科研小白必备指南｜跨专业留学软实力提升全靠TA！

　　跨专业申请院校，早已不是新鲜事，但是仍旧会有不少院校专业，明确限制不接受跨专业申请，或者强制要求申请者具有相关的学术知识基础。所以，跨专业留学申请第一件事就是确定你的目标院校和专业是否接受跨专业申请，这是重中之重。

　　同样，为了增加成功率，你的科研项目经历要和你要申请的专业关联性强，所以这就要求同学们，如果你打算跨专业申请，一定要提前确定好专业，然后在丰富自己的背景经历时才能有的放矢，确定好自己的项目方向。

　　接下来，随着小编一起看看帝国理工的学长，是如何靠一段科研经历，成功跨专业申请到牛津博士的~

　　杨同学

　　研究生学校：Imperial College London

　　博士录取学校：University of Oxford

　　项目成绩：推荐信、 期刊发表

　　

　　杨同学本身并非出自机器学习相关专业，因为跨专业和海外一年硕的原因，本身对于机器学习方面的知识了解得不够，没有较好的科研经历来充实自身的软背景。

　　所以杨同学就另寻了科研经历。在寻找了很久之后，发现集思科研的研究项目课题方向与其未来研究的方向相符，课程设置也十分的合理，导师也是海外顶级大学教授，还有Mentor和多位助教辅佐，让课程学习事半功倍，于是便直接参与了。

　　事实证明，他的选择没有错，这趟科研之旅，不仅让他了解了机器学习相关的知识，还拿到了教授的推荐信并产出了一篇论文并发表，更进一步地了解到了机器学习方向的科研是如何进行的，并明确了自己未来的研究方向，也就是机器学习与材料的结合。

　　在集思的这段科研经历和团队经历，体现出了杨同学的个人能力。除此之外，其自身合理的规划和集思老师的专业指导才是杨同学成功录取牛津的制胜法宝。

　　

　　参与项目：

　　《机器学习与数据科学专题：监督式与非监督式学习，基于SVM、K-means等分类与聚类方式的算法研究 》

　　杨同学给学弟学妹的建议：

　　博士申请的时候，研究经历非常的重要。除了GPA之外，导师更希望能够找到有着与他研究经历相关的背景的学生。所以，如果想要博士申请到好的学校，与大牛老师一起共事，就得努力提高自己的软实力背景，不断地增加自己的科研经历。

　　那么，正准备申请博士的各位宝子们，想要获得满意的offer，应该如何提早准备，想必不用多说了吧！

　　人工智能与数据科学专题：机器学习理论与Python编程实践

　　适合年级 (Grade): 高中生/大学生

　　适合专业 (Major): 计算机科学、计算机工程、数据科学、数据处理、机器学习、深度学习等专业的学生；学生需要具备初等微积分或线性代数基础，至少会使用一门编程语言。

　　

　　人工智能与数据科学专题： AlphaGo的算法原理：强化学习与图神经网络（GNN）研究【大学组】

　　适合年级 (Grade): 大学生及以上

　　适合专业 (Major): 计算机科学、人工智能、数据科学、电子与计算机工程等专业，软件工程、自动化等相关专业或者希望掌握强化学习的学生；对人工智能、大数据以及交叉学科和方向感兴趣的学生；

　　学生需要具备线性代数及概率论与数理统计基础，至少会使用一门编程语言实现神经网络，有过强化学习开发经验的申请者优先

　　

　　数据科学与统计学专题：回归模型与贝叶斯统计及Python数据处理方法综合研究【大学组】

　　适合年级 (Grade): 大学生及以上

　　适合专业 (Major): 数据科学、数据处理、统计学、机器学习、深度学习等专业的学生

　　学生需要具备线性代数及概率论与数理统计基础，至少会熟练使用一门编程语言并修读算法与数据结构，有过机器学习项目开发经验的申请者优先

　　

　　数据科学与统计学专题：“横行赌场” 基于统计分析原理的不确定性过程决策分析，以如何利用算法在“多臂老虎机”游戏中取胜为例 【大学组】

　　适合年级 (Grade): 大学生及以上

　　适合专业 (Major): 人工智能、数据科学、统计学等专业学生

　　学生需要具备微积分、概率论与数理统计基础，同时会使用Python编程语言

　　

　　申请博士科研经历是必不可少的，尤其是跨专业申请的同学，更要提早做好准备。各位留学生们，加油！