[心得] 美國BA/DS申請心得分享|UPenn/NW/GT/USC

看板studyabroad作者 (派翠克)時間2年前 (2021/08/26 05:39), 編輯推噓28(2802)
留言30則, 29人參與, 2年前最新討論串1/1
Medium 好讀版: https://bit.ly/2UIi3kM ------------------ 前言 身為拖延症患者的我總算在學期開始前完成這篇申請分享,對過去兩年的經歷總算是有所 交代。疫情來襲雖然稍微打亂了原本的規劃,但這一切事後諸葛來看卻是非常珍貴的禮物 ,讓我有再一次的機會可以挑戰自己。這一路上受到許多貴人的幫助,也受到許多留學版 上的好文啟發,希望可以透過這篇分享將這些收穫分享給正在留學路上打拼的朋友們。 文章將分作以下三個部分 1. 申請背景 & 結果 2. 申請流程簡述 3. 留學心得雜談 Disclaimer: 以下都是個人主觀意見。 Please take it with a grain of salt. ---------------- 申請背景 [Education] B.B.A. in International Business, National Taiwan University GPA: 4.00/ 4.30 (WES 3.88) Exchange Student, University of Minnesota Carlson School of Management GPA: 3.67/ 4.00 [Test Score] TOEFL: 115 (R: 30, L: 29, S: 26, W: 30) GMAT: 740 (V: 38, Q: 51, AWA: 6, IR: 8) GRE: 329 (V: 160, Q: 169, AWA 4.0) (2021 Fall only) [Other Information] Honors & Awards:書卷獎 * 1, Dean’s List @ UMN Recommendation Letter:兩位系上教授 + 一位直屬主管 工作經驗:一年數據分析正職經驗,四段實習(一段數據分析相關) 系\院\校級活動若干 無美國身份 ---------------- 申請結果 [2021 Fall] (一年正職經驗,有 GRE 考試成績) Admissions Georgia Tech, MS in Analytics (Deferred from 2020 Fall) Northwestern, MS in Analytics (Interviewed, 3/15) University of Pennsylvania, MSE in Data Science (4/2) Rejections MIT, MS in Business Analytics (No Interview, 2/2) UCBerkeley, Master of Information Management and Systems (No Interview, 2/26) Harvard, Master’s in Data Science (2/26) Stanford, Management Science & Engineering (3/4) Columbia, MS in Data Science (Waitlisted, Rejected on 8/3) Decision University of Pennsylvania, MSE in Data Science [2020 Fall] (無正職經驗,無 GRE 考試成績) Admissions UCDavis, MS in Business Analytics (Interviewed,12/07) University of Minnesota, MS in Business Analytics (Interviewed, 12/19) University of San Francisco, MS in Data Science (Interviewed, 12/20) + $3,000 Tuition Emory, MS in Business Analytics (Interviewed, 1/18) USC, MS in Business Analytics (2/14) Georgia Tech, MS in Analytics (Interviewed, 3/9) CMU-A, MS in Information Technologies (3/14, transferred from MISM-BIDA) + 30% Tuition Waived University of Chicago, MS in Analytics (3/28) Rejections MIT, MS in Business Analytics (No Interview, 1/31) UCBerkeley, Master of Information Management and Systems (No Interview, 2/22) University of Washington, MS in Information Management (3/15) Northwestern, MS in Analytics (No Interview, 3/17) UT Austin, MS in Business Analytics (Waitlisted, Rejected on 4/2) UCLA, MS in Business Analytics (Waitlisted, Rejected on 7/14) Deferral Georgia Tech, MS in Analytics ---------------- 申請流程分享 以下內容會針對英文檢定準備、申請學校選擇、申請文件撰寫、推薦信準備和面試準備五 點來做說明。網路上有許多前輩已經針對這幾點有很深刻的見解,強烈建議大家針對自己 比較不確定的主題再深入做更多研究,了解不同人的觀點會有助於你擬定自身的準備策略 。 英文檢定準備 1. 該考 GRE 還是 GMAT 呢? 該考 GRE 還是 GMAT 呢?目前各大商學院幾乎都已經接受 GRE 申請,並且多數也都明確 提出對考試類型「沒有偏好」。在這個情況下,為了讓往後的選校更有彈性調整,會建議 大家選擇泛用度較高的 GRE 來做為一個有退路的選擇。除此之外,大家也可以考慮一下 自己的技能包適合哪一個考試( GRE 著重單字, GMAT 著重邏輯),選自己有優勢能考 出高分的考試就是最適合的作法。 2. 準備考試是否需要補習呢? 補習與否不是重點,重點是找到「最有效率」的準備方式並 stick to your application timeline。當時準備 GRE 時我是全職上班族並且常態需要加班,下班後並 沒有太多時間和心力來準備 GRE 考試,因此果斷選擇利用補習班的資源來提升備考效率 。要謹記的是補習班也只是提供整理好的資源,將資源融會貫通並且應用在試場上依然是 考生的責任,所以補習與否真的不是重點,重點是你的 Timeline 安排 & 過往學習方式 適合哪一種準備模式 3. 該何時開始準備檢定考試? 以自己聽朋友的經歷來說有人一兩個月就可以考到不錯的分數,但也有人需要經過三四戰 近半年的時間才能攻克。你永遠不會知道自己需要多久時間才能考出理想的檢定成績,因 此最佳的策略是當你心中有留學念頭時就儘早開始準備,並且不要因為急迫想申請就選擇 將就。針對這點心得雜談的部分會有更多的分享。 4. 檢定分數要考到怎樣的分數呢? 我自己的觀點是在「時間足夠充裕」的情況下盡可能考到高分,不要讓自己的分數有任何 的短板。網路上有流傳托福過 100、GRE 過 320 就已經足夠,也確實這個分數對很多科 系來說已經足夠具有競爭力,但身為申請者你不會希望自己的申請文件中有任何一點「客 觀判斷較為遜色」之處。文書撰寫好壞是主觀的你無法了解招生官的偏好,但分數的高低 卻是很客觀的評斷方式,千萬不要放過這個證明自己的機會。此外,多數申請者已經無法 再改變自己的 GPA,能做僅剩下把其他可控制的申請資料盡可能做到最好,在這情況下有 什麼理由不再多努力一下呢? 申請學校選擇 1. 排名最高的學校未必是最適合你的地方 這句話聽起來很像是申請不上名校的酸言酸語,但每個人的背景都不盡相同,對留學的目 標和想像也有所出入,別人認為最好的選擇未必最適合你。「排名」這件事對我來說是許 多「客觀」資訊中「最主觀」的,難道 US News / QS 排名的評判指標跟你一樣嗎?大家 應該要好好思考自己對於各種選校指標的偏好,聽從自己心裡真正的聲音並簡單製作一 個 Scorecard 來找到最適合自己的歸屬。留學成本很高,不要盲目跟著大家的言論,花 錢要花的自己開心! 2. 留意沒有前因後果的主觀判斷 每個人的心得文章多半都會帶有主觀色彩,例如說「A 學校的地點不好」、「B 學校的課 程技術含量比較高」,但你怎麼知道他的判斷依據跟你是否相同呢?地點好是指有精彩生 活的曼哈頓市中心,還是指求學風氣濃厚的中西部大草原,亦或是天氣宜人的加州海邊? 課程技術含量高也是作者衡量自己狀況後下的判斷,但你跟作者的技術背景相同嗎?技術 含量高真的是你希望的課程安排嗎?在沒有理解文章前因後果的判斷句很容易讓你比較時 失真,你應該要建立一套你自己的資料庫和判斷準則,判斷這個說法是否符合你的邏輯判 斷系統。 3. 保底不應存在,排序應該以投入程度為主 我認為保底本質上不應該存在,除非你有非在今年出國不可的理由,否則為何你要花大把 金錢去一個自己不是很滿意的地方呢?相反的,我認為夢想區間是應該要存在的,而且應 該要大膽申請。每一年總是會看見自己跟某些夢幻學校錄取者的背景相差不大,千萬不要 自己放棄買入場券跟招生官展現自己的機會。除此之外,我認為夢幻、主申、保底三個階 層的學校除了考慮學校申請的難易度外,也需要考慮到自己文書的投入程度。每個人的精 力都有限,不可能針對每一所學校都用 120% 的精力準備,很多時候更會因為截止日期接 近讓你沒有足夠時間做到完整的準備。哪些學校是你要花費心思去客製,哪些可以利用現 有素材拼湊,這些都應該要事先想好並安排進自己的時程規劃之中。 4. 可參考的選校指標 學程長度、課程設計、選課彈性、班級規模和同儕背景、地理位置、學校排名和名氣、就 業表現、輔導資源、校友資源、總花費等 申請文件撰寫 1. 文書是否需要找潤稿? 我的文書輾轉經過數位潤稿者之手,而回過頭看我認為這份錢投資的非常值得。在我們無 法明確了解招生官的偏好下,我認為最好的方式是讓不同潤稿者各別提供對文章的見解。 自己的經驗發現每位潤稿者都會發現不同的加強點,甚至也有意見大相徑庭的部分,這時 候自己獨立判斷便會非常重要。學歷背景是你的產品品質,履歷是你的規格說明,而文書 是將一切集大成並畫龍點睛的行銷文案。招生官應該要可以透過你的文書,在腦中精準、 立體地將你的形象呈現出來,進而利用專業判斷出你是否符合他們的招生標準。申請者能 做的是讓招生官更無痛的了解你想傳達的內容,而這件事情透過專業母語人士的潤飾將可 以達到非常有效的提升。 2. 如何找到學校跟系所著重的特質? 申請學校是一個雙邊配對的過程,除了你喜歡這個系所外,系所也要認為你符合他們的招 生方向而且會帶來價值。了解科系的方式包含參與招生說明會和 Student Panel、搜尋系 所的分享文章、看學校的宣傳影片等。大家可以試著把自己當成一個顧問去了解每一間學 校(客戶),當你對一間學校了解度越高,你就越有機會知道學校喜歡什麼特質的學生。 我強烈建議大家可以主動去 LinkedIn 找尋在讀生和校友,透過當事人的五官來了解這個 所科系的優劣和全貌。 3. 文書段落要怎麼安排呢? 文書段落並沒有制式的模板,重點是要在有限的字數內說服招生官 You are the ONE。我 建議可以善用心智圖將過去的經歷做連結。你過去做了哪些工作、上了哪一堂課程讓你對 這個領域產生興趣?你做了哪些努力來加強這方面的知識?你希望透過這個研究所學程達 成什麼目標?為什麼出國讀研究所是達成這個目標的方式?為什麼這個科系可以幫助你達 成這個目標?招生官很清楚學校本身的定位,作為申請者除了要展現自己對科系的了解外 ,也要說服招生官學校辦學的目的跟自己的目標相輔相成。除了科系本身外,另外一點重 要的是要了解這間學校的氛圍和性格。是社交活動多的 Party School? 是以理工 / 文科 聞名的學校?是研究氛圍濃厚的學校?務必確保在文書中有把你自己想要來這間學校、這 個系所求學的原因清楚地傳達給招生官。 推薦信準備 1. 推薦信內容要怎麼安排呢? 申請者能呈現給招生官的文件總數是有限的,在有限的資源中每一個字都是向招生官展現 自己的珍貴機會,因此「盡可能減少資訊重複」是我一直使用的原則。在請推薦人協助寫 推薦信之前,我會先去和推薦人對談討論推薦信中可以偏重的描述內容,讓推薦信可以跟 文書做前後呼應。推薦信的功用是在「申請者自述」以外,讓招生官可以用第三人稱的視 角來了解這個人的性格、團隊合作能力等,透過這些軟性特質讓你這個「人的形象」更為 立體,讓招生官會認為把你收入系所上會是一個很大的收穫。 2. 推薦人的背景重要嗎? No. 我認為推薦人應該要是能了解你個人特質的人,無論你公司/學校的人際關係、人格 特質、領導能力、處事風格、學習態度等都是很好可以下筆的點。招生官都是經過身經百 戰的人,他們很清楚哪些推薦信是「真正了解你這個人所給的推薦」、哪些是「為了申請 而給出的推薦」,而只有前者才是真正的加分。推薦人的背景並不是非常重要的元素,重 點是誰能夠真正在推薦信中展現出最好的你。有一說是如果推薦人母校恰巧是你要申請的 學校可能會有優勢,這點我並沒有任何數據可以證實,但我認為可以說得通的原因是「身 為校友不會想要推薦一個不 OK 的學生」。 3. 要何時開始聯繫推薦人? 建議在你開始有留學想法的瞬間就可以開始找推薦人。與推薦人(無論是教授或主管)聊 天的過程中不單單是為了申請文件做準備,更可以進一步釐清自己的動機,從第三方的角 度來了解自身的優勢。除此之外,教授通常每年都會收到非常多學生的推薦信需求,因此 儘早開始聯繫也可以確保教授有時間可以協助你完成申請。 4. 要如何提醒推薦人繳交推薦信? 作為申請者的重要責任是讓推薦人能夠「無痛完成」這一段流程,因此禮貌地提前通知推 薦人並且盡可能減少推薦人時間成本是很重要的。我自己的做法是會把學校資訊整理成表 格地給推薦人,並且會附上「系統發連結給推薦人」的時間以及「繳交截止日期」。為了 避免推薦人忙碌,截止日期我多半會提早個一到兩週,並且會讓系統發連結至繳交截止日 中間有大約一個月的時間。這一個月之中我也會定期跟推薦人聯繫,確保推薦人還記得信 件的事情,避免最後因為推薦信延遲無法準時繳交申請文件。 5. 推薦信自己寫或推薦人寫有何差別? 理論上推薦信是不可以讓學生有任何參與的,但台灣的環境有些推薦人會希望學生可以先 提供推薦信草稿。相信我:自己寫出來的推薦信跟推薦人的版本差距非常大,招生官一看 就能分辨出來。我建議若有需要提供草稿,務必要先和推薦人有良好溝通,了解推薦人看 的角度並且討論出信件的要點,避免讓推薦信淪為「第N份」SOP 資料。 面試準備 1. 知己知彼百戰百勝 知己知彼百戰百勝。幾個知名的中國論壇上都有近幾年的面試或 Video Essay 分享,我 自己會在收到通知後在網路上蒐集近三年的所有面試題目,對應自己的人生經歷列出 Bullet Point 來回答。整理幾次後會會發現每個學校問的問題都大同小異,而且自己值 得說嘴的人生故事其實也就這麼幾點,因此準備起來其實會比想像中容易。值得一提的是 在準備這些題目的過程中也時常會給 SOP 一些新想法。 2. 找到戰友練習面試 寫出草稿 vs 對著鏡頭說出來之間有非常大的鴻溝,實際練習面試過程中也會發現有些語 句講起來會非常饒口不適合口語表達。除此之外,有些面試細節也是需要經過練習才會發 現,例如自己可能有很惱人的 Filler Words、Eye Contact 要看的是鏡頭不是看著螢幕 中的面試官、思考問題時眼神會不自覺上飄、肢體動作僵硬表現不夠自信等。強烈建議各 位可以找戰友一起練習面試,會讓你在真實面試的時候不會感到這麼緊張。 ---------------- 留學心得雜談 講完了申請流程的內容後,最後想分享一下自己兩年下來的一些心得感受,希望讓對留學 這條路還抱有疑惑的朋友有所幫助。內容非常主觀,不認同看看就好。 學校不是要找專家,是要找適合的人 第一年申請時,我著重在寫自己做過的技術專案的細節,說明自己很感興趣也做了很多努 力。第二年申請時,我試著呈現自己商業背景能帶來的價值,表達除了技術崗位之外自己 有更多可以貢獻的方式,更強烈的表達我跟其他申請者不同。兩年下來我覺得最大的收穫 是把自我定位想得更為透徹,知道自己可以怎麼在數據領域發揮自己的影響力,也更知道 怎麼連結過去的經歷來展現自己的價值。 相信許多閱讀這篇文章的朋友都是商科背景的學生,在申請數據領域時很多人會做的事情 都是不斷闡述自己的「興趣」,例如說修過很多統計課、實習做過數據分析很感興趣等, 但大家可以捫心自問一下,會申請這個領域的人誰不是這樣?又或者很多人會闡述自己的 技術能力有多強,例如說自己會用隨機森林模型、也比過 Kaggle 競賽、參加過數據比賽 有得名等等。大家可以再捫心自問一下,如果你真的已經這麼厲害,為什麼學校還要收你 讓你讀研究所?如果學校真的只看技術優劣,為什麼不是都收工程背景學生就好了? 我自己的感想是學校注意的點是:獨特動機、自我定位、成功機率1. 獨特動機 你的動機跟其他人有什麼差別?為什麼你認為來讀這間研究所可以達成你的目標?每個人 都一定有自己與眾不同的動機,一定要花點心思好好思考,把過去求學階段的自己攤開來 一頁一頁思考。如果過程中遇到困難,可以與自己比較熟識的朋友聊一聊,第三者角度常 常會帶來很不同的收穫。倘若你真的找不到原因,你可能要思考一下為什麼你現在要申請 研究所。另外我個人覺得有時候「示弱」、「遺憾」也不失為一個好的動機,因為有了這 些較為負面的想法你才有更強大的前進動力。 2. 自我定位 你對自己未來的定位跟科系想培養的人才方向是否相符?你的定位是否合理可達成?你怎 麼說明自己適合這樣的角色定位? 我建議大家一定要好好思考自己的目標,想得越具體 越好,例如想要到 xxx 公司 做 yyyy 職位實踐 zzzz 相關工作,因為 abcdefg。 ” Connect the dots” is the key. 招生官看過形形色色的申請者,不自量力、模糊不清 的自我定位都會是一個 Red Flag. 3. 成功機率 以研究所來說最重要的關鍵就是畢業後求職的狀況,這也是近年來有一些系所比較偏好收 有身份的學生的原因,因此找到怎麼說服招生官你會是一個成功 Candidate 的方法會是 重要關鍵。我建議大家可以主動聯繫在讀生和畢業校友,了解過去一兩年錄取者的經歷 ,試著揣摩招生官的偏好。在了解偏好後也要融入自己的 SOP 中,說服對方在研究所學 業完畢後你在你自我定位的角色會成功。若實在找不到任何資料,那就盡可能努力讓自己 沒有短板吧! 留學的機會成本遠比你想像的高 先不論準備過程中的各種花費,包含備考、申請遞交費用、潤稿費用、簽證費等,我們來 探究一下留學到底會花多少機會成本。 以我今年要去就讀的 UPenn Data Science 為例,兩年下來至少要以下費用: 1. 學費:以今年的費率來算讀完會需要 $24,208 x 2 + $15,768 x 2 = $79,952 2. 住宿:宿舍的費用是 ~$1,100 / month,我們省一點用 $800 來算 → $800 x 24 = $19,200 3. 生活:不玩樂不治裝極少量外食,每週餐費 50 美就好 → $50 x 52 x 2 = $5,200 光以上最粗淺的費用就接近 $105,000, 我們就粗抓個 300 萬台幣吧! NTD$3,000,000 / 2 (year) / 365 (days per year) ~= NTD$4,110 也就是僅計算你「生存」的費用,你每天就是在撒 $4,110 的錢到水溝,而且還不算入申 請成本、生活娛樂費用、兩年的機會成本等。機會成本不僅僅是兩年全職工作可以換來的 薪水,更包含了轉換生活環境的文化衝擊、疫情下的額外花費等。 在申請之前大家可以思考一下: 1. 現在的我,值不值得花這樣的成本投資和培養?有沒有出國留學更有效率、成本更低 的方式可以達成我的目標?如果沒有了這一段經歷,我會不會有遺憾? 2. 未來的我,有沒有辦法兌現這個投資報酬?從這個科系畢業有沒有辦法達到我想達成 的目標? 我很慶幸自己在思考這些問題時有留下相關的紀錄,不但在 Essay 上給了我重要的靈感 ,最終也幫助我在選校上做出適合自己的關鍵決定。有趣的是這些思考也會在申請的過程 中有所迭代,過往認為關鍵的事情在後續來看可能也不是這麼重要了,但重點不是要否定 自己過去的想法,而是要從自己思考的變化中來了解更適合自己的方向。 務必用「相對」來衡量一切 很多留學文章或學校宣傳文件都會用絕對值來衡量好壞,例如起薪的高低、課程的技術程 度高低、學校位置的優劣等。但絕對值是惡魔,一來你很難衡量這個「絕對值」的優劣( 畢竟你不知道 Max & Min),二來在沒有基準時比較的情況下你無法得知這個絕對值到底 是好是壞。 舉例來說:假設今天有兩所學校 A & B, 在官網上提出了下列的資訊 1. 平均薪資:A: $120k vs B: $98k → 難道 A 學校真的比較好嗎?灣區 120k 跟德州的 120k 可以比嗎?用 Cost of Living Calculator 換算一下你會發現這兩份薪資在各自的 生活水平差距非常大。 2. 就業率:A 學校 50% 學生畢業前找到工作,B 學校 80% 學生畢業前找到工作 → 難道 B 學校真的比較好嗎?會不會 B 學校都有美國身份 or 錄取的學生都有多年工作經驗? 找到的工作是可以比較的類型嗎?學生找到的職缺是你會想要進去的企業嗎? 再舉一個例子:假設今天有一篇前人分享的文章針對兩間學校做比較 1. A 學校的課程安排比較 Technical, 比 B 學校有收穫 → 前人認爲的 Technical 對 你來說是 Technical 嗎?什麼樣的課程安排對你來說是 Technical?是課名有 Machine Learning 就算,還是你希望課多談論套件應用,或是你希望可以著重在數學推導?此外 ,前人分享的課表跟現在的課程安排一樣嗎?為什麼你的職涯目標跟課程技術含量有相關 呢? 2. A 學校地點比較安全,B 學校很危險 → 多頻繁的犯罪叫做危險?有沒有實際拿 Crime Map 來比較?又或者退一步說,危險程度與否對你來說的重要性有多少? 3. A 學校同儕來自國內外頂大, B 學校同儕背景比較差 → 同儕比較差是指GPA、GRE、 學校排名、工作經驗還是其他東西?退一步說,你真的在意同儕的背景嗎?為什麼你要在 意同儕的背景? 謹慎看待學校提供的美好數字 學校很清楚留學生的目的絕大多數都是想要在當地就業,這不但會影響學校的招生偏好, 也會影響學校如何呈現過往的數據來吸引優秀的學生。通常學校為了招生會把數據做粉飾 ,呈現出比較理想的數字,若沒有進一步去了解背後的事實情況很容易真的入學後才發現 不如原先想像的這麼美好。 舉例來說,學校提到就業率時往往會用一個數字(Say 80%)來呈現,但這個數字代表什 麼意思呢?是畢業當下有 80% 學生找到工作?還是畢業三個月內或六個月內在境內找到 工作的比例?又或者是最後留在美國找到工作的比例?每個學校呈現數字的方式都不盡相 同,一定要去了解背後真正的含義。 另外一點要注意的是這種數字都是歷史數值,而 BA / DS 領域的科系多半是近幾年內才 創立,最久也不過才十出頭年,再加上這個領域的變化非常快速,讓學校課程的安排也時 常會需要作出調整,這個現象造成的影響是過往的優勢現在來看未必如此。因此若行有餘 力,務必要找當期的學生了解一下最新的就讀體驗,不要讓自己迷失在過往的美好之中了 。 慢慢來走得比較遠,不要將就 留學幾乎對每一個人來說都是一輩子僅有一次的機會,我認為每一個人都必須嚴謹的對待 自己人生的重大抉擇,也因此每當朋友來跟我聊留學申請的事情我都會跟他們說「慢慢來 走得比較遠」。如果你認為所剩時間不足以讓你考到足夠好的檢定成績,那為何不再多拼 一下讓你可以去更優秀的學校?如果你覺得工作經驗還不夠出色,為什麼不謹慎設定一年 內的目標並努力累積工作上的成就? 我完全可以理解申請研究所很多時候是一個衝動,又或者是一種逃避,但這一條路上會遠 比你想像的更坎坷。這個決定短則影響一兩年的時光 + 幾百萬新台幣,長則影響決定你 年輕時期會在哪個地方打拼、在什麼環境下形塑自己人格。面對自己的人生每個人都不應 該將就,很多東西只有一次的機會,過了就沒了。面對未來幾十年的生活,多花個半年一 年的時間思考跟準備我認為是最划算的一筆投資了。 把握最後一段校園生活,走自己想走的路 研究所階段是絕大多數人最後一次回到校園的環境,重新再一次讓自己有大膽試錯的機會 。我自己想要重返校園的原因,除了是對資料科學領域有熱忱外,更是對學校生活抱有遺 憾。我對大學期間沒有多參與校園的活動認識不同科系的朋友抱有遺憾,我對大學自己沒 有嘗試研究相關工作感到遺憾。這些動力不僅協助了我挑選屬於自己的理想學校,也讓我 對未來兩年的研究所人生在除了求職外有了更多的動力。 申請研究所是一個巨額投資,對我來說這一切的目的不是只為了求職,更是要把握校園生 活多方嘗試,跳出自己的舒適圈看看還有哪些可能。事實上我在最後選擇 UPenn 最大的 原因就是它能帶給我的多方發展機會。我要的不只是好的就業表現,更是要在求學期間可 以真正感受我夢想中的美國校園生活,而不是只是課堂、圖書館、宿舍三點移動。仔細想 想你要的研究所生活到底長什麼樣子,走自己想走的路,最後一切都會海闊天空的。 ---------------- 結語 這篇文章的所有內容都是我的一己之言,如同文章內所說建議大家要秉持自己的批判思考 來想這個觀點是否與你的認知想符合。 準備留學的過程除了是朝向夢想邁進外,更是一段與自我對話的漫長過程,而在這段過程 中我受到非常多貴人的協助,直到今日都還是很感謝這些學長姐願意花費時間給予我不同 的觀點。雖然這段旅程才剛起步,但一直希望自己如果有能力可以盡力回饋給更多有留學 夢的台灣朋友。如果有任何有類似背景並且想申請 BA / Analytics / DS 相關領域的朋 友,歡迎透過站內信或 Medium 連結最後提到的聯繫方式和我聊聊,祝大家一切順利! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 71.230.161.115 (美國) ※ 文章網址: https://www.ptt.cc/bbs/studyabroad/M.1629927564.A.259.html

08/26 05:45, 2年前 , 1F
先推強者好友
08/26 05:45, 1F

08/26 07:26, 2年前 , 2F
推,詳細心得好文,歡迎來UPenn
08/26 07:26, 2F

08/26 07:31, 2年前 , 3F
強者
08/26 07:31, 3F

08/26 08:39, 2年前 , 4F
推實用心得文,不管哪個領域都很需要看耶
08/26 08:39, 4F

08/26 09:00, 2年前 , 5F
推!
08/26 09:00, 5F

08/26 09:41, 2年前 , 6F
大推
08/26 09:41, 6F

08/26 09:57, 2年前 , 7F
推!!感謝認真的分享,獲益頗豐
08/26 09:57, 7F

08/26 10:15, 2年前 , 8F
08/26 10:15, 8F

08/26 10:22, 2年前 , 9F
超詳細!很感謝
08/26 10:22, 9F

08/26 10:25, 2年前 , 10F
能申上UPenn這program,真的猛
08/26 10:25, 10F

08/26 12:20, 2年前 , 11F
08/26 12:20, 11F

08/26 12:57, 2年前 , 12F
佩服真厲害! 推
08/26 12:57, 12F

08/26 13:04, 2年前 , 13F
大推!謝謝!
08/26 13:04, 13F

08/26 15:44, 2年前 , 14F
給推 666
08/26 15:44, 14F

08/26 18:56, 2年前 , 15F
實用推!
08/26 18:56, 15F

08/26 19:02, 2年前 , 16F
推~
08/26 19:02, 16F

08/26 20:50, 2年前 , 17F
非常有參考性的心得文
08/26 20:50, 17F

08/26 22:43, 2年前 , 18F
推!懷念University City~
08/26 22:43, 18F

08/27 11:33, 2年前 , 19F
推UPenn
08/27 11:33, 19F

08/27 13:30, 2年前 , 20F
超推,謝謝分享這麼棒的想法
08/27 13:30, 20F

08/27 22:17, 2年前 , 21F
強者學長推
08/27 22:17, 21F

08/28 19:54, 2年前 , 22F
推推超強
08/28 19:54, 22F

08/29 11:19, 2年前 , 23F
恭喜。data science 現在真都是顯學,又能進入賓大實
08/29 11:19, 23F

08/29 11:19, 2年前 , 24F
在厲害。加油。
08/29 11:19, 24F

08/29 20:16, 2年前 , 25F
謝謝分享!
08/29 20:16, 25F

08/30 09:36, 2年前 , 26F
感謝分享,收穫良多
08/30 09:36, 26F

08/30 17:03, 2年前 , 27F
推 恭喜你!
08/30 17:03, 27F

08/31 06:58, 2年前 , 28F
推 非常詳細 謝謝你
08/31 06:58, 28F

08/31 21:31, 2年前 , 29F
推 太感謝寶貴的意見了
08/31 21:31, 29F

08/31 22:08, 2年前 , 30F
好厲害的心得文 推
08/31 22:08, 30F
文章代碼(AID): #1X9hYC9P (studyabroad)