多伦多大学计算机硕士申请?
多图杀猫,认真作答 本人背景 U of T BSc(Coop) Computer Science 2013-2017,大二开始跟着本专业最出名的Prof. Zou(他教算法)和大名鼎鼎的Prof. Cormen(他教数据结构)上课(他们俩都写过《算法导论》)。两个教授给的成绩都是A+。大一还上过CS51和CS61这两门课,以及Math146/148,成绩也都是A。大二以后就没再上过必修课了,大部分是选修课或者coop。
GPA 专业课平均成绩是B+,非专业课是A。最后算GPA的时候把非专业课成绩都按最高值计算了(加权),最终成绩是3.90/4.00。 软性条件 参加了好几个竞赛,拿到过一些奖。在U of T的暑假实习了一个月,做的是机器学习相关的研究项目。做了两篇小论文,在业内顶级会议上的数据挖掘专场发表并拿到了最佳论文提名。自己写了代码做机器学习相关练习,用Python和R做了很多数据分析、可视化方面的工作。
个人网站里有全部的项目总结。 语言成绩 只有雅思,总分8.0,听说读写四个单项分数是7+7+5+7。托福没考。 实习经历 和本校其他同学比起来我的实习经历几乎可以忽略不计...在大三的时候只找到过一个短期的实习,还是在加拿大做的。
因为想申请master的时候能有一个好的工作offer,所以我决定回国找实习。因为之前没有过实习经历,又刚好赶上春节前一周面试,所以一开始并没有得到太多的面试机会。好在最后找到了一个比较满意的岗位——百度自然语言处理部的实习生。这个组的主要工作是用机器学习方法做分词和词性标注还有文本分类。我在组里主要做文本分类和情感分析。因为我是以master为目标的,所以没有像其他同学一样每天泡在实验室干活儿,我是每周去两天,每天大约五个小时。
除了跟导师和老板讨论课题之外,我还自学了TensorFlow并在项目中实践,学会了使用百度脑图并画出了神经网络的结构图。 在实习过程中我不仅完成了自己的任务,还学会了怎么用NLPIR工具包、怎么读PDF格式的人脸识别论文并且理解其核心算法、怎么实现基于字符串匹配的实体抽取模型等等。总之,虽然时间短,但是收获还是挺大的。