「我的申请路」是我们新开设的一个栏目。在这里,棕榈大道的专业导师们将会把他们申请路上的每一步选择细细道来,你可以看到遍布全球名校的导师们对各个国家和地区,不同学校与项目的第一手申请经验!
本期分享导师Lena
Lena 导师本科毕业于香港大学,获得了 Bachelor of Arts,哲学、德语双主修毕业,期间于德国弗莱堡大学交换半年,学习哲学与德语文学。
我们可以看到,这些跟申请的专业并没有太大的关系,而且有一个文科到工科的能力转换,但她还是突破重重困难斩获了哥大教育学院分析专业的 offer。以下是她的经验分享:
申请经验一览
● 申请背景简介
● 申请时间线安排
● 简历和文书如何写
● 推荐信如何准备
● 标化考试如何取得高分
● 其他分享
申请结果:
共申请 3 个 program,2 个带奖 offer,一个拒信。其中哥大教育学院中分析专业的课程内容主要包含数据分析、数据挖掘、教育科技、认知科学等。
申请背景:
标化成绩
TOEFL:113
GRE:327 + 4.5 (还有德福语言测试合格成绩)
GPA:3.8 / 4.0
推荐信
背景学术推荐信一封( Dr.),工作推荐信两封(校长一封、主管一封)
其他
○ 学术交流经验:
AIPES(American Institute on Political and Economic Systemd)暑期课程;
The Fund for American Studies (TAFS)主办,全球选择 100 名大学生,于布拉格查尔斯大学进行为期一个月的政治、哲学、经济的课程学习与交流
○ 工作经验:一年国内重点高中国际部工作经验
○ 志愿者经验:尼泊尔、缅甸暑期支教经验;泰国国际义工经验
为什么选择数据分析
1)因为工作经历和志愿者经历,刚开始模糊地感受到科技能给传统行业,比如教育业带来的改变。比如:
在缅甸支教的时候,带我们的 director 也是当地学校的老师,就住在学校里的 6 人间宿舍,宿舍里面三个上下铺的床,角落还放着锅碗灶充当厨房,但就在这样的工作条件下,她还远程上课拿了两个美国的大学的学位。
学校里也因为德国和英国组织的支持,在网上开设了各种志愿者项目,并与学校合作,每年都有来自世界各地的志愿者来开课,从没有走出过曼德勒的学生也因此能说一口流利的英文。
2)因为近几年大家对于大数据的逐渐重视,应用也渐渐多了起来,因此开始想到,是否数据分析也能为教育行业赋能?
3)出于自己的好奇心,想要理解大数据和数据分析究竟是怎样的一套逻辑,因为自己本科开始对于编程就有种莫名的向往。
4)有了理工技能的加成,也能为以后的职业发展提供更多可能性。
相关课程
因为是从文到理 / 工的申请,所以需要在申请时储备好相应的 data science 基本能力,刚开始就去了解了一下这门学科大致的定义和构成,可以用下图说明:
(https://towardsdatascience.com/introduction-to-statistics-e9d72d818745)
我们可以看到,这张图主要分为三个板块:计算机科学、数学统计和专业能力(想要具体应用的领域,比如商业、教育等)。
所以按照这套逻辑,在准备的这一年中,断断续续在几个大的学习网站上上了以下几类的课:
1)编程语言的基础课。包括 python、R,先打了一个基础,了解了两门语言的基础语法 ( Udacity,编程基础比较好)
2)统计基础课。statistical thinking for data science and analytics ( edX )
3)进阶数据分析课。Programming with Python for Data Science,Analytics in Python ( edX )
4)跟专业相结合的数据分析。big data and education ( edX )
5)数据分析输出可视化。Data Science:Visualization ( edX )
6)选修的进阶课程。包括机器学习、自然语言处理等( coursera )
最后的收获
1)知识上的收获
当时自学完这门课就已经可以做一些简单的数据分析与可视化了,还在一次工作中用到了,非常有成就感。
另一个是,事实证明,提前学习、了编程语言可以为后来在哥大专业课的学习中带来很多的先发优势。因为研究生课程老师并不会讲太多编程基础,而是重视应用的思路,所以先学能节省很多时间(也可能只有我们老师是这样...)。
2)思考上的收获
在学习过程中就能发现:自己是否喜欢数据分析这门课和它的能力要求;是否即使遇到困难也很乐意主动去寻求答案,收获成长的乐趣;或者觉得这门学科非常无聊,一点也没有意思。
当时自己的感觉是前者,虽然有些机器学习的算法没有接触过,但也(很开心地)自己去找相关资料学了,后面用到了还是很有成就感。
3)意外收获
在选校阶段觉得信息量特别繁杂时,想到一个办法,就是看这些线上课程的提供方,这样大致可以通过线上课程知道学校和 program 是否适合自己。
当时就是学了 edX 上 Big Data and Education 这门课,觉得里面的运用都非常有趣且前沿,然后去 google / baidu 了这门课的老师 Ryan Baker,进而了解到他在哥大创立了学习分析这个项目。
后来我也把这个项目加到了自己的申请 list 里(虽然就只有三个..),所以自己准备的过程也是更了解项目们的好机会。
//1. 我的申请 Timeline//
1、整体规划
除开相关课程是提前了一年断断续续学习了之外,其他的几个关键信息点如图。
▲ 有几点说明:
1)因为本来就比较熟悉这两个考试,所以标化成绩只预留了一次考试机会,正常来说应该多预留一次考试机会的时间;
2)选校其实在一年学习课程,搜索资料、paper的过程中也逐渐了解了,当时最想去的就是哥大的 program,所以选校这里也并没有花太多时间,只是找了另外两个比较相近的 program 作为 backup;
3)成绩认证花费的时间比想象中的多,所以这类自己掌控不了时间的事项真的是宜早不宜迟;
4)简历和文书都是自己修改的,按照研究生入学的文书要求(当时 stanford 官网上有很详细的文书要求,按那个来的)自己改了七八次;另外就是看别人比较好的申请文书范本,也能学到挺多。( 教育学上 learning from worked-out examples )
2、知道结果的关键时间节点
1 月申请完成后,不到一个月就收到了第一个 offer。(不要问为什么这么晚才交申请,问就是工作太忙了加摩羯座的完美主义,不要学我)
3、非申请季能做什么,哪些事情建议提前完成
1)相关课程
具体可见之前的描述。
2)选校
自己列了几个影响因素,按照优先级排序为在英美的前提下:学校综排 > 所在城市 > 项目内容 / 职业发展 > 学费。
其中城市排这么前是因为,自己想要趁着年轻在大城市多生活一段时间,毕竟海明威说, “假如年轻时你有幸在巴黎生活过,那么你此后一生中不论到哪里,她都与你同在,因为巴黎是一席流动的盛宴 ”。(不要问我为什么还没去巴黎,等我把法语再练练)
这样,先通过学校综排筛选出了二十所左右的学校,再根据城市之后就剩下十所不到了,最后根据项目内容和奖学金,选择了哥大。
4、为什么选择就读目前这个专业
补充的一点是,可以从多方面了解项目内容:一是官方,二是三方。官方的就是官方网站,包括所开课程、教授主页、研究兴趣、网课等;三方的就是 google / baidu 一下往届学生的评价。
当时申请的过程中也收到了在美国读 PhD 的同学的建议,了解到了 DS 里边各类分支的细小差异。
5、选专业考虑因素
跟选校考虑因素一样,专业的考虑因素有几点。
按优先级排序:喜欢程度(了解后的喜欢,不然刚不住之后的难度)> 可扩展性 > 职业发展 > 教授水平、同学背景。
▲ 有几点说明:
1)个人的话,一定要基于了解后喜欢排在第一位。这个喜欢可以是因为求知的愿望,也可以是社会的意义,俗称初心,因为有动力的学习才能让你忍耐住之后几百次课程太难想发飙的冲动。
2)可扩展性。可能有点玄乎,但这点我个人认为在当今社会非常重要,现在的社会不再是 subject-based 而是 question-based 运行的。
意思是,大家做事的逻辑不再是按学科严格划分,而是解决一个又一个问题,而解决过程中可能会用到各种学科知识,俗称复合型人才;而 DS 就是扩展性比较强的,如果大家还记得那张图的话,就会发现,数据分析只是一个更广义的手段,它还融合了比如 software engineering 的部分。
所以在哥大的学习过程中,我意外发现自己还挺喜欢安卓 app 的开发,capstone 就是一个基于数据分析的 app。
6、有哪些经典书籍推荐提前阅读
1)DS 的话,多在线上网站上课,比如前文提到的那些;
2)具体 LA 的话,推荐 handbook of learning analytics 作为入门知识,了解各个应用;
3)推荐网上课程,如 Big data and education by Ryan Baker。
//2. 简历和文书//
时间管理是最大的问题。
不需要一个天才也能理解,截止 deadline 前一天晚上写好的 paper 是不大可能得高分的,尤其当时白天以及晚上还一直在上班。所以得提前规划时间,画个甘特图在 Excel 里,定出一改、二改、三改的时间。
教育学中有个学习方法是角色想象,可以想象你自己是招生官,会怎么去评判你自己的文书。
一篇文书骨骼为 argument,血肉为个人故事,分开来说的话:
● argument:为什么申请这个 program / 对这个 program 有什么了解、为什么适合这个 program / 为之做了什么储备 / 能为它带来什么等
● 个人故事:故事就像好莱坞的经典套路,有鸿鹄壮志,遇到困难,解决困难,展望未来
具体在这就不说了,多看看写得好的文书、文书要求,多给别人改或精分给自己改。
//3. 推荐信//
3 封推荐信:
一封是大学时的 tutor(Dr.,现大学教授),因为经常交流,比较了解学术能力和志向;
两封是工作的领导(主管及校长),因为能展现自己在教育领域的工作经验。
没什么大的困难,主要是时间规划,要提早留足时间。
Tip:如果本科毕业后先工作的话,不要断了跟本科老师的联系,要给继续读研时的推荐信留条后路。
//4. 标化考试//
▲ GRE VERBAL
● 知己知彼,百战不殆。永远从 OG 开始着手,了解考察的能力模型和题型。当时按照题型梳理了错题集,尤其是 GRE VERBAL ,谁用谁知道。
● 背单词的 APP。比如“要你命 3000”就挺好用的,可以 利用起碎片时间。
▲ GRE Math
高中理科水平,大学文科,就看了 OG 和官方给的练习题,满分。
▲ GRE Writing、托福
● 字词:系统性,academic vocabulary,比如 oxford 出的那一本
● 句段:the language of composition,the little brown handbook
● 篇:the elements of style
心得:
1. 碎片时间和整块时间分别处理不同类型的任务:比如背单词和写作;
2. 做笔记的方法很重要,无论是听力还是阅读,做笔记可帮助形成思维模型;
3. 平时积累写作表达,阅读笔记要专门有一个板块是记录表达的,短语、句型等;
4. 自己申请没有找中介,但后来想想其实找中介的好处是可以更合理地规划时间,并且了解了自己没有了解过的项目。
//5. 其他分享//
最后一点,申请就是一个个人项目管理 + 一点灵性的变化空间。
1)项目管理大致包括目标定义、任务拆分、时间管理、质量管理等,所以申请的规划非常重要,包括时间规划和信息整理,多用图表,任务拆分及优先级;
2)灵性的变化空间来自于不断学习和反思的过程,要多去接触新的信息、新的知识,不断修正自己的申请规划。
申请的过程也是学习成长的过程,希望大家也能有一个收获满满的申请过程。
以上是笔者的申请经验,希望大家能从中获益~
注:棕榈导师亲笔,未经允许不得转载。
— END —