University of Cambridge MPhil in Scientific Computing – Charlie¶
基本信息 Basic Information¶
本科专业：数学与应用数学 (4+0)
申请学位：硕士 Master
领域偏好：ML/AI、生物统计、应用数学/计算数学
最终去向：University of Cambridge MPhil in Scientific Computing
联系方式：邮箱 zhao.haoqi@outlook.com · 微信 zhaohaoqipaolule
申请三维 Application Information¶
| 维度 | 内容 |
|---|---|
| 均分（大一/大二/大三） | 85 |
| GPA（4.0 制） | 3.94 |
| 语言成绩 | 6.5(6.5) 但是都未提交 |
| GRE |
申请结果 Application Results¶
| 项目 | 结果 | 提交日期 | 结果日期 | 备注 |
|---|---|---|---|---|
| 1. University of Cambridge MPhil in Scientific Computing |  Chosen |
2025.12.3 | 2025.1.22 | Cond 2:1 语言内测 or 7/7 / 大约30mins面试 |
| 2. Imperial College London Computing (MSc 1YFT) |  Admit |
2026.3.25 | 2026.6.18 | Cond 一等 语言7/6.5 / 无面试 |
| 3. Brown University Master of Science in Biostatistics | Admit |
奖 30% tuition | ||
| 4. University of Cambridge MPhil in NeuroAI & Intelligent Systems |  Reject |
无面拒 | ||
| 5. Imperial College London MSc Artificial Intelligence | Reject |
2026.1.10 | 2026.3.25 | 无面拒 |
| 6. UPenn MA in Applied Mathematics and Computational Science (AMCS) | Reject |
无面拒 |
科研 / 项目经历¶
- 大一 · Robomaster · 算法组成员（一年） 计算机视觉
- 大二 · UNNC & Edinburgh · RA（Jun Fan · 一年） 期权定价与高性能计算 report
- 大二 · 深圳湾实验室 · RA（牛田野 · 2个月） 数值计算与图像处理
- 大三 · 985 · Visiting Student（2个月） 计算神经学
- 大四 · UNNC · RA（Xueping · 一年） 数值计算与计算物理 一篇文章在写
- 大三 · UNNC · mathematical training seminar（Olga/Jun Fan/Hamid） 总共参加了四次，虽然我觉得这个完全不能算作科研，但是用于开拓数学视野是非常合适的，非常鼓励参加。
实习经历¶
- 大三 · 北京科兴 · 3个月 临床试验设计与数据分析
推荐信¶
均为学术推荐信，都是强推
荣誉奖项¶
Provost's Scholarship
省奖
UNNC Olympiad 铜奖
DIY 分享¶
DIY手册正在制作中
申请经验心得¶
申请心得分享
首先我认为，在申请之前，无论是找中介还是diy，最重要的是想清楚自己的想要的是什么。 读博，就业还是留外，世界上的硕士项目数不胜数，每种目的都会比均分等因素更加影响你的最终申请结果。我在本科期间做的无论是科研还是其他项目经理多且杂，尝试了大量方向，兜兜转转最终还是更加喜欢数学，于是我的申请策略是，首选能够在能够提供读博机会的平台学习数学，如果够不上，那么就转码，兴趣和就业至少沾上一个，这是我本科四年中认为对于我个人而言最重要的课题。
在申请季开始前，选课也比较重要，例如打算申请数学相关硕士，大二最好不要选数学系以外的课程；希望未来继续申请应数PhD，建议在大四选Functional Analysis。
同时我强烈建议不能将全部的工作都由中介完成而不过问，今年周围身边听说的不靠谱的中介有做过如下抽象事情：搞错雅思要求；搞错提交时间；搞错项目的特殊要求（例如IC 应用数学只接受第一志愿，除非第一志愿为纯数学）；交错文书…… 我始终坚信对自己最了解，最上心的一定是自己。
DIY并没有想象中的困难，主要是做好梯度配置，尤其是保底，需要确保用来保底的学校是愿意去且能接受的项目，否则也只是白白浪费申请费罢了。
常见的信息获取渠道：
1. 飞跃手册与学校官方收录
2. Xhs，抖音等社交媒体
3. 西浦的纸条（西浦的体量比我们大的多，案例也非常丰富且具有参考价值）
4. 寄托天下，一亩三分地等论坛
我在申请过程中收到了大量学长学姐的无私帮助，所以我也会在力所能及的范围内将我知道的信息分享给学弟学妹们。在写飞跃手册时候难免有疏漏，若有对于我没提到的各种问题都可以联系我，我一定知无不言，言无不尽（当然最好是做过基础的调研和了解再来询问，这样会高效很多）。
已经有很多人分享过如何diy，提升背景了，但是对于具体项目的分析似乎还有点少，而项目质量会非常大程度上影响就读体验，所以我在申请过程中通过各个渠道搜集的零碎信息，如果丢失的话感觉有点可惜，在此作为简单分享。不保证所有信息的准确性，所有信息均来源于在读生分享，论坛，本人的申请经历，小红书等非官方平台以及官网。
对于出现在我选校列表项目的大盘点（包括最终未投递的项目）
以下信息均具有时效性，本人不对任何依据以下信息定校产生的结果承担任何责任。
投递的项目
Cambridge —— SC
我从大二起便关注到这个项目，那时对于这个项目的分享还不多。所以我在大三期间有意识的在准备申请所需要提交的两个Writing Sample，这个可以提交课程report，coursework，发表的论文，会议等等。
这个项目 bar 不高，看中课程，背景的匹配度大于对于均分的要求，目前看见的为数不多的拒信都是本科期间数学背景课程太少的人。而对于mam的学生不需要担心这个课程的匹配度，也就是说，只要能准备出来两个和数值计算相关的writing sample，再考一个75以上的均分，拿到面试并且好好准备这个项目基本稳了。
面试：到了面试基本不拒人，可以小开香槟。面试问题主要包括几个方面
1. 对于这个项目的了解程度
2. 拷打writing sample
3. 本科学习内容范围。（可以着重讲一下MDE，SC等pde以及数值计算相关的课程）
会根据提交的 writing sample 进行提问，强烈建议在面试开始前把所有的技术细节，数学公式全部手推一遍。在面试中，问了我不少数学细节，手推之后印象深刻一些。
面试题目会根据你的回答动态调整，如果你能回答的上来会一直深挖，例如你这里采用了A方法，为什么不采用B or C方法，优势在哪里？如果换成xxxx方法你认为可能会有什么情况？但是小红书种有人分享不少问题回答不上来，老师也不会过分为难。
面试我的老师语速超级快，远远快于上课的语速，非常建议提前在提前找点听力材料适应一下。
关于本科课程设置的回答，我翻了面试官的google scholar，发现shock wave是他的研究方向之一，且恰好在MDE中提过，所以我自学了一下相关数值方法，并且在面试中刻意提到了一下，于是进行了一个简单的讨论。同时我们的PDE数值解需要等到大四才能学习，可以提前自学一下，有可能会被问到。结束的时候顺利的话会下口头offer。
Pro：课程设置更贴近于计算数学，但是物理味道非常浓，带有一个Research Project，同时可以全校选导师（只要对方同意）提供了非常高的自由度。可以选DIS的课程且不参加考试，有更灵活的时间用于继续申博。
Con：Class size较大，大约50-60人（今年扩招后可能到80-90人）。不开在数学系下面（这个我觉得见仁见智，只是我个人还是希望留在数学系的）。和美国学术圈联系并不紧密，申美博没有特别好的connection。前两届留Cam读博的中国人均为CSC，而Cam，Ox 和 IC的CSC今年均已经取消。
Cambridge —— NeuroAI and intelligent system
这个项目是新开的，当时看截止时间只剩两天，且有一段可以蹭一下的经历。所以几乎没准备就直接提交了，纯抽彩票。
Pro： Class size非常小，大约20人好像。提供Research 机会。
Con：今年似乎一个陆本都没收，交流过来全是海本。有个清华物理系rank2 double BME，有对口科研实习和一作发表也被秒拒了。但是有宁诺2+2的CS同学录取了。我猜测可能是不收陆本，不过样本量太小，可能有偏差。
非常值得一提的是剑桥可以自主选择毕业时间，没有时间限制，对于打算国内就业且缺实习的同学，牛剑是非常值得考虑的，可以在结课后gap 十年，补充足够的实习再回英国毕业，同时提供了足够的title。牛津似乎也有类似政策，需要核实。
语言内测：
如果你的 offer 上写着
“You must either a) undertake assessment with the Language Centre, or b) take and pass an English language test at the required minimum level.”
那么 a) 就代表着具备了申请内测的资格。直接给 Language Centre 带上offer pdf 发邮件申请内测即可。注意是发了邮件后就直接进入语言内测流程了，最好先准备好考试再发邮件申请。
如果 offer 上没有这个，也同样可以带上全英文授课证明去找 Language centre 直接要内测资格，但是有可能会被回绝。
内测题目万年不变，分听说读写，其中口语为真人meeting，其余为一个网上测试，3h内完成，所有题目都可以在 xhs 上找到。
IC —— AI
Pro：class size大约50人；有提供实习机会；正统转AI专业；可以无痛和computing互转，也有机会面试通过后转专业进入Computing（AIML）提供更好的课程设置
Con：据反馈，录取多为海本，课程深度不够，与业界脱节，实习机会需要竞争，且其他学校来的竞争者背景非常强，很难竞争到实习机会。
IC —— Computing
Pro：同上
Con：缺少实习是一年制转码项目最大的难题，缺实习在现在的就业环境下发挥不出来IC title的作用。
UPenn —— AMCS
我是AMCS永远的舔狗，在我看来这是一个几乎没有明显短板且优势明显的项目。硕士语言和GRE subject math可以waive（邮件确认过）。宾大数学系研究主流是纯数学，课程设置虽然为应用数学但是硬度也非常高，非常理论，且research 方向可以自由选择找不同院系的导师。所以有志于纯数，并且希望在读研期间做相关research的同学，依然可以考虑这个项目。
Pro：class size 小，大约15-20人，有转博机会（资格考试博士硕士分别划线，需要超过博士线且有导师要；资格考试有两次，一次在开学），包括沃顿统计博。科研可选方向多，可以在不同系里找。有paid TA 机会（但是这条信息时间久远）。
Con：拒了我
Brown —— biostatistics
最开始是冲着它提供奖学金且有明确稳定的转博机会去的，同时可以通过选课选成stat的课程设置。但是是我申请体验最好的学校了，人文关怀做的非常好，所有邮件工作日次日回，且非常耐心亲切，永远喜欢棕色大学。🫰
Pro：语言可以waive；保底20%奖学金；明确转博机会，每年2-3个；class size小，20-30人一年；可以大量选Phd课程；科研资源丰富，导师都很愿意带人；TA机会多，1500$/M；离波士顿近。
Con：回国解释成本较高，转博竞争激烈，biostat行业整体就业已经卷到ng很难成为sas programmer了，需要继续卷Phd，但是PhD干sas programmer 又有点亏，主流去向仍然是进互联网，那为什么不一开始就选DS / AI的方向呢？
申请中途而废的项目
Cambridge —— Part iii（applied mathematics）
Bar 对于4+0 太高了于是非常有自知之明的放弃了。
Pro：训练扎实，全球reputation都很好，选课范围广，且有志于纯数的同学可以选相关课程。
Con：学习强度太大的同时兼顾申博可能压力会有点大。
Oxford —— MFCS
理论计算机项目，课程设置几乎都是纯数，由于课程背景匹配度不高遂放弃。据西浦的人说，如果选课匹配度高，门槛没有特别高，是可以尝试的。
Oxford —— MMSC，OMMS
同样因为Bar对于 4+0 太高遂自主放弃。
IC —— applied mathematics
不错的项目，属于是希望继续在英区读数学的主流选择。据反馈，数学系内可以有机会转专业，但是目前没在网上看到分享，也不清楚具体的规则，需要进一步确认。如果可行，那么有机会转入金融数学或者统计这类门槛相对更高的项目。需要注意，这个项目只接受第一志愿，除非第一志愿为纯数学。今年有中介给人填第二志愿去了。
Pro：动力系统，流体力学相关方向非常强，师资豪华，训练扎实
Con：学习强度大，兼顾申博压力大。
UChicago —— MCAM
申请体验一般，回邮件速度非常慢，且答非所问（与Brown形成鲜明对比）
但是项目是非常好的项目，尤其对于4+0而言，是希望在应用数学或者计算数学继续深造但是够不上AMCS的绝佳平替
Pro：Class size大约30人；课程训练非常扎实，提供科研机会，且PhD去向不错，项目时长可以灵活调整，可以选booth的金融数学的课程。
Con：芝加哥的强度真的很大，且几乎没有本校转博的机会，地理位置有点危险，不免语言(2+2可免)。
UMich —— Applied Mathematics
非常好的项目，科研导向，课程设置广泛。但是不知道为什么非常小众，申请人数不多（难道是因为太冷了？）Bar 介于 AMCS 和 MCAM 之间。
ENS Paris-Saclay —— M2 MATHEMATICS, VISION, LEARNING
Pro：被称为是欧陆最好的数学与AI项目之一，课程设置广泛。录取率大约为：250/1200，其中国际生占比30%；为所有人提供研究实习；
Con：大约40%的课程只提供法语授课
UNNC —— Mathematics PhD
我是大约在大三结束就开始联系了导师，出分后导师说大概率能够拿到全奖；导师非常supportive，愿意在我读博期间手把手培养我，并且提供各种资源。但是最终考虑到，如果因为我本人水平有限没能坚持下来则沉没成本过高且希望进读个硕士进一步在数值计算领域学点进阶的课程内容再做打算，于是含泪鸽了导师没有继续申请（对不起导儿～）
UNNCer 申请本校PhD申请 High flyer 和外校不在同一个池子里，全奖名额在增多，but 竞争也在逐年增大。个人觉得拿到全奖的机会还是挺香的，且UNNC的PhD placement也还不错，可以找往年带过PhD的导师聊一下去向。联系导师尽可能要早，因为老师们也都很忙，需要和你一起改RP。当然同样要和导师坦诚说清楚是否最终会去，因为导师的招生名额和奖学金名额是有限的，如果随意鸽掉是非常严重的事情。
聊点还没进入申请季能做的事情
转2+2，有着更多的选课，更多的科研机会，结合今年以及往年结果来看 2+2 在相同分数下录取结果优势明显。
选课：
数学系开设的选修课较少，不过好在pde方向的课程基本齐全，尤其是在functional analysis 和 PDE modelling and analysis开设以后，PhD申请的前置课程基本补齐。
我建议的选课策略是服务于申请方向而非均分，更应该侧重于未来你的申请方向，工作方向。如果这门课在你未来是有用的，不要在意均分带来的几分的影响，事实上，对于找工作而言，研究生的排名的影响远不如一段对口的实习来的重要，不必把均分看作第一目的。而对于读博而言，尤其是希望直博的同学，缺少前置课程会带来较大的影响，数学系的专业课非常难通过Coursera，MIt eDX等网课平台或者夏校的方式补上（有找到的同学欢迎分享）。
对于课内课程的学习
对于数学的学习绝对不是对于past paper和problem sheet的简单过拟合拿到一个不错的分数，这样对于未来希望在数学领域深造的危害极大。数学需要充分的理解和训练才能让基本功更加扎实。现在网络上可以找到非常多的自学教程以及公开的资料，可以用作课后的学习和补充，这里仅仅分享一下本人觉得非常有用的资料。
MATH1029 Applied Mathematics
【【麻省理工】微分方程（中英双语字幕）】 https://www.bilibili.com/video/BV1Av411n7C6/?share_source=copy_web&vd_source=a7075e38a9fe383414bce9cb1af50681
MATH1108 Probability and Statistics 1
Harvard Statistics 110: Probability 网课及其对应课本
MATH1107 Algebra
- 入门：【[双语字幕] 史上最好的群论入门】 https://www.bilibili.com/video/BV1PM411g7o8/?share_source=copy_web&vd_source=a7075e38a9fe383414bce9cb1af50681
- 知乎上有非常多构造的很漂亮的例子，值得一看。抽象代数找到合适的例子非常有助于理解。
- Abstract Algebra, 3rd Edition 作者 David S. Dummit, Richard M. Foote
MATH1109 Core Mathematics（linear algebra）：课内知识是非常不够的，缺失的内容需要额外补充学习，否则甚至会影响后续的学习。
- mit 18.06
- Linear algebra done right
- 线性代数及其应用
MATH2117 Vector Calculus and Electromagnetism 20.00 Autumn
Reading list足够覆盖Vector Calculus部分。
MATH2120 Real Analysis 10.00 Autumn
MIT 18.100A/B Real Analysis
MATH2119 Scientific Computation 20.00 Spring 和
MATH3049 Scientific Computation and Numerical Analysis 20.00 Spring
【【牛津大学】数值计算 Scientific Computing for DPhil Students】 https://www.bilibili.com/video/BV18UFeeMEz3/?share_source=copy_web&vd_source=a7075e38a9fe383414bce9cb1af50681
MATH2122 Markov Chains 10.00 和 Spring MATH3039 Stochastic Models 20.00 Autumn
【随机过程 2024 张颢老师（放大高清修复）（全集）】 https://www.bilibili.com/video/BV11b421E7nh/?share_source=copy_web&vd_source=a7075e38a9fe383414bce9cb1af50681
这门课学的酣畅淋漓，是质量非常高的课程，以工科研究生的视角，补充了大量课内没有的数学细节，实际应用同时不引入更高级的数学概念。我敢保证这门课若能完整跟一遍是绝对大有收获的。
MATH3051 Optimization 20.00 Autumn
Stanford EE364A 凸优化的开山鼻祖上的，但是学习顺序和我们是有所区别，覆盖的内容也比课内更多，有余力的情况值得一看。
【【凸优化 EE364A 2023】斯坦福大学—中英字幕】 https://www.bilibili.com/video/BV1rKDCYxEzT/?share_source=copy_web&vd_source=a7075e38a9fe383414bce9cb1af50681
总的而言，可以尝试找工科研究生的数学课程，这样兼顾了数学细节也不会太难，非常适合。少看中文教材，多看英文材料。
希望能够转码/补充代码技能的可以关注以下网址
https://csdiy.wiki/