由數據科學「入坑」CS,再來人留學助力圓夢

再來人留學以攻克名校申請為起點，研發出一系列產品來幫助學生在留學這件事上充分發揮潛力、實現個人目標。今天為大家帶來的學員案例分享是來自浙江大學的H同學，由數據科學「入坑」CS，寬度優先搜索讓我用算法做申請！

H同學

浙江大學

GPA：3.8+

TOEFL：100+

GRE：325+

2020Fall offer

University of California--Berkeley

Master of Engineering in Electrical Engineering and Computer Science

Carnegie Mellon University

MISM- Business Intelligence & Data Analytics (BIDA)

Cornell University

Master of Engineering in Financial Engineering

Rice University

Master of Computer Science

University of Michigan--Ann Arbor

Master of Science in Data Science

University of Illinois--Urbana-Champaign

Master of Engineering in Electrical and Computer Engineering

01申請季中的心路歷程和選擇

到大三上之前我都是想做quant的。大二暑假做了第一份量化實習，我發現我對金融市場不是很感興趣，反倒是量化交易中一些搭framework、爬數據的純搬磚差事更吸引我。與此同時，打開知乎隨處可見的金融工程夕陽產業\國內量化私募勸退貼、一畝三分地上的轉碼熱潮，這些讓我覺得quant就業前景堪憂，于是之後我和quant的關係變得曖昧。但此時我依然沒有考慮過轉碼。一是因為成績單上coding課空空如也，這背景申CS全聚德預定。二是轉申cs要放棄之前的積累，有點可惜。臨時起意，不如走個中庸之道吧，遂決定申請學校有時也像解算法題，「動筆」前也要先想好解題思路。

到大三上之前我都是想做Quant的。大二暑假做了第一份量化實習，我發現我對金融市場不是很感興趣，反倒是量化交易中一些搭framework、爬數據的純搬磚差事更吸引我。與此同時，打開知乎隨處可見的金融工程夕陽產業\國內量化私募勸退貼、一畝三分地上的轉碼熱潮，這些讓我覺得Quant就業前景堪憂，于是之後我和Quant的關係變得曖昧。但此時我依然沒有考慮過轉碼。一是因為成績單上coding課空空如也，這背景申Computer Science全聚德預定。二是轉申CS要放棄之前的積累，有點可惜。臨時起意，不如走個中庸之道吧，遂決定試試Data Science。

照著Data Science的要求，我在大三下梭哈了一把，在一邊實習的情況下，補了一些之前不敢選的編程課。與此同時，SRTP（本科生科研訓練計劃）中在做的一些NLP（Natural Language Processing）的項目也很吸引我，機器學習+一定的編程落地實現，當時對Data Science比較有感覺，隨著課程結構完善起來，科研實習經歷豐富起來，對自己申請Data Science的期望也越來越高。到大四申請季之前，又補充了一段對口的算法工程師的實習。自信覺得申請Data Science應該很有把握，選校一覽，大H（Harvard）大S（Stanford）加入直播間。

然後就是申請季正式到來，因為之前Quant的部分有一些積累，並且做的很多Machine Learning算法類的經歷其實應該也很好的結合到我想做一個搞Machine Learning的quant的文書裡（其實基本只有PhD才能做），因此申請季開始前我想好了混申Data Science和Financial Engineering的路線。

結合我的背景和再來人留學Upenn Data Science的mentor聊了一下，瞬間心涼涼。在mentor的勸說（退）下，大H大S基本就是送錢充值信仰的存在，原本想主申的Upenn過去三年的bar也水漲船高，基本只要各個系的1、2、3名，以及像Upenn這樣已經很厲害的Data Science項目，最後竟然也有60%-70%的人都轉碼了， Data Science小碩就業是真滴難。

恰巧我的mentor也轉碼了，幾次brainstorm都給我灌輸了CS大法好的真理。那個時候我開始動搖，重新翻開論壇上Data Science就業熱帖發現大致的方向上，做搞ML的數據科學家對PHD的偏好十分明顯，做Machine Learning Engineer對開發能力的要求和碼農沒什麼區別，做Data Analytics覺得自己的tech背景不容易發揮，並且競爭也很激烈。總而言之那時候認識到DS就業有點尷尬。看了一圈，果然還是CS大法好。

於是我開始重新構思了申請季的計劃，把一些對轉碼友好的項目做為「保底」。對於Data Science和金融工程（MFE）的項目，結合對自己實力的重新評估，tier2（申請難度）以下的項目留美會比較困難，於是只申請tier2及以上的Data Science和MFE項目。預想如果Data Science、MFE雙雙全聚德，那就cs大法好了。

同期Guandata算法組搬磚讓我對Data Science也產生了厭倦。組內的Data pipeline這樣純coding的搬磚活雖然也挺無聊，但相比於原地踏步的調參學習好像會更有成就感一些。同時間srtp跟著的導師的實驗室長期搬磚搬出了一篇一座，突然覺得有篇paper在手只申請轉碼項目當保底有點虧，於是選校list上的cs項目++，mfe\ds項目--。到了19年的12月份，不知不覺就從DS\MFE混申過渡到了CS主申，cs大法好。

來年2月份收到Rice的Master of Computer Science的錄取結束失學的時候，其實已經基本決定轉碼了。當時因為DS FE申請結果比較慘澹，恰巧3月9日UIUC-Master of Engineering in Electrical and Computer Engineering的錄取和3月10號CMU的 Master of Science in Computational Finance的拒信一齊來了，那一天起正式決定入了CS的坑。之後Berkery的Master of Engineering in Electrical Engineering and Computer Science錄取是個意外之喜，但大方向上並沒有什麼值得糾結的地方了。

以上寫了一堆流水帳，總結一下。我的經歷比較非主流。如果你已經度過了試錯階段確定了自己想做什麼的話，我的經歷沒有參考價值，建議深度優先搜索。但如果你也和我一樣對什麼工作都夠不起持久性熱愛，毫無學術理想看著paper就腦闊疼，已經完成廣度優先搜索後排除其餘選項，並且看著代碼不排斥甚至覺得有點有趣的話，就業型cs項目性價比依然很高，留美相對別的專業會容易挺多。

02再來人留學給我的幫助

申請季前因為是決定混申金工和數據科學，籤約再來人留學已經是大四的10月底了。當時第一個UPenn的項目deadline就在11月15日，所以真的是很焦慮很趕。再來人留學給我配了2個mentor。兩個mentor的工作效率都很高，從brainstorm到文書的幾次返改，申請的兩個專業的文書和CV和初版煥然一新。我的Data Science的mentor尤其給力，大大小小的疑惑都會很及時、耐心的給反饋。我的客戶經理也很好很負責任，在被拒到懷疑人生的2月中一直給我鼓勵，平時的進展催促以及大大小小的瑣碎事也會及時跟進。

和一般意義上只負責送學生申請輔導出去上學的機構不同，再來人留學的mentor一直在從職業發展、人生規劃的角度幫我去思考度量申請方向與方式，而不是一味為了名氣或省心單純刷名校項目。也正是在我和Data Science mentor的幾次meeting上，讓我重新認識了DS\CS留美的就業前景。之後mentor給了我很多的就業建議和選校建議，在他的影響下，我成功的放棄了大部分的DS項目申請，轉而加入轉碼大軍，選擇了對自己未來目標更為適合的道路。

感謝再來人留學及各位導師一路來對我的幫助，希望所有即將申請的同學都能擁有好的結果！