个人简介

毕业问答

1.学长本科是经济学背景，为什么会选择申请数据科学这个方向？是什么契机让你确定了跨专业深造的目标？经济学背景的同学在申请这方面有什么优势吗？

答：我选择数据科学方向，主要是因为本科经济学更偏向解释层面——虽然能用模型理解问题、拆解问题，但面对现实中变量繁多、复杂多变的场景，我更希望寻求可落地的解决方案，而不是停留在理论中。

选择这个方向的契机有些偶然。大二时，我因觉得自己数学和编程基础薄弱，没选修本系的机器学习课。后来为了补学分，选了统计学院的机器学习课。这门课难度和强度都高出不少，起初完全跟不上。我主动向老师请教如何补充前置知识，投入大量时间理解算法、完成项目、准备考试，最终取得了不错的成绩。之后我又在统计学院修读了文本分析与自然语言处理。借助这两门课的项目经历，我找到了第一份数据科学实习。后来的经历如同惯性：既然学了，就用到实践中。无论是实习、研究还是其他项目，我都倾向于融入数据科学的方法。当然，前提是我对这个方向真正感兴趣。这些经历一步步将我推向数据科学的申请。

经济学背景的优势主要有两点。第一，我们的国际经济与贸易本科覆盖了数据科学所需的大部分前置数学课程，几乎无需额外补修。第二，国际经济与贸易专业提供了大量的定量分析训练，培养了我对社会现象更量化的洞察力。数据科学不仅要求解决问题，还要求理解为什么要解决问题以及如何发现问题，这种思维方式与经济学的训练是相通的。

2.在准备申请文书和面试的过程中，学长是怎么把经济学背景和数据科学的申请需求结合起来的？有没有什么技巧可以分享？

答：关于文书，我的总体思路是带着经济学的思想素养和数据科学的工程思维去撰写。首先，仔细理解目标项目对文书内容的具体要求。其次，选择一个有新意的“hook”开篇，抓住招生官的注意力。最后，保持行文连贯，讲述一个完整的故事：你为什么想来读这个项目。

举个例子，我的文书开头写了家乡四川在清朝中后期的虎患。我分析其背后的原因可能是人口、经济或战争因素，但最终想阐释的是：那些不被普遍信任或验证的系统和模型，为什么无法有效解决问题。接着，我通过科研和实习经历，描述自己如何理解“数据作为输入对模型能力产生的关键影响”。招生官看过太多强调技术多厉害的文书，融入独特文化背景和身份认同的叙事往往能产生意想不到的效果。国际经济与贸易专业背景培养的量化洞察力，正好可以帮助我们发现这样的“引子”。

关于面试，它不像文书可以准备得近乎完美。面试中最重要的不是展示知识或技能有多深，而是清晰阐述简历中的基本信息与内容，同时准备一些针对要点的延伸问题。这个过程更多是验证经历是否属实，所以可以放轻松。我的大多数面试经验表明，招生官其实是在和我聊天，想了解我是否真正做了那些事、我是一个什么样的人，而非考察专业知识。

一个小技巧：如果时间充裕，可以做一个个人网页，提前让招生官看到你学术和技能之外的样子。美国教育注重全人发展，希望学生在学业之外有体育、艺术或公益等方面的特质。我当时准备了个人网页，有一次面试时招生官觉得很有意思，效果不错。

3.学长觉得自己做过最满意的一段数据科学相关的项目或科研是什么？从中可以学到哪些写在简历上比较加分的能力？

答：我最满意的项目是在深圳Youniverse实习期间做的一个需求挖掘项目。我将YouTube文本数据挖掘、用户需求识别、半人工构造监督数据集和评分模型训练整个流程串联起来，目的是通过分析用户在YouTube上对我们产品的评论和评价，大规模获取日常分析中可能遗漏的信息。一个关键发现是：目标客户在其他维度未体现出的“陪伴需求”被这次分析捕捉到了。这一结论直接影响公司后续的产品调整——原本产品偏向专业化、便捷化和场景化，但在加入我们的分析后，开始更注重陪伴性需求的发展，甚至推出了独立的陪伴性产品（公司做智能家居，后来产品组加入了磁吸猫窝、桌腿猫爬架等设计）。这个经历让我很有成就感，因为它实现了从分析结论到真实商业产出的转化。

关于简历上的加分能力，我认为有三点值得关注。第一，系统化的工程思维。我在做每个子任务时，不是做完就结束，而是保留模块化流程，便于后续一键式运行或单独模块排错。第二，考虑团队多样性。我会为技术背景较弱的同事提供更便捷的使用方法或运行方式，体现吸纳团队能量、让不同成员参与进来的能力。第三，结果导向。项目有实际产出，并且在商业机密脱敏后，我将相关工具上传到个人GitHub。任何人看到我的简历都可以点进去了解具体架构，也便于面试时进一步讨论，加深印象。这三点写在简历上会非常有价值。

毕业感想