个人简介：

X 同学

复旦大学-软件工程

GPA:3.6+      TOEFL:110+      GRE：330+

录取项目：

卡耐基梅隆大学 计算数据科学硕士 Master of Computational Data Science, MCDS

# 误入CS圈子的零基础女生 #

我大概算是申请CS人群中的一个特例。

坦率讲，本科前两年一直觉得对计算机没有兴趣。并且身为班里为数不多的女生，编程零基础，面对着班级里一打竞赛出身或者从小对编程有浓厚兴趣的同学们，时常感到没有什么信心。一直都在思索着是否要转专业，但因为种种犹豫最终还是没有迈出这一步。而四年里，经过一个异常曲折（卖个关子，稍后细说）的过程，最终还是坚定地选择了申请CS硕士。

#你没看错，申CS，实习很重要#

在我大学四年中，最重要的便是两次实习经历。你没有看错。确实，实习经历在CS硕士申请中占的作用不高。但是我的这两次经历却很重要。

大二上，自己正在挣扎未来是否要继续计算机之路的时候，机缘巧合，认识了同专业的一位学姐。经她的推荐，获得了Google上海办公室暑期实习的面试机会。因为专业课学的还算扎实，并且沟通能力比较强，最后拿到了这个实习机会。当时做的是一个在线编辑器的开发项目，为此我从头重新学了一门语言和相关的技术。也是从那份实习开始，逐渐对自己所学有了些许信心。经验固然重要，但是快速的学习能力在高速迭代的科技行业更是不可或缺。

因为实习的表现优秀，大三的时候我又回到了Google，参与了一个NLP应用相关的项目。即便前面有一些应用类机器学习的经验和统计的背景，这是我第一次上手做与深度学习相关的项目。通过这个项目，我拿到了Mentor的一封推荐信。

这两份实习不仅为我提升了背景，更为重要的是，建立起了我学习计算机的自信心。从更长远的角度来说，让我对科技行业也加深了了解，例如：科技公司的开发模式，对各类人才的需求等。

# 标化成绩?关键早准备 #

对于申请硕士来说，标化成绩是重中之重。GPA, GRE, TOEFL几乎完全决定了你可以去到的学校的层次。

因为大学前两年对计算机没有什么兴趣，我将大量时间花在了社团而非学业上，所以最终申请时候的GPA处在了一个不上不下的层次。但是可喜的是在班级中的排名比较靠前，排在第二的位置。

我的英语一直比较好，托福几乎没有花什么力气。但是GRE由于开始准备的太晚（大三暑假），就十分匆忙。9月考了第一次只有322，到10月考第二次便刷到了332。最主要的是每天刷单词，并努力模拟考试时候的状态（在嘈杂的环境中模考等等）。

对英语成绩来说，一定要早做准备，尽量在大三结束前就完成考试。如果拖到申请期会十分疲惫，影响申请时候的状态。

#“曲折”的专业定位之路 #

大二结束的时候，我有了一些做应用类机器学习的经验，但觉得自己在理论方面的基础很薄弱，再加上对大数据类理论和应用的兴趣，我转入了复旦新成立的大数据学院，并在当时决定申请商业分析和数据科学相关的专业。为了充实这方面的软背景，我找了NYU Shanghai的一位商科的教授，帮助他做了一些市场营销方面的大数据研究。但经过这段科研经历，和对数据科学类项目的深入了解和分析，我发现该类项目的课程的技术学习还是不够过硬，于是最终决定只申请计算机专业。

在复旦转专业这个选择现在看来有利有弊。利在通过一系列统计、计算数学的课程铺垫了理论学习的基础，而弊在计算机类偏硬的课程比较少，成绩单看起来不是特别像一个传统计算机的学生，因此申请时还是存在一定风险，感觉很容易被认成转专业的学生……好在最后通过了CMU招生官的法眼。

# 大学四年的一些遗憾 #

整体看下来，四年里遗憾还是特别多的。