参与北美Top高校的CS Master审材料工作,给大家提供一些建议来避免申请中的误区。不过每个学校流程和偏好都各有不同,不要以偏概全。

首先谈谈申请材料的重要性,一般来说:成绩单(毕业学校)>= 推荐信 >= 科研成果 > 个人陈述 >= 托福 > 其他经历(如工作) > GRE。

拿我们学校来说,每份材料会先有2-3个人初审(高年级PhD或者已经毕业的学生),并筛掉其中2/3的申请人,只有剩下的1/3才会被教授看到

考虑到每个人都很忙,很多时候看的是非常快的,一般不超过五分钟。3封推荐信一般不用全部到,2封到位以后我们就开始看材料了,对于我们学校而言交申请太早不一定是好事,各有利弊。

审材料流程

1、先看成绩单,来自什么学校,什么专业,成绩如何,相关课程有多少以及得分情况。在这一步我们就大概知道如何打分了(我们是5分制度,1代表优秀4代表淘汰,5代表无法决定可能是成绩单看不清等)。

2、我们一般会要求提供两个GPA,一个是overall GPA一个是后两年的GPA。后两年更重要,但总体太低也挺伤的。

3、因为大部分学校其实我们都没听说过,所以我们会参考此学校在当地的排名,常用的有QS和Times Higher。不会拿印度学校跟中国对比,但印度最好IIT,中国最好的学校是清北,这都是一目了然的。

4、缺少核心的CS课程是个问题,转专业的人至少该上过一些,尤其是大三大四以后应该上过一些。MOOC网课略有帮助,但没什么大用,最多是体现对专业的热情。

5、如果学校出身成绩都不错,有机会进到下一步的话,我们会再看看推荐人是谁。最好是两封学术+一封工业界,三封学术也可以,但三封全是工业界就要亮红灯了。推荐信评分如何,此处5分代表最好(最优秀的5%),1分最差,一般只要是4分以上都是合理的。

6、不要认为大牛的推荐信就有帮助,大牛是很喜欢写“黑推”的,就是三句话推荐完事,甚至连pdf都没有直接用文本输入。工业界很多人不知道怎么评分,经常给出3分评价,对申请人来说很伤。所以工业界也尽量选择有博士学位的人,他们知道这是怎么回事。

7、现在推荐信造假的人太多了,我们会额外看一下格式是否雷同,查一下文件的metadata。如果造假太明显可能会进行调查或者直接淘汰

8、托福会看一下,别太低就行了,太高也不会加什么分。GRE重要性更低,我们学校是optional的,所以基本别太低(<320)就没事,最好能达到158+168。

9、托福雅思其实都可以,我们的标准是托福93等于雅思7,单项22等于6.5,小分只看写作和口语。

10、简历会看一下,主要是为了看一下工作经历和发表过的论文。此处得表扬一下三哥三姐,各种水会都参加过,虽然论文质量肯定很低(光看名字就知道),但好歹也算有经历。

11、个人陈述很多时候会飞速的扫一下。所以记得突出重点,用粗体高亮核心内容。如果我只有30秒看一份SOP,我只能看到其中加粗的部分。

12、之后系里面会综合我们初审的评分求平均,决定每个申请的走向。拒绝的每一份材料我们是需要写出原因的,比如成绩太低等。我们学校的预估录取在5%左右,所有大部分申请会收到3分或者4分,少量会得到2分,极个别会得到1分。平均分达到1或者2会进入下一流程,4会被直接淘汰,3可能会备选,但大概率不会有下一步进展了。



其他审材料的原则

1、如果有大牛的强推(注意是强推)或者非常厉害的论文发表(CCF A或者B,尤其是一作),都是很大的加分项,可以很大程度上弥补其他方面的不足。即使我们不知道你的推荐人是谁,但名校的教授一般都是信用保证

2、大部分Master项目无需套磁,Professional项目都是上课而已,最多有个名义导师。

3、大部分本科生都没有科研经历,也没有论文,这是再正常不过的事情了。申请就业型硕士不需要论文(当然如果有肯定会加分)。

4、工作经历是加分项,但不知名小公司也没啥用,毕竟完全可以编造。

最后想说一句,每个人的PS都写想做机器学习,偶尔看到一个想做software engineering,HCI,system的人都让人眼前一亮。写机器学习却没有相关经历不仅不会给你加分,还会让人觉得你缺乏思考,人云亦云

所以说到底,申请这个事情,多一些真诚,少一点套路,多申点学校减少随机性,剩下的交给老天就好了~