加适合生活一些,风景也不错。虽然听说 Brown 的整体氛围也很好,但是我觉得 Northwestern 的课程压力可能会更大一些。对于我这种如果环境太舒服容易躺平的人来说,我觉得一个稍微有压力的环境反而更适合自己。所以最后我做出了这个未来一年半可能会比较累的决定 hh。
一些学校申请过程中的个人感受¶
1. Brown University¶
我觉得 Brown 这个项目并不是单纯看 GPA。相比一些更偏硬背景的项目,Brown 可能会更加关注申请者有没有自己的想法,以及文书中对于自己的经历和未来方向的表达。比如我之前参加过支教,以及自己设计开发校园网站这些经历,我觉得可能给我的申请增加了一些个人特色。当然,申请本身还是有一定随机性的。不能说做了某一个项目,或者有某一段经历,就一定可以拿到 offer。但是我觉得如果一直跟着自己的兴趣走,持续做相关项目,并且能够在申请中展示自己的项目经历和个人特点,应该还是可以提高申请成功率。
2. University of California 系列 (UCSB / UCD)¶
UCSB 是我申请之后才了解到 UC 本科系列以外的招生可能比较少。我为什么申请 UC 系列学校呢,主要是因为当时觉得 UCSD 我应该申请不上,但是又比较想去加州,所以最后就随便申请了两所。不过 UCD 我后面进一步了解之后,发现自己可能没有那么想去了。现在回头看,稍微有一点后悔没有申请 UCSD 抽一下彩票,毕竟也没有什么损失。
3. Duke University - ECE¶
Duke ECE 我身边有人说我们这一届可能相对比较友好。不过我的面试刚好在假期,没有怎么准备,所以感觉自己没有留下特别好的印象 hh。最后被拒绝了,可能也是多方面原因。
4. University of Edinburgh - MSc Artificial Intelligence¶
爱丁堡没有记录时间线,是因为这是唯一一个我自己独立申请的项目。当时主要就是想体验一下完整的申请流程,所以没有特别在意最后录不录取。申请过程中,我用了很多工具辅助自己快速完成 SOP 等材料的准备,然后就提交了。爱丁堡整体来说还是比较喜欢我们的,均分达到要求的话录取机会应该比较大。
5. University of Pennsylvania - Robotics Program¶
Upenn 的 Robotics 算是一个小彩票,没有抽中,可惜。
6. University of Pennsylvania - Software Engineering¶
Upenn 的 SE 听说近几年门槛一年比一年高。另外这个项目专业排名靠前的学生据说可以转去 CS 专业,也可以选择读双专业。
7. Johns Hopkins University - Computer Science¶
JHU 的 CS 项目我其实不是特别了解。当时 Robotics 给了录取,但是 CS 没有CS 相对来说方向也更加普遍一些,不知道为什么没有录取,可恶。-
8. Rice University¶
RICE 也是非常爱了好吧。申请没几天就下录取, 甚至后面还给大家普遍来了一次奖学金诱惑。
9. Cornell University - Software Engineering¶
Cornell 的 SE 申请得比较晚。之前学校还联系我要英语成绩豁免证明,不过因为当时已经有其他学校 offer 了,所以后面没有怎么关注了。结果过了一段时间还是收到录取谢谢 Cornell 的认可,眼光不错哟,比心。
10. Northwestern University¶
NWU 听说每年都会发很多学生 offer,但是也会有不少学生选择其他学校。不过我不会好吧,我直接就是一个接受。
标化成绩准备:¶
大一的时候就听说 2+2 项目可以 waive掉语言成绩,加上自己也想体验一下英诺的生活,所以后来选择了转成 2+2。申请时又了解到除了少部分学校,大部分学校申请可以 waive 掉语言要求。所以虽然准备了一个多月雅思,但是最后没有去考试。
推荐信准备:¶
我的推荐信构成主要是:
-
暑研老师;
-
PT;
-
毕设导师;
-
两个课程老师。
暑研老师:¶
因为大二暑假的时候和老师一起做过项目,而且在做项目的时候自己也比较认真,所以老师对我印象还不错。后面申请的时候联系老师,老师也比较愿意帮忙写推荐信。因为一起做过项目,所以这部分推荐信相对来说也是比较自然的。
PT:¶
听说 PT 这边有推荐信指标,所以可以直接联系 PT 老师帮忙写推荐信。我的 PT 也比较好,好像额外帮我多写了几封推荐信。
毕设导师:¶
我的毕设导师人很好,也是对我了解比较深入的一位老师。因为毕设期间我们基本每 1-2 周都会开一次视频会议,会持续讨论项目进展,所以导师比较了解我的项目情况。最后申请的时候导师也帮忙写了很多封推荐信。
课程老师:¶
课程老师这边,一个老师我就不展开说了,主要是不想给老师增加太多额外负担。另外一个老师是我大四选修研究生课程的老师。因为我们做项目的时候给老师留下了一些比较好的印象,同时我觉得自己的成绩应该还不错,所以后来咨询老师是否可以帮忙写推荐信。这个老师人也很好,也帮忙写了很多封推荐信。总体来说,我觉得老师人都挺好的。只要你认真去做项目,平时和老师多沟通,给老师留下一个比较好的印象,后面申请的时候基本都是可以联系老师要推荐信的。尊重都是相互的, 没有人义务帮你做什么事情. 所以我觉得对老师表达尊重和感激也很重要。
暑研/实习建议:¶
现在这个时代其实有很多工具可以帮助你完成项目,很多事情没有想象中那么难。暑研本身其实也就是一个项目,只要愿意花时间投入,最后一般都会有一些结果。当然,能不能发论文这个不一定,但是把它作为一个项目经历写到申请里面,积累经验肯定是有帮助的。所以我觉得大家可以去做一些自己真正感兴趣的项目。暑假给自己找点事情做其实也挺好的,虽然做项目的过程有时候会有点无聊 hh。
其他建议:¶
申请美国学校的话,GPA 虽然很重要,但是其实并不是决定性的因素。好的项目经历和文书也可以发挥不小的作用,尤其是一些比较看重 fit 和个人特色的项目。所以大家可以多去尝试不同的项目,慢慢找到自己真正感兴趣的事情。对于很多高考进来的同学来说,之前可能都没有接触过美国研究生申请这一套体系,所以刚开始可能会比较焦虑。我之前其实也是这样,大一的时候焦虑能不能成功转 2+2,后面又焦虑申请研究生的各种要求。虽然现在回头看,很多时候当时的焦虑其实都是多余的,但是对于当时的我和现在的你们来说,这种焦虑可能也是无法避免的。所以希望我的这些话能够给现在的大家一些宽慰。“长风破浪会有时,直挂云帆济沧海。”希望大家在面对困难的时候都可以多鼓励自己,坚持下去。很多东西其实没有想象中那么难,有些结果也没有想象中那么糟。也希望大家可以在大学期间找到自己真正感兴趣的东西和方向,去做一些自己喜欢的事情。学习和生活其实并不冲突。共勉。
关于英国申请以及大四课程成绩¶
对于申请英国学校的同学,有时候会比较关注大四成绩,因为很多学校可能会Con一等或者二等一如果是 UNUK 的同学,下面分享一些我自己大四几门课程的体验。
Autonomous Robotic Systems (COMP4034 UNUK)¶
首先想说一下 Robotics 方向的老师。个人感觉 Robotics 课题组的老师都非常友善,和他们交流的时候可以感受到他们对于机器人方向的热情以及对同学们的友善. 不过相对应的,课程评分也比较严格和专业,所以想拿到高分其实并不是特别容易。之所以想分享这门课,是因为这门课有一个比较有趣的机器人小车比赛。只要比赛取得比较好的成绩,就可以直接给最终成绩增加 bonus。第一名好像可以加 10 分,第二名加 9 分,第三名加 8 分,好像前十名都会有对应的加分(具体分数建议大家到时候确认课程说明)。如果大家对于机器人小车感兴趣,我觉得这门课还是比较推荐的。因为这是大四和研究生混合的项目,最后参加比赛的人数其实没有想象中那么多。所以如果愿意投入时间去调试小车,其实获得 bonus 的机会还是比较大的。即使不是第一名,只要小车能够正常运行,也有机会通过比赛获得额外加分。另外提醒一个比较重要的点:中期报告中的 evaluation 部分非常重要。我们当时在这一部分准备得不够充分,所以扣了不少分。个人感觉很多项目报告里面,如果 evaluation 写得不错能够很好评估自己的设计的话就可以得到不错的分数. (这个evaluation不是简单凭感觉来分析的, 是要画数据图表的. 老师应该会提到具体要怎么做。
Designing Intelligent Agents (COMP3004 SPR)¶
这门课今年主要通过一个类似论文形式的报告来展示自己的项目。没有其他考核.这门课也让我有一个比较深的感受,就是项目并不是花越多时间,最后效果就一定越好。其实很多时候,只要抓住项目的重点,就可以用比较少的时间得到一个不错的结果。回想以前做项目的过程,很多时候其实是焦虑推动着自己不断花时间修改,而不是项目本身真的还需要那么多优化。所以后来发现,比起无限投入时间,不如抓住重点去发力。我觉得自己的项目背景相对比较贴近现实,同时也加入了一些人文方面的考虑,并且设计方向和一些比较常见的项目不太一样。在项目报告中,我也比较注重如何展示项目的价值以及实验结果,所以最后的成绩还不错.(我觉得Evaluation是重点)
关于要持续反馈结果的项目型课程的一些想法¶
回看大学四年的项目开发经历,对于一些需要持续 feedback的课程(比如大三的软件工程),我个人感觉这类课程主要还是希望看到你在过程中学习和成长。不要只关注最后结果,把过程记录下来,及时和老师沟通,让老师看到你的成长,其实也可以获得不错的成绩。