0
Part.1 案例解析 ▌录取信息 录取院校：伦敦大学学院 院校排名：2023QS世界大学排名 8 录取专业：Smart Buildings and Digital Engineering MSc 其他录取：伦敦国王学院、爱丁堡大学、香港大学 ▌学生背景 院校背景：英国本科2:2学位 原专业：计算机科学 软背景：一段中科院科研，一段Google科研，一段字节跳动实习 ▌申请优势 1、学生是英国本科，申请英国和澳洲认可度都很高。 2、本科是计算机专业，可以匹配的专业比较多，申请专业范围相对较广。 3、学生的科研和实习含金量高。学生有2段科研，1段实习，都是通过华樱报名的：中科院科研+谷歌科研+字节跳动实习，含金量高，学生在科研中也拿到了不错的成果。 ▌申请劣势 1、2:2本科学位。 2、学生在gap的期间并没有全职的工作经验。 Part.2 规划过程 学生找到我们时的诉求就是申请排名高的学校。考虑到学生是英本背景，所以华樱老师推荐了英联邦国家的学校。最后确定了英国+澳洲的混申搭配，一是因为学生最想去英国的院校，二是看中了澳洲院校的高排名。 经过多次沟通后，学生表示希望申请计算机相关专业，同时computer science和data science也可以接受。英国很多大学基本要求都是2:1学位，但学生GPA较低，没有办法申请要求2:1的专业，所以选择比较受限制。 如何做到低分高录？做好学校和专业的筛选，是低分高录的不二法则。 英国许多排名靠前的学校，也有部分比较容易录取的专业，如UCL有一小部分专业对于本科学位的要求放宽到了2:1以下。如何结合自己的课程背景，筛选出合适的专业，是选校很重要的一个环节。 华樱老师筛选了12个英国、澳洲的学校，30+个相关专业。澳洲保证专业是Data/CS相关；同时对英国排名高的学校，像UCL、华威等部分接受2:2学位的院校和专业做了大量筛选。 Part.3 背景提升 由于学生在gap的一年里没有全职的工作经历，所以科研+实习经历就显得尤为重要了。华樱老师给学生规划了3段背提项目作为补充，有效提升了学生的软实力背景，增强了申请竞争力。 科研一 在大二期间，考虑到学生基本学科知识已经有一定的基础，但是缺乏实战型项目经历，因此华樱老师给学生规划了由google在职工程师带领的“基于机器学习技术对谷歌商店客户购买的预测”项目，在三个月的项目搭建中，学生对机器学习的几大算法（SVM，Linear Regression，Random Forest）有了更深入的了解，并在导师的指导下高质量地完成了项目总结报告。 科研二 在对机器学习有了初步认知和基础技术后，学生继续加入了由中国科学技术研究院（人工智能组）导师带领的项目。在此项目中，学生跟随导师研究了KNN、决策树、朴素贝叶斯等算法，并将它们应用于自己的实践课题中，学生最终利用学到的算法，通过tensorflow搭建完成了一个人脸识别神经网络。 实习 在有了项目基础和项目成果的背景下，学生的技术能力已经得到一定的锻炼，但是这些技能在实际的企业项目中的胜任能力需要进一步深化。 因此在学生已经拥有两段科研项目的前提下，我们给他安排了一段由字节跳动在职数据科学家一对一带领的实习项目。在此项目中，学生需要运用GtiHub对开源项目进行开发，并辅助完成企业移动端应用的开发。学生一开始觉得难度不小，此前并没有接触过技术和实际工作结合的经历。但是在导师一对一的辅助下，学生最终完成了该项目。 至此，学生拥有了2段科研经历以及一段实战实习经历，这些项目不仅仅是提升了他的背景，更是通过这几个项目坚定了学生未来的职业方向。 Part.4 文书过程 由于学生没有智慧建筑相关背景，所以在文书的呈现上，华樱老师尽量放大了学生的计算机能力，及其在智慧建筑中如何应用：将学过的技术用于建筑的性能分析，再结合当下疫情，想要通过AI技术去检测调整人流，控制一定空间内的人口密度，从而打造健康安全的环境。 同时文书老师仔细研究了学生的本科课程，把其中涉及到的知识点，比如机器学习，与学生的以往经历联系起来，呈现出一篇个性化的文书。 Part.5 顾问点评：低要求≠好录取 虽然有些英国院校对于均分的要求可能只是2:2学位，但达到均分要求不意味着一定能拿offer。对均分要求比较低的专业，其实远远没有想象中那么容易拿到offer：除了申请要求的那几点，实际上还隐藏了其他门槛，例如对工作经验有要求、对学术背景很看重、面试筛选较严苛等等。 不先去了解清楚，而只看要求是2:2学位就盲目申请，拿到的只会是拒信。同时，工作经验、科研和实习经历、申请方向选择、文书等其他因素在申请人是低GPA的情况下，就显得更为重要了。