美国研究生EE转DS或者BA？ 第1页

前言

申请季对我而言，已经是很久之前的事情。回望过去，还是有颇多感触的。在之前的留学申请中，我和很多留学初体验者一样，迷茫过不知所措过，付出过汗水和努力，承受了焦虑和不安，甚至还有过想要放弃的念头。但好在一切都熬了过来，最后也如愿拿到了女神校的录取通知。天将降大任于斯人也，必先苦其心志，劳其筋骨，之前的努力换来了一次宝贵的留学机会，还是很值得的。在此，根据我之前的申请经历，跟大家分享一些干货，希望大家在读完之后可以有所收获，可以尽量少踩雷。

一、个人背景

本人毕业于浙江大学，专业为机械自动化。 硬件成绩： GPA成绩3.80分，其中核心专业课GPA成绩为3.98分，排名为专业第二名； 托福成绩为103分，其中口语成绩22分； GRE成绩为158分+166分+3.0分。

软性背景：

发表过一篇EI论文以及四项第一作者的专利 拿到了IEEE VTS副主席的推荐信 参加过数学建模美赛，拿到过Outstanding奖项。

我对自我剖析还算是比较深刻的，我知道自己喜欢什么，想要什么，在申请之前我就已经对我的未来进行了规划，硕士毕业后我是打算直接就业的，从事的领域就是Data Science领域，之所以申请这个项目，主要是因为该项目和我的申请需求比较匹配，对我的未来工作发展有所帮助。

二、项目分析

最近几年，Data Science项目的申请热度一直都在增加，申请基数和竞争压力都比较大。个人感觉这个项目在课程设置上，还是很合理的，大部分的课程都是围绕着数学和计算机这两个方向进行教学的，选课灵活度比较高，选课范围也没有太大限制。如果你想要转到CS项目的话，也可以在入学后多去咨询一下转项目的相关消息；如果你只是打算多多学习一下CS领域知识的话，你可以多选几门CS方向的课程进行学习。

三、选校

其实数据领域本身对申请者的本科背景就没有特别大的限制，跨专业申请的同学还是很多的，而且并不是单单可以申请Data Science这一个项目，你也可以了解一下其他项目，比如说：Analytics、商业分析、CS或者EE、统计学、System Engineering、IERO、Scientific Computing、Computational Sci.&Eng等等。

Data领域的项目并不是仅仅有刚刚提到的几个项目，在之前的申请季中，我最开始在了解项目时，我了解到Data相关的项目有50多个，每个项目在课程设置上都会有一定的偏差和侧重点。我很清楚选择项目和大学的重要性，所以在搜集和整理信息的过程中，我也比对了好久，通过综合考虑，最后我决定申请12所大学，包括6个方向的项目：

拿到AD的项目包括：

Cornell的Tech ORIE Upenn的Scientific Computing Gatech OR项目

拿到拒信的项目包括：

Stanford的Management Sci. & Eng. Harvard的Computational Sci. & Eng. Brown的DS、Columbia的MSE NYU的DS、北卡的Analytics CMU的Statistics以及NWU的Analytics项目

虽然我的背景还可以，我身边的朋友和老师都感觉我应该可以申请到很不错的大学，不过我对自我定位还是很了解的，虽然过往经历丰富，但并没有那么多的申请优势。所以全部的申请结果出来之后，我也没有特别失望，也算是在预期之内吧。

虽然拿到了不少项目的拒信，但有很多拒信都在我的预料之中。

Stanford和Harvard这两个大学，本身我就没有抱太大希望，毕竟这两所大学的申请者都是学霸中的学霸，所以拿到拒信很正常；

之所以拿到了哥大的拒信，主要是因为我没有参加面试。哥大项目的含金量还是比较高的。但后续了解了Data未来就业前景之后，我发现我对咨询和商业分析相关的工作内容的兴趣不高，我的理想岗位是Data Scientist相关的岗位。哥大项目的课程设置，会涉及到一些工业相关的课程，如果你毕业是想要从事商业分析或者咨询此类的工作岗位，哥大项目还是比较适合你的，而且哥大在国内外的认可度也是比较高的；

Cornell Tech这个项目在申请要求中明确提出，需要申请者修过优化，CMU统计学项目要求申请者修过随机过程，我既没有上过优化，也没有上过随机过程，不符合申请需求，拿到拒信也正常；

在申请Brown之前，我就了解到该校对托福成绩有硬性要求，需要申请者达到105分，我的托福成绩不够，申请纯粹就是抱着侥幸的心理，也没有抱太大希望会被录取；

NWU以及北卡这两所大学的Analytics的项目属于就业导向型的项目，自然对实习经验会看中一些，我的个人经历都是机械和控制领域的科研项目经历，一点Analytics的实习经验都没有，被发拒信很正常；

NYU DS项目的招生官更倾向于录取本专业或者具备良好数学能力的申请者，我的数学能力并不是特别突出，这应该就是我收到拒信的原因吧；

OR领域的项目，我申请的结果倒是都很不错，毕竟我具备丰富的控制、机械领域的科研项目经验，还拿到过INF ORMS的奖项，其实在申请的时候，我就比较有把握的，后来拿到AD，也没有特别惊喜的感觉。

Upenn Scientific Computing这个项目，我在申请的时候把握就比较大，后续拿到AD并没有特别惊讶。在申请之前，我全方位地了解和分析了这个项目的录取门槛，综合比对了自己的背景，匹配度还是比较高的。

如果你对双学位感兴趣，那你可以考虑一下这个项目，我之前在论坛上了解到，这个项目可以同时申请沃顿双学位。我本身对MBA学位比较感兴趣，感觉MBA学位对未来的发展和晋升应该可以起到一定的作用，最开始是打算申请的。但后续了解到MBA不在申请双学位的范围内，再加上入学之后没有太多的精力和时间去再修一个学位，就没有然后了。

就当前的形势来看，个人感觉科学计算的相关知识的运用范围还是比较广阔的。我所了解到的这个项目的录取者，本科背景还是很多元的，什么专业出身的都有。不过这个项目之前招收的名额并不多，听老师和前辈们说，可能后续会扩招。

各位如果对这个项目比较感兴趣的话，可以去看看项目的官网，上面的介绍还是很详细的：

http:// pics.upenn.edu/masters- of-engineering-in-scientific-computing

选校和选项目一定要重要，毕竟这关系到你后续的职业发展。同时，大家也要明白一件事情，那就是选校和选项目这并不是一个单项选项，是申请者和学院的双向选择，一方面，招生官要审查你提交的材料，判断你是否符合他们的录取要求，决定要不要选择；另外一方面，也是你要结合自己的申请需求，判断这个项目对你的未来发展是否有帮助，决定要不要申请。在选择项目和大学的时候，不要盲从，看别人申请哪个，你就跟着申请哪个。你要对自己有着深刻的剖析，明确未来职业规划，选择那些适合你的，对你未来职业发展有帮助的项目去申请，这样才不会浪费你的时间和青春。

选校的话，我并不建议你局限于某一个项目，就像刚刚我说的，Data方向的项目有50多个，你可以多去了解一下，申请一些不同track的项目，比如说我就申请了12个项目。在选择的过程中，你可以制作一张excel表格，把你感兴趣的全部项目都罗列出来，然后在根据自己的兴趣多少，去pass掉一些兴趣没有特别大的项目，这样不仅可以节省申请的时间和精力，还可以节省很多申请费。

四、其他申请材料的准备和需要注意的地方

在撰写PS这个问题上，大家尽量不要使用模板，更不要草草地就写一份PS，用这一份PS申请所有的项目。不同的项目，会有不同的录取标准，招生官审查的侧重点也会有所不同，打个比方，如果你申请的项目，倾向于录取具备良好数学水平的申请者，那么在撰写PS的时，就要侧重突出你的数学能力；如果你申请的项目属于研究型项目，此类项目肯定会更喜欢具备丰富项目经验和科研潜力的申请者，此时你就要在PS中着重突出你的科研潜力；有些项目更喜欢具备丰富实务经验的申请者，那么你在PS中，就要通过具体案例来证明你的实务经验。我认为在撰写PS时，你要学会分析不同项目的录取倾向，进行有针对性的撰写，这样才能对症下药，提高申请的成功率。

我之前在写PS的时候，会先写一个比较通用的PS，然后根据每个项目的招生要求去修改PS，添加一些有针对性地细节，把无关的内容删掉，而后在反复修改，一直到满意为止。如果你申请的项目很多，可以按照我这个方法去撰写PS，如果你申请的项目少，也可以专门针对每个项目，单独去写PS。

推荐信的准备上，与其选择那些不了解你，撰写时泛泛而谈的大牛推荐人，倒不如选择那些虽然业内知名一般，但对你十分了解的推荐人。其实你可以直接和你的本科教授说一下自己想要留学，需要开具推荐信，如果你平时上课表现不错，成绩也比较理想的话，说不准还能要到强推推荐信。就算只是普通推荐信也没什么，大部分教授都会同意帮你开的。我感觉最起码选择4个到5个推荐人，如果突然出现有些教授临时因为项目或者其他事情比较忙，没时间帮你写推荐信的情况，我们也有备选，不会太慌。

GT成绩越高越好，一定要预留出来充裕的时间备考，尤其是GRE，高分GRE还是很有 申请优势的。

五、一些转专业的小Tips

这部分的介绍主要是针对跨专业申请的同学们，如果你本身就是科班出身，可以不用看这部分的分享了。

首先来说一下课程，很多项目都会要求先修一些课程，例如线性代数、微积分以及概率统计。如果你可以修完这三门课程，差不多可以满足刚刚我提到的12个项目中大部分项目的先修课程要求。有些DS项目的招生官，很喜欢数学背景以及具备良好数学能力的同学，概率统计和Optimization这些课程，如果你成绩不错的话，在申请中还是比较加分的。

如果你跟我一样，都是机械专业出身，申请Data方向的项目（CS以及EE这两个方向除外），还是有很大希望的。当时在申请前搜集材料的时候，我记得Gatech OR项目的官网上，写着这样的一句话：我们并不强制要求申请者具备运筹的相关背景，不过有科研项目、实习经验的话，那肯定是更好。

在申请季最初，我身边有很多小伙伴都是跟我一起申请Data项目的，但后来随着大家的深入了解，有一部分改成了主申CS项目。个人感觉，选择哪个方向的项目都可以，只要符合你的职业规划就ok。但如果你想要申请Data项目的原因，单纯是因为近几年热度较高，就业前景比较好的话，我更建议你申请CS项目。因为单从就业前景和市场需求来看，CS项目的前景会更好；又或者你是因为DS项目申请压力比CS小，竞争没有那么激烈才申请的话，我也不建议你申请，刚刚我也说过了，有些DS项目的竞争还是很激烈的，如果你本身不了解这个项目，属于跟风申请，并不是因为兴趣和热爱的话，尽量也不要申请，因为兴趣是最好的老师，你都不喜欢这个领域，真的入学开始学习了，可能收获也不会很大。

我一直都感觉，你想申请Data方向项目的唯一理由，就是因为你对这个行业感兴趣，如果你并没有什么兴趣，单纯就是跟风或者就业前景，那倒不如申请CS项目。

这里我再分享一个小故事，是我周围的真实故事。我有一个小伙伴，最开始的时候，是申请PhD项目，后续拿到offer，入学之后，又发现自己并不是特别适合读PhD，随后博士申请退学，重新开始准备MS项目的申请。个人感觉，如果你现在已经是PhD在读了，发现自己并不是特别适合，但还在犹豫要不要继续读的话，还是早些决定，然后退学开始重新做打算会比较好。同时，在重新开始之前，一定要对自己有一个自我剖析，你要问问自己为什么想要退学，自己喜欢什么，自己想要什么。一切都考虑清楚了，再重新准备，不然还是比较浪费时间的。

在留学这个问题上，每个人的经历都不可复制，经历的事情不同，自然感受也会不同，每个人都有自己的规划，在细节上肯定会有些差别，所以建议各位在参考别人的经验贴时（包括我的），还是要根据自己的申请需求和自身情况去斟酌选择。不过肯定也会有一些适合绝大部分同学的申请经验，不过我还是感觉要多看多了解。

申请季最开始的时候，你就要对自己有一个明确的定位，同时你也要确定自己的未来规划，最好是可以有一个努力的目标，目标可大可小，如果是大目标的话，后续分解成一个个小目标，然后逐一去达成就好。

申请留学并不是一件简单的事情，可能在最初你确定的目标并不是完全适合你的那一个。你要做的，就是在准备的过程中，不断深入地去了解，不断思考和分析你的选择是否符合你的未来规划，你申请的项目是不是真的适合你，如果发现不适合，一定要及时止损，更改你的目标，重新整装待发。

我一直都感觉，出国留学是一个锻炼自己的机会，你会在前期准备、后续入学的这个过程中遇到很多困难和阻碍，但在解决的同时，对你也是一种历练和成长，你会变得更加成熟稳重、自信坚定。同时，你也会越来越了解你自己，知道自己喜欢什么，想要什么，会找到自己的初心，其实跟着初心去生活，做自己喜欢的事情是一种很幸福的经历。

最后的最后，希望各位都可以在申请季中拿到自己女神校的offer，开启自己的硕士学习生活。