University of Cambridge MPhil in Data Intensive Science – Nixiak¶
基本信息 Basic Information¶
本科专业：数学与应用数学 (2+2)
申请学位：硕士 Master
领域偏好：Data Science
最终去向：University of Cambridge MPhil in Data Intensive Science
联系方式：邮箱 zewey.foster@gmail.com
申请三维 Application Information¶
| 维度 | 内容 |
|---|---|
| 均分（大一/大二/大三） | 一等 |
| GPA（4.0 制） | 3.8+ |
| 语言成绩 | 雅思7 |
| GRE | 321+3.5 |
申请结果 Application Results¶
Chosen
Admit
Reject科研 / 项目经历¶
- 大二 · 宁诺 · 学期中科研 纯数证明 seminar (ppt+pre)
- 大二 · 宁诺 · 暑期科研 环境数据分析 report
- 大二 · 宁诺 · Research Assistant 工业冷机建模 两篇论文（一作）
- 大三 · 宁诺 · 学期中科研 运筹优化 poster
- 大三 · 深圳湾实验室 · Visiting Student 计算生物 report
实习经历¶
- 大一 量化私募
- 大一 数据分析
- 大二 量化交易
- 大三 量化私募
推荐信¶
1实习，1PT，2科研（强推）
荣誉奖项¶
2023.12 浙江省政府奖学金
2024.5 优秀学生干部
2026.3 浙江省优秀毕业生
2022.12 校内数模比赛 第三名
2023.5 校内数学竞赛 H
2023.7 美赛 H
2024.5 美赛 M
若干壁球奖e.g.
2023.10 浙江省壁球锦标赛女子单打亚军
2023.12 杭州市壁球公开赛女子单打冠军
2025.3 英国大学生壁球联赛女子团体亚军
中介分享¶
全包费用是 6.8w。
当时和中介签的是 10 个项目，后面还额外赠送了几个项目。我的申请里，英国和香港各申请了两所，其余主要是美国院校；其中剑桥的 Scientific Computing 项目是我自己 DIY 申请的。
整体合作下来，我觉得体验还是比较好的。老师比较专业，也很负责，能够帮我把控申请节奏，比如什么时候定校、什么时候准备文书、什么时候递交材料，都推进得比较有条理。对我来说，最大的帮助是节省了很多时间和精力，尤其是在申请项目比较多、材料比较杂的时候，有人帮忙盯流程会安心很多。
选校方面，我个人感觉整体精准度也不错。因为我在一月初拿到剑桥 offer 之后，美国方向就只继续冲了一些藤校项目，所以最后看起来美国申请结果没有那么理想。但这更多和我后期调整申请策略有关，并不完全是选校本身的问题。整体来看，中介在前期定位、项目匹配和申请节奏把控上还是起到了比较大的帮助。
如果申请项目比较多、自己时间精力有限，或者希望有人帮忙系统推进流程，我觉得这类服务还是比较适合的。我的体验总体是满意的，也确实帮我在申请季少走了一些弯路。有感兴趣的同学可以联系我。
申请经验心得¶
1.选校与专业
主要看经历文书和项目的匹配度
2.标化成绩准备
只能给个timeline
GRE在9月初考的（结果压根没用上），雅思在11月底裸考的。
3.推荐信
依旧timeline
9月份联系科研导师和实习mentor（提交香港），1月份联系PT（提交美国）
4.实习
实习方面，我虽然有多段经历，但整体上没有特别想展开的内容，所以申请时也没有作为重点去写，更多还是突出科研经历。
5.科研(仅供娱乐版)
我向来是建议从大二开始做科研的。并不是因为大二的学生忽然聪明了，而是因为论文这种东西，从来不肯体谅人的雄心壮志。若是等到大三暑假才动念头，多半赶上申请时，只好郑重其事地写上一句：“正在准备中。”这话倒也不能算假，只是准备到什么时候，连本人也未必清楚。
至于科研本身，我有一条看似刻薄、实则朴素的判断：水科研，大抵是没有用的。不论校内还是校外，只要是小组科研，混子几乎总会如期而至，这并非谁的品行问题，而是集体生活的自然现象。在这样的环境里，一个人若想不被湮没，至少要明白自己究竟在做什么。不是“参与了一部分”，而是能说清楚问题从何而来，方法因何而选，逻辑是否自洽。若连这些也说不出，项目再体面，也不过是陪跑。
有人问大一要不要做科研。我倒以为，大一不如先去打几场建模比赛。毕竟，一个刚从高中出来、尚未分清“科研”和“作业”边界的人，急着做科研，成果往往十分感人。当然，若是天赋异禀之辈，自当另论。
校外科研也是同样的道理。人少，并不意味着轻松，恰恰意味着你若不说话，事情便自行消散。多和 PI 交流，多谈想法，多做汇报。科研的产出，也未必非得是论文；poster、ppt、report，至少证明你不是来旁观历史的。
回头看我自己的经历，大多时候做的，倒更像是 1–1 的科研。并非刻意独行，只是科研里常常只有两种局面：要么有人混着，要么你自己想得清楚。于是，建模比赛也好，小团队科研也罢，多半时候，我都成了那个“负责推进的人”。并不是因为好胜，而是因为不如此，事情便要烂尾。
至于“科研越多越好”这一说法，我始终心存疑虑。线上一个，线下一个，大牛一个，前沿一个，看上去倒是十分热闹。只是到最后，若这些经历不能串成一条清楚的线，便往往呈现出一种景象：做过不少，懂得不多，剩下的，全靠叙述技巧支撑。至于评审是否看得出来——我以为，他们每日所做之事，正是如此。
最后说几句。
申请季别把自己先吓死。说到底，申来申去最后也只去一个学校。
我自己其实并没有因为拿到好的 offer 就觉得怎样。说到底，我也只是个普通人，这个结果最多说明我那阵子运气还行，远不到“从此证明了什么”的程度。我甚至在申请之前就想得很清楚：没必要把自己那点运气全押在申请上。
我以前也不是没被飞跃手册和经验帖吓到过。看一圈下来，仿佛别人均分都高得离谱，科研多得像不要钱，实习也像批发来的，再看看自己，立刻开始怀疑是不是连书都没得读了。可后来才发现，你看到的很多时候并不是全部现实，而只是更容易被写下来、被看见的那一部分。
所以我真正想说的是：大胆去申请，也大胆去写自己的飞跃手册。
不用非得等到结果特别漂亮、特别传奇，才觉得自己有资格分享。不同人的申请过程、选择，甚至一些走过的弯路，本来就很有参考价值。真正有用的经验，不是只让少数高光样本反复出现，而是让更多不同的人都把自己的路记录下来。不然飞跃手册写到最后，早晚会从经验贴变成光荣榜。