专访 | 她竟然用科研成果给学校提建议?还敲开了WUSTL的大门!

2020有方学员专访
hello,我是Y,在漫长的等待中,我终于等到了圣路易斯华盛顿大学(WUSTL)的offer。今天想写下自己申请的一些心路历程,让各位同学尽量少走弯路。希望各位学弟学妹,也能提早规划,早日拿到心仪学校的offer~

01为考进梦想学校,我学会做规划
因为我一直对数学以及理工科很有兴趣,所以我的理科标化成绩还不错。SAT数学考到800分,AP选了微积分、物理、化学几门理科学科,最终拿到了4个5分。我和父母一直在考虑本科的选择,也有几所适合的学校,但是在面临选择的时候,内心已经往WUSTL倾斜。我觉得WUSTL的学术氛围很好,看了自己的目标专业课程设置相当完备,对未来发展而言,是很不错的选择。

当看到美本Top30的学校,每年的录取率逐渐下降。我意识到光有优秀的标化成绩是不够的,我需要提前规划自己的活动背景,选择适合自己的活动,让自己成长进步的同时也能顺利进入自己的梦想学校。

02因为竞赛,结识科研
因为对数学的喜爱,我先选择了一些理科竞赛进行小试牛刀,也得到了不小的收获。因为就读国际学校,所以在学校里和同年级以及高年级的同学一起组队报名,认识了很多大佬😊。参加的竞赛考试范围比我现在学的知识点广泛,解题方法上也需要更多高阶知识。所以大家常聚在一起相互探讨、交流、学习;即使比赛结束了,我们依旧保持联系,继续交流彼此目前的学习情况,共同进步。

也是在交流过程中,对规划自己的活动背景有了更清晰的认识,除了参加实践活动、理科竞赛外,展现自己的学术能力也很重要,科研活动也很加分。我对数学有很浓的兴趣,每当做出难题,就会收获巨大的成就感。但是面对科研,却有点迷茫,因为没有体验过具体的科研是怎么样的。我热爱的数学方向和科研能产生怎样的联系?

这也是一个与有方相识的契机,我的朋友正好在有方做科研课题,我了解后就和有方的老师聊了聊,在沟通过程中,老师给我看了不少参考案例,介绍给我的课题让我也很有兴趣。课题是关于学校内部建筑能源分析的data science的科研项目。

03做科研竟让我收获巨大成就感
整个科研经历都让我觉得很神奇。因为没有任何编程基础,所以在正式上课之前,有方先让我学习了编程课,对编程先有一定的了解。在正式上课的时候,导师知道我基础比较薄弱,所以在每周上课时,会很耐心细致的教我,每个过程都是让我吸收之后再继续下一步研究。

最开始学习基础和方法论,我没想过能与科研有什么关系,但是当导师给我一堆杂乱无章的原始数据包,我用自己之前学会的技能:用computer science去处理这些纷繁的数据、处理完批量的数据后,还做出了直观的图像,可以看到每个建筑能源消耗的趋势以及不同时间段能源消耗的峰谷值,最后通过上面的这些数据分析成果。我才明白,最开始学习的那些枯燥的内容,都是为了给后续的科研过程做铺垫,否则我将无从下手。

成果出来后我发现完全可以给学校提一个有效可以实施的建议!那就是:我将最后呈现出来的图像和数据表发给学校,希望学校可以通过这些数据,针对性去调整公共场所的能源消耗。比如:一般情况下图书馆深夜去的人很少,但是空调和灯还在时刻运转,会造成能源浪费,通过我们不同时段能源消耗不同的分析图表,可以调整每个时段的能源使用情况,最终达到减少消耗的目的。

当我把这些复杂的数据和成果,成列在自己制作的个人网站展示出来的那一刻。觉得一切努力都是值得的!

对我而言,在科研过程中克服难题是一个有趣而充满挑战的过程,整个过程让我充满兴趣并且享受其中,感觉非常神奇的同时成就感爆棚。

这里很感谢导师的耐心指导,导师让我在遇到不会的难题时,及时咨询他。会很迅速回复我的微信以及邮件,帮我解决疑惑。

每个教学过程都很细致,对于没有任何编程基础的我而言,这让我打下了很扎实的编程基础。所以在此之后,高三也选了计算机编程课,还和我的朋友开发过一个学习书法的小程序。

04给学弟学妹的小Tips
小助手问我,有什么提高标化成绩的小诀窍。我想了想,首先很感谢学校的AP老师,我们学校的老师在授课过程中很负责,上课会要求我们跟着他的板书走,记好笔记。培养好的学习习惯,课后作业要认真对待!如果学弟学妹们觉得学校学的知识还不够,可以去看线上课充实自己,比如:Coursera、可汗学院、edX这几个网站的线上课都不错,可以丰富自己的学科知识。

我参加的理科竞赛项目,因为国际竞赛考的范围就远超学校的课本知识,我在备赛过程中也花了很多时间自学相关知识,对某一方向感兴趣的同学也可以尝试一下!

如果是做科研,第一选择自己感兴趣的学科方向很重要!!我对数学很感兴趣,所以当时选择课题就选了与数学相关的,虽然在科研过程中数据繁多,但是依旧能点燃我的热情,让我持之以恒,所以各位一定要选择自己感兴趣的学科方向,坚持!等到结果出来的那一刻,那种极大的收获感是很值得的!

做科研的第二点,打好基础很重要!!很感谢有方的老师让我的编程基础很稳固!让我对计算机这门学科也产生了兴趣!

回过头来看,申请的过程是我成长最为迅速的一段时光,在让自己标化成绩更优异的情况下 ,还要准备活动背景提升。在等待offer的这段时间里,看到同学的喜报接踵而至,但是我的offer却毫无动静,沮丧的同时却还满怀期待。

感谢这段申请的时光让我学会了管理时间,学会了给自己减压,学会了抱起西瓜而丢掉芝麻,学会了在自己心烦意乱的时候不忘感谢他人的善意。

希望我们都有更美好的未来。

有方说
小助手在采访Y同学的时候,觉得她很谦虚,采访过程中完全可以感受到Y同学对数学的热爱。繁忙的学业下,不仅保持自己的标化成绩优异,还利用课外时间参加竞赛以及科研项目,让自己顺利踏入梦想学校的大门!没有刻意去描述她努力的每个日夜,因为我们都知道求学之路无法松懈。稳扎稳打,定会梦想成真。学习路上的付出和收获是成正比的,付出多少,收获多少。再次恭喜Y同学,希望她的求学之路一帆风顺~!

我们遇到过不少家长咨询我们,科研就是做实验吗?我家孩子不喜欢做实验怎么办?

其实科研不仅仅是做实验,我们日常理解的在实验室做实验是科研中的一小部分,随着互联网的逐渐进步和发达,很多学科的科研项目,利用仿真模拟技术以及AI等高新技术,就可以体验科研的的魅力。

探究项目
推荐
基于大数据与可视化的建筑能耗分析
导师:杜克大学  硕士方向:计算机、统计学、建筑学

内容:本课题旨在对两个CMU Pittsburgh Campus上真实建筑的电表一分钟间隔的用电数据进行数据清理、数据标准化与曲线拟合、概率分布、定量分析、可视化分析与聚类,结合量化节能和对住户行为的定性解释,促进能源效率。

电影评分与票房的大数据分析
导师:哈佛大学  经济学  博士方向:计算机、经济金融、统计学

内容:本课题是跨经济学和数据抓取的综合研究,是网络爬虫相关技术的实际应用。研究者将获得使用R进行网络数据抓取的技能和对电影行业及社会文化经济发展的深入了解。

美国种族歧视问题的多层次回归与分层分析
导师:斯坦福大学 硕士方向:计算机、统计学、社会科学

内容:本课题是跨计算机和社会科学的综合研究,研究者可以深入了解政治学、社会学方法论的发展趋势,在学习西方政治与社会制度理论的同时进行数据科学的实践,掌握如何进行科学抽样调查、并运用统计、回归方法分析调查结果。

网络浏览量的时间序列预测
导师:加州大学伯克利分校 统计学  硕士方向:计算机、统计学

内容:本课题是跨统计和计算机的综合研究,也是时间序列相关技术的实际应用。研究者将获得使用R进行数据分析的技能和时间序列方法的深入了解。

美国超市经营收入的大数据分析
导师:加州大学洛杉矶分校 硕士方向:计算机、统计学、数据科学

内容:本课题是大数据分析与可视化的综合研究。研究者将获得使用Tableau进行大数据分析及可视化的技能和对供应链、消费者及产品分类的深入了解。

基于美股大盘日波动率预测模型的交易策略
导师:普林斯顿大学  硕士方向:计算机、经济金融、统计学

内容:本课题旨在利用统计学习方法构建波动率预测模型:使用高频数据构造实际波动率估计量,运用统计学习方法探究美股大盘日波动率的性质和可预测性,分析各股指成分股的日波动率和日交易量对大盘日波动率的预测能力,构建并比较可利用的日波动率预测模型,最终据此开发量化交易策略。

基于人工智能的亚马逊消费者情感与行为分析
导师:宾夕法尼亚大学  硕士方向:计算机、统计学、社会科学

内容:本项目旨在应用自然语言处理技术,实现基于人工智能的消费者情感分析。让机器能够高效得、自动得分析用户所产生的语言文字并判断文字的情感偏向,从而降低人工成本并且辅助人类做出相应的商业决策。同时,通过数据可视化等数据分析手段,探索数据背后的消费者行为规律。

研究美国高校退学率,学生贷款问题
导师:范德堡大学  硕士方向:计算机、统计学、教育学

内容:本课题旨在探索美国高等教育问题以及影响因素,通过对美国高等教育数据库的数据分析,运用STATA探索,管理,分析数据,发现并解释美国高等教育的某一现状,并提出合理的建议和下一步的研究计划。

电影评论中的情感和舆情分析
导师:南加州大学 计算机专业  硕士方向:计算机、统计学、自然语言

内容:本次课题结合机器学习和自然语言处理两门学科,在帮助学生加深对数学线性代数和机器学习重要算法应用了解的同时,还可以让学生利用所学知识对机器学习中向量机算法构建数学模型对词语情感进行分析探究。最后对比其他主流算法,帮助学生进行结果预测和对结果预测的原因分析。

基于核糖核酸序列(RNA-seq)的泛癌症分析
导师:康奈尔大学  博士方向:计算机、统计学、生物遗传学

内容:本课题选取了RNA序列数据作为主要研究对象。通过聚类分析(clustering analysis),主成分分析(Principal Component Analysis)等统计学方法先获取大量癌症数据样本的总体特征以及其各个癌症的从属类别,再通过基因差异表达研究等生物统计模型对于每个类别进行具体分析。

翰林国际教育资讯二维码