专业: 计算数学

GPA: 3.74

TOEFL:112

GRE: 169(Q)+161(V)+4.0(AW)

科研: 北大文老师：搜索方向校正加速一阶方法；

UCLA李老师：加速信息梯度流、信息牛顿流：概率  空间中的二阶优化方法

推荐信: 北大文老师，UCLA李老师，Stan Osher老师

录取结果: Stanford EE, UC Berkerly IEOR, Duke Math, GT ISyE

出国对我来说好像是顺理成章的一件事，我对优化和机器学习很感兴趣，在国外有很多顶尖的教授，他们的组在做很多前沿的工作，相对来说国内要差一点。

开始申请之前，我对申请的流程是比较熟悉的，大概知道要做本研、暑研这一系列准备工作。标化成绩方面，托福和GRE我在大二下一开始就考好了。所以准备申请时有想过要不要DIY，但再三考量后感觉找个中介心里比较有底，所以在大二下，听计算系丁允梓学长讲的申请总结后，决定找Nuts，并且也找了当时辅导丁学长的刘硕老师。

我是做优化方向的，主要是研究算法的理论性质和设计新的高效算法来解决统计、机器学习中遇到的问题。优化本身并不太能算一个独立的专业，属于交叉学科。做优化的老师会在Math /OR /EE等department下面，所以我申请的时候这些专业都有申。主要还是看这个学校做优化的老师在哪些部门下面。北大数院像我这样focus在优化上的同学应该不多，其他的同学更多地是偏RL/运筹/统计/机器学习等，对优化本身不是那么关注。（我们这一级大家做的方向都比较杂）我拿到的offer基本上都是面试我的POI对我做的research projects比较感兴趣的。所以做出好的科研项目是很重要的，哪怕没有发表，只是preprint也没有关系。

找暑研的话，有几个tips可以提一下。一方面，可以找那些消息比较灵通的同学或者学长讨论一下。当然如果自己对自己做的这个领域比较了解，直接找自己感兴趣的老师就行。另一方面，如果大牛教授不怎么收学生的话，可以联系他手下的post-doc做暑研。如果能做出点东西的话可能会收获两封推荐信。套磁的话大概可以在暑研当中或者暑研做出一些成果（或者本身有研究成果）后联系下感兴趣的教授。如果去访问的话，可以问下能否在组会上讲一次报告。

2.3 我的申请schdule

整个大学生涯我是这样安排的：大一大二在准备标化成绩，大二下开始做本研。大三大四主要都是在上课、读paper和做科研（文老师和李老师给的课题）。其中有一个学期，我组织过一个applied math的讨论班，主要是带着大家复习数值代数、数值分析等内容以准备丘赛。这个经历也蛮有意义的，在写personal history的时候我也提到过这个事情。除了学术以外，只有每周2次的提琴社是我的闲暇时光~ 可能是整个事件安排的相对合理所以整个申请过程是比较顺利的。十二月初就把所有申请都提交了。选校和专业上都是我根据我感兴趣的老师选择的。比较花时间的是在写文书上。文书方面，刘硕老师给我提供了很多重要的建议，特别是要强调我的哪些特点上面，前前后后修改了有六七个版本。

对于申请结果是有些超出预期的，每天习惯性check邮箱，最终在2个星期左右看到邮箱中最dream的Stanford EE的offer（这个项目在我们学院近四年没有录取）~超激动！付诸的努力没有白费，所以努力做科研真的很重要的！

Nuts给我的帮助，特别是一开始刘硕老师建议我在文老师组里做本科生科研，对我后续的申请起了非常非常大的作用。找一段好的本科生科研对于暑期科研、推荐信和最后的Phd申请都是很重要的。我们系这一级top的学生不少在Nuts，所以Nuts团队对于某些专业方向找哪些老师做本研是有很多经验和数据的。除此之外，Nuts在指点方向和文书写作上对我的申请是很重要的。在文书方面，对比我一开始的版本，最后提交时的版本更能突出我的特点和优势。Nuts在文书上是非常专业的，回复效率也很高。

再谈谈面试吧，在Stanford面试前，刘硕老师提醒我准备一个简短的slide介绍自己的研究工作。这个建议非常有帮助，在面试的时候能让POI更加清晰、具体地了解我之前做了些什么。总的来说跟Nuts的配合很好，超满意~

多读paper，努力做科研。虽然GPA和排名在申请中很重要，但有做出好的科研成果会给你的申请加很多分。