上大 MIS ⏩ Rice MCS

基本背景

• 上海大学-管理学院-信息管理与信息系统 2018-2022

• GPA:3.6/4

• Rank: 学院20%， 专业11/23

• 托福100+

• GRE 320+

• 一等学业奖学金

• 美赛M

实习：

申请前 一段飞利浦家电 算法实习生

CV方向

科研项目：数据分析📊

很多段，两篇sci三作

录取结果：

• Rice CS

  去向

• USC CS28&37 (Spring)

• NEU CS general (SV校区)

• NUS CS general track

我是大一就选择中介全包，但其实大三中介才会介入。早报名更多的是心理安慰和确定这条路。

正是因为很早花了这笔钱，我基本上整个大学都围绕申请展开，包括科研和实习。

• 我大二专注于绩点（大一绩点较差）和在导师组里打杂。
• 大三更加深度地参加一些课题以及在有幸在一个学姐的refer下找到一份很不错的实习。

其实我这届的学分要求还很高 大概280才能毕业，学分压力不大的话可以在学期中就找实习。实习的好处是可以为下一份实习打好基础，比如第一段在小公司做，熟悉了一些技术栈可以带着这份经历找更好的实习。越大的公司对应有更高的留用机会。

这其实给了退路：不一定要在读研一条路上走死。除了读博以外都是就业导向的，如果本科毕业就能有好去处那是最好的 省下了时间精力和金钱。

关于什么东西在申请的时候最被看重，我觉得是要讲好一个故事，这其实在不同地方都很适用。拿我举例，我其实科研实习都做的是算法，但是我申请的是CS，再加上本科非CS科班其实不是很匹配。所以除了申请转码项目以外，我就在申请中强调我很想就读CS的Machine Learning track 基本上都会有。

这样讲一方面让目的更明确，另一方面我的非科班情况也变成我的动机之一：正是在大量实践中发现自己缺少一些扎实的理论学习，所以要读这个master，这样故事逻辑链条就很完整。在申请的时候如果没有硬伤的话可以申请更好的学校抽一下彩票，入读之后会发现大家本科背景方差很大，一切都有可能

信管做ML转开发心路历程

我在本科导师的一个小组下做各种各样的项目，从一开始的爬虫到后来各种数据分析相关的活。

其实本科生做科研，尤其在管院做ml相关的并没有很高的要求。熟悉python、读得懂文档、有一些数理基础就可以跟着老师做一些课题了。像传统的信管做的是行为学，需要有比较好的统计学基础。也有一些老师想用深度学习研究一些本专业的topic，这个时候由于是交叉课题，往往对于深度学习的要求就会低一些，会应用就可以而不需要在技术上做突破。

之前说的文书故事其实也是我的内心写照，我做了不少项目，但都流于表面。仅限于知道做cv、nlp的pipeline，一些常用模型的优缺点，但要我去改进就做不到。这一点在我实习的时候进一步放大,我可以根据已有模型的文档去处理数据格式，把模型跑起来，但是做不到优化模型以及讨论模型背后的数学。

考虑到算法这个方向的门槛越来越高，岗位也变少 现在由于ChatGPT的大火，情况变好，加上做开发的正反馈相比算法来的更快适合我这种急性子，就决定转开发。

关于 Rice

Rice是一个私立小学校，本科生的入学要求十分高，仅次于常青藤，硕士博士就稍差一些。学校校园很漂亮，该有的学生生活也有。硕士入学第一年可以选择学校的宿舍，有校车接送，还是挺方便的。课程有难有水，可以根据自己的状态决定。但是我这届砍掉了Software Development track，很令人费解。30学分毕业，所以最快最省钱一年半毕业，同时总学费6W2。

学校要求有实习才能毕业，所以大家对于找实习还是挺上心的。学校每年有两次career fair，会有一些休斯顿周边的公司来招人，这些公司有一定的上岸机会，但是比不了某些码农学校的career fair。

由于今年经济环境差，找实习有一定难度，简历投了200+的大有人在。不过到这个时间点身边的人60%找到了美国大大小小厂的实习，在同类项目算是不错的水平。值得一提的是，rice往年是meta的target school，今年meta全美都没招什么实习生，但以后还是有机会的。

德州生活成本较低，相比加州和纽约，房租大概是他们的40%。