写在前面
我觉得整个申请过程中最最重要的一点是：有清晰且强烈的 motivation ，这样才能够在后续的申请准备中从容不迫。 更具体一点，就是自己要先对 ： “我为什么要出国？ 为什么要去这个国家？ 为什么要读这个专业？ 为什么要申请这个专业的 PhD／master？” 这几个问题有非常明确的答案，对自己的本心有足够的了解。而非盲目地想：“哇大家都在做这件事情，所以我也要做这件事情”。特别是当你决定要选择一个热门方向的时候，能够认清自己内心的动力就更加重要。
申请方向选择
拿我自己而言，虽然本科一开始就有出国读书的打算，但一直没有落实到一步一步的行动中去。大三的下半学期才开始具体去准备 GRE，决定专业，查信息，制定计划。自认不是行动力非常强的人，我在开始做这些重要的整理工作之前，其实花了相当相当长的一段时间在思考：我究竟要不要继续读 CS，我经过本科的专业学习体会到的 CS 这个学科的价值和意义，选择去美帝读 CS 会为我以后的生活带来哪些可能性？ 记得那段日子跟当时的舍友说“你每天要问我三遍为什么读 CS ，千万不要放过我。” 也时常拉着一同申请的小伙伴一起讨论。因为知道自己不是能潜心做学术研究的人，所以后续的思考都是建立在“我要继续读 master，然后进入职场”的基础之上。
最后发现，嗯可以离科技进步的中心更近一点很酷呀，可以有幸参加到这个能或多或少决定未来发展方向的行业也很酷呀！不过最最想追求的还是能够创造出更懂“人”的科技。我觉得要想更好地理解并控制科技，一定要先做到"更好地理解『人』"。 科技的创造者是人，使用者也是人，无人在用的科技自然也失去了存在的意义。 抱着这种目标，愉快地发现了 Human-Computer Interaction （以下简称 HCI） 这一领域的存在。 HCI 是一个比较新的交叉了计算机、设计与心理学的学科，在很多大学被归为 CS 下的一个分支。
HCI 所研究、解决的问题可以很广泛。从界面易用性的设计分析，到更好的分析用户产生的数据进一步影响产品决策，到新型交互界面的产生等等。 大多数 HCI 项目的申请都需要提供相应的作品集。 大三暑假才发现这一切的我，当时并没有完善的作品集。（所以回到开篇所讲，早点发现和认清自己的 motivation 很重要！） 再加上，自己并不是很想完全放弃技术背景转作纯设计类的工作。CS 的 master 项目这么多，开设 HCI 课程的 CS Master 也有不少，于是最后决定，还是主要申请 CS 方向的 Master 项目，但在筛选的过程中会着重考虑这个大学 HCI 方面的发展。
定位选校
在明确了自己的目标和申请方向之后，我的主导师就一直在帮我联系背景相匹配的专业导师，确定申请的 timeline。最终联系到了当时在 USC 读 CS Master、并在 Google 实习的导师。等自己最终满的 GRE 成绩下来之后，我和导师进行了比较详细的关于选校定位的讨论。
选校的过程中我们先确定了一个大概有 25 所学校的大范围，然后导师介绍这个 list 上不同学校的特点，项目的 size，地理环境，就业优势等等，帮助我建立了一个大概的 perception。对于当时完全没有接触过美国的自己来讲还是很有帮助的。特别是地理环境对就业的影响这一点，当时导师有结合自己找 intern 的经历顺便给我科普了求职的 timeline 和影响因素，比如校友网络，所在城市的科技行业发展等等，这些也反过来影响了自己的选校决定。（因为自己最终还是抱着找到更好的工作的目的选择申请 master 的）。作为已经有 industry 经验的导师能够兼顾到学校对后面职业生涯发展的影响，给出比较全面的建议。
总结自己的感想我觉得定位选校可以主要考虑两个角度：
1.我有多大意愿去这个项目
2.我有多大可能性会被这个项目录取
在前期选择阶段，影响“意愿”的因素可能有： 课程设置，项目时间，学费及生活费，学校地理位置（对找工作和安全性的影响），毕业生去向数据，校友资源等等。这些信息大部分都可以在学校的官网上找到。 如果找不到精准统计的毕业生数据，也可以试着 linkedin 上搜索该学校看一看毕业生的 profile，工作去向等等。特别注意项目时间这一点，如果项目时间太短的没有机会实习的话，一定程度上会加大最后找工作的难度。
而影响“录取可能性” 的因素，就难以全部囊括。 因为这其中涉及到较多环节，不可控性比较强， 不过还是列出以下供参考的因素（排名不分先后，只针对 master ）：
▼ 你可以量化的实力： GPA，GRE， TOEFL 成绩
这些往往不会当作特别的亮点，但是会作为门槛，即不够一定标准可能会被直接筛选掉。
▼ 你不可量化实力： 相关项目经历（Course Project，Research，相关 paper 发表，实习等等）。这个的考量主要取决于该项目的要求，分类越细的项目，对相关经历的要求可能越高。 典型例子就是 CMU， 几乎所有你能想象到的分支都有一个独立的 master 项目，比如 master of computer vision ， master of machine learning。
▼ 你的其他申请材料： 推荐信，Statement of Purpose（SOP），其他 essay 等。
▼ 项目规模 ：也就是一届招多少人，也可以特别关注一下大概有多少个中国人。 这个信息部分项目官网上有，部分可能会 post 在该项目的 facebook page上（比如 MCDS 项目就每年都会 post 我们收了多少份什么 track 的申请，最后录了多少人）。
▼ 申请人数 ： 属于不可控因素。 有的项目虽然根据往年录取数据而言难度不大，但可能今年突然间大家都去申请导致“水涨船高”。
▼ 往年录取率 ： 继续见官网。 像 CMU 就有非常详细的往年申请人数／录取人数／录取男女比例统计：
(https://www.cs.cmu.edu/sites/d ... 6.pdf）
在了解清楚了自己的意愿和可能性之后，最终的选校 list 我和专业导师反复讨论，了解清楚自己的意愿和大致水平之后才最终敲定。基本掌握这样一个原则：
「特别想去且录取可能性较低」可以放在冲刺行列，
「特别想去且录取可能性较高」可以放在主申行列，
「不是特别想去且录取可能性较高」可以放在保底行列。
材料准备
在定下项目的 list 之后，我和棕榈导师一起按照各个项目的截止日期准备了一份资料清单。
对于大部分理工科项目而言，所需要的材料基本如下：
Transcript/GRE/TOEFL/推荐信/Resume/Statement of Purpose（SOP）
SOP 是申请过程中我花费最长时间准备的一个资料。写 SOP 的过程更像是对自己内心不断发问，并且将自己大学所学用自己的语言整理归纳的一个过程。为了选出切合申请项目的经历，我回顾了前三年半所学的每一门课程中所做的比较有分量 project，然后挑选了其中的 3 个先用自己的语言整理了一下自己对这些 project 的理解，以及通过这些 project 如何加深了我对专业领域的认识。
当时第一版 SOP 出来可能是写 report 写多了，很容易在描述 project 经历的时候开始以报告的格式一板一眼地讲“我到底做了什么”。导师就帮我指出来说更应该着重去讲 “做这件事情给我带来了什么影响”，或者我在做这件事情的过程中遇到了什么困难，如何解决的这些困难，侧重故事性会更有可能吸引招生官继续读下去。 避免在某一专业领域描述的太深入而导致没有背景的人难以理解你所论述的经历。除此之外，导师也有带着我一起过每一个段落的逻辑，和段落之间的连接与取舍。第一版文书大概改了有五六遍才最终定稿。第一版确定之后觉得整个申请的逻辑都清晰了许多。
简历方面由于自己之前没有业界经验，所以当时已经在谷歌实习的导师给了我很多的建议。包括如何 format 的一些基本 convention，还有如何陈述一个 project 才能切中要害，让人明白实质贡献的同时突出 impact。这些信息对于没有接触过业界的 CS 发展的自己来讲还是十分有帮助的。
随着材料的一步一步完善，自己对自己过往经历的理解，和对整个申请的大小目标的认识都有加深。这里还是非常感谢专业导师和主导师在准备材料过程中对自己的帮助。 我觉得比较认同的一点是，我们的讨论只会注重于逻辑和表达方式，具体的落笔始终都是我自己的语言。所以最终的文书也好，简历也好，都能够描绘的比较贴合自己的内心。
网申及等待结果
准备好材料之后就是认真填网申啦。整个过程当时还算蛮顺利。记得我是 17 年的情人节开始收到第一个 offer。3 月分收到的 CMU MCDS 项目的 offer。因为是最想去的项目，加上我拿到的专业是 Human-centered Data Science，正好有机会同时学习 HCI 的课程和其他 CMU SCS 下面的经典课程就毫不犹豫地接了 offer。 回顾整个申请过程中，从确立目标到落实一步步行动都是对自己的未来建立更清晰的认识的过程。
非常感谢我的导师在整个过程中对我的指导和帮助，我觉得收益最多的是关于简历和文书方面的指导，特别是在准备第一所学校的资料的时候。没有相关经验的自己从两位导师那里学到了很多如何更好的讲述自己的经历才能够更通顺，更吸引招生官的方法。在整个申请过程中所有材料的准备也都是围绕着我自己的真实经历和感受，使得最后的结果能够最贴合自己的背景和期望。
CMU 的学习生活
CMU 的生活像预期的一样非常非常非常的繁忙和充实， 但是这种忙是让你觉得每天都在快速成长很有意义。CMU的教学质量平均而言还是非常棒的，特别是开设很多年的一些经典 CS 课程。比如说我们 Master 入学之前暑假要学的 Introduction to Computer System， 能够通过非常有趣的 7 个作业带你上手了解 Computer System 当中一些基础的概念。 工作之后觉得虽然有的时候不会直接用到某个小知识点，但是整个知识体系的大框架打扎实之后还是很容易上手新的技能的。
CMU CS 的课程也非常非常非常的丰富，几乎你想到的所有领域所有方面都有开设专门的课程。即使是同一门 Introduction to Machine Learning 也会按照不同的背景开设不同的课。 在 CMU 经常感觉时间太短了好课是上不完的。 所以大家会拼命一个学期选很多门课。
我们项目的选课相对比较自由，即使对课程设计有意见想要按照自己实际背景做更改的话也可以和 advisor 商量。我很幸运拥有一个特别支持我们选自己想上的课的 advisor，所以几乎自己想上的课，不管是 HCII 下面的小规模的设计课程，还是一两百人一起的各种 Machine Learning 课都有选到。
就业方面的话，CMU 每年秋季和春季都会有大规模的 career fair 帮助同学们寻找机会。学期中也会有各种大小科技公司来宣讲。所以即使地处匹兹堡也会有很多接触业界的机会。
两个学期结束之后回顾 CMU 真的觉得自己成长了非常非常非常多，也有幸遇到了一起奋斗的朋友，可以说是很忙很累也很幸福的一年啦，希望我的总结和心得能够帮助到有留学梦的你！
