陳思煒:
目錄
我的學生在UCLA讀BA,她做過相關的分享可以參考哦:
1. 學生背景是怎麼樣的?
中國學生大概是有1/3的佔比,我個人認為這個比例是跟別的研究生項目比是比較少的。
我覺得這也是一個優勢,因為可以去促使大家作為中國學生去走出自己的舒適圈,去跟各種不同背景的同學去交流,對未來比如說求職和未來在美國長期的一個職業發展肯定也是有幫助的。
我自己的標化,大家可以做參考,官方數據的GPA的平均成績是3.5,GRE的話是只寫了數學成績,平均是167,我的話GRE333,是170的數學加上163分的文科,我的GPA是3.8。
我自己是沒有任何工作經歷的,中國同學其實沒有工作經歷的同學還是挺多的,但是如果你有工作經歷的話,肯定是plus ,班中的同學至少有一半以上都是有工作經歷的。
他們也都是在非常好的大廠工作過的,我覺得從申請來說不需要去緊張這件事情,因為也有很多同學像我一樣是沒有工作經歷,所以大家都有就是從申請來說大家都是有機會的。
有很多同學有工作經歷對學習來說是一件好事,因為就我自己來說,可以從很多有工作經驗同學中真的是可以學到很多我原來不知道的東西,他們在美國可能有很多工作經歷,他們會跟我分享,他們有很多面試,求職,包括學習的方法,我覺得都會比我更成熟,所以對我來說我覺得進入這樣一個班級有很多比我經驗豐富的同學是一個特別特別好的學習過程。
2. UCLA整體課程難度大嗎?建議本科要學好哪些技能,可以順利適應研究生階段的課程?
就我自己來說,我本科學的是統計,所以在統計數學這一塊的背景還是基礎比較紮實的,但是在一些比如計算機方面的技能,我也是比較欠缺的。
我覺得這個項目沒有對之前你自己的技能有特別大的要求,基本上因為他第一學期的課程,他是有一節非常基礎的開放課,然後也有一節從基礎開始教的統計課。
所以你有沒有這個過去有沒有這些技能,知識,其實這個項目是會從一開始幫你去從零學起的,因為這樣做的目的也是說每個同學的背景不一樣,他也想就是把大家拉到一個起跑線上,所以我覺得沒有說太多的硬性要求,當然因為這還是一個數據相關的項目,所以說肯定是你理科方面那些知識掌握的越多越好,然後計算機方面的語言的話我認為最主要就是python的話是越強越好,然後剩下的技能我覺得都可以在項目開始之後再慢慢學習,我覺得都是可以的,課程難度的話我覺得不是算特別大,因為就像我說的其實這個項目去減少了很多只是學術相關的一些課程,因為很多項目如果是數據科學項目其實他包括可能大家一些覺得特別有名的數據科學項目,那些項目其實最終從項目的設計來說他並不是求職導向的,有很多人可能是為了去讀博士或者是為了要在進一步的學習,然後去讀的這個項目。
但是我們這個 ucla 的項目,從設計項目的老師來說,他就是以求職為導向,所以他就是去清除了很多只是學術相關的一些知識點或者課程,把重點放在和面試相關的一些課程上,所以說難度不會特別大,而且我覺得大部分的知識你學了以後也不會白學,說白了就是因為你學了之後你會發現很快就可以運用在你的面試或者是工作之中。
3. 請問小姐姐的申請時間線是怎麼樣的?
我大致是在去年2月份左右拿到 offer 的,但是其實因為我也有問過我的一些同學,其實拿到 offer 的時間都很不一樣,可能到了四五月份才會拿到 offer。時間線不會卡的太死,沒有一個完全說幾月份一定拿到 offer,學校可能是一個 rolling 的錄取的形式,所以也不用太緊張。
我覺得就是可以多跟老師交流,他們他們肯定會在申請方面比我的經驗多。
4. 有什麼要推薦信的技巧?
我當時的推薦信是找學校的,我的任課老師寫的也沒有說有特別大的特色。我當時是請關於數學和統計方面,考試成績比較好的一些課的老師來幫我寫的推薦信。
5. 我看到有些問題是關於找實習的,我來介紹一下我現在的實習情況
這個項目同學找到實習的錄取率是100%,但因為現在時間還早,現在只有3月份離暑假還有一段時間,所以現在我的同學們,還沒有100%找到實習,據我的估計大概是有50%左右的學生已經找到了實習,然後剩下的學生大概就是還在非常積極的一個面試和求職的過程中,那我自己就是非常幸運是已經獲得了一個實習的 offer。
CAPITAL ONE是美國數據科學方面比較有名的一家銀行,是美國十大銀行之一(按存款規模)、是全球領先的金融控股公司,我自己覺得這個也是非常適合我的公司。
6. 請問一屆招多少人?項目是1年制還是多久?
那我們這一屆是招了68個,也就是70個人左右,其實招生是可能招了大概70個以上,最終進入項目來學習的是70個同學,然後項目是一年半制,因為UCLA是quarter制,加州系的學校都是quarter制, 就是一個學期是三個月左右,一學年是三個學期,所以我們這個項目一共有四個 quarter,也就是一年再多大概三個月左右的這樣一個時間,大概也就是一年半這樣子。
7. 編程要求如何?
如果一點沒有的話,最好還是有一個入門會在面試和申請的portfolio裡面都能更好表現自己,所以只要有點入門,有些接觸對於編程來說要求就夠了。
其實我們這個項目對於你去找數據科學,數據分析,各種類型的分析包括市場分析,什麼分析都是可以的,其實最對口的是數據科學專業,這些項目都是數據方面的,所以你在找工作的時候是沒有分別的,不管你的項目是名稱是叫數據科學還是名稱叫商業分析,對於找工作來說都是一樣的,我們同學之中可能找到的就是職位最多的也是數據科學,只是我自己還是對於一些商業分析類的工作更感興趣,所以我找的是商業分析工作。
8. 商業分析找工作,可以找哪些行業?
幾乎是任何行業都可以,我個人認為最好的是科技行業,因為畢竟這還是一個就是說數據方面的工作,所以在科技行業,那也是收入相對來說最高的,然後學習機會最多的,但是各個行業包括我自己找的是金融,我有很多同學找的是進的迪士尼,耐克就是零售行業或者是有去沃爾瑪,包括一些網上的電商,Ebay,一些 app包括 facebook ,包括 pinterest ,都有不同同學進到這些公司。
9. 有人問我說有沒有海外的實習經歷?
我自己其實並沒有海外的實習經歷,我在國內有一部分的實習經歷,所以我在實習或者說工作,求職這方面我自己的經歷和就是經驗都是比較欠缺的,所以我覺得對申請來說,這不會是一個太大的短板。
總結來說,如果你有工作經驗,那就分享你可以分享你過往的經驗,如果沒有的話就可以儘可能多的去說一些關於未來的一些規劃。
10. 商業分析和數據分析,找工作有什麼區別?
在美國這邊的話,數據方面的工作其實是有很多種類的,包括數據工程這些都是不同的崗位名稱,包括數據工程,數據分析,商業分析,然後數據科學,這都是一些比較常見的崗位名稱,那各個崗位之間最大的區別,我認為就是溝通和社交能力的比重和一個技術方面的能力的要求。
技術方面要求最高的應該說是數據工程和數據科學這樣的崗位,他們對數據分析和包括編程的能力那都是要求最高的,但相對來說他們對於一些軟技能可能就會少一些,沒有那麼多和很多人溝通的機會。
比如說我自己的崗位,商業分析或者說數據分析,那他就是說會技術方面的要求更加低一些,但對於你一些溝通能力和一些綜合的思維的能力就會要求高一些,主要區別就是在這裡,所以我覺得也可以看大家個人的興趣愛好,因為我自己是對一些商業方面的是會比較感興趣,會比較去多思考公司的一些商業邏輯。
但是我也有一些同學,他們是對技術方面特別有熱情,特別願意去學習,那如果你是這樣的同學然後你又對溝通方面就是相對來說沒有那麼有熱情的話,那就可以儘可能的多去選擇一些技術要求更高的崗位,可以多展示自己的長處,去少展示自己的短處。
11. 班上有文科背景的同學嗎?
肯定是有的,包括我們上一屆有一個學姐本科學的是電影方面的,就是完全和數據是沒有關係的專業,最終是找到了一個非常好的科技公司的實習,所以不管你有什麼背景,大家都可以積極來申請,然後慢慢去提升自己各方面的能力,但是肯定還是理科方面的同學比較多,就是理科背景的同學偏多但也並不是沒有文科背景的同學。
12. 申請時有做哪些軟實力的提升?
我覺得最多的還是多去了解一些數據方面的訊息,然後多去表現對這個行業的一些興趣和熱情。
13. 加州洛杉磯商業分析應該比南加大商業分析好吧?
對,很多人會把UCLA的商業分析和南加大的商業分析這兩個項目作為比較。
第一個很大的區別就是我們的項目人數非常的少,大概一屆只有六七十個人,南加大項目應該是有200到300人,但是他們的項目我也有聽說方方面面也都是不錯的,我覺得看個人喜好,兩個項目也是非常接近的,也不一定說誰比誰好。
從求職來說南加大的項目也還是不錯的,就是課程設置方面,但是因為UCLA BA這個項目人數少,所以說老師對你的關注就會比較高,就業服務方面確實可以說是一對一的服務,你任何時候想要找一些就業方面的資源,都可以隨時跟就業相關的老師去預約談話,基本上都是隨時隨地的,談話都是一對一的。老師也會經常他們主動的會來跟你去 update 你的近況,就是你完成怎麼樣,有的時候說是一種壓力,但有的時候也是去促使你不斷進步。
14. 申研一般是什麼時間開始準備?
我覺得申請研究生最需要準備的是兩大塊,我覺得兩方面第一個就是GRE考試。
開始準備的話一個就是準備去攻克GRE去考出一個比較理想的分數。
第二個就是一些和研究生相關的一些經歷,比如說你做過的項目,你學過的課或者是你做過的一些比較重要的作業,那這些東西肯定是說越早越好,但是我覺得最晚不要超過可能大二的下半學期,你最好多去思考自己想要往哪個方面申請,我覺得這個是最重要的,因為其實對很多同學來說,可能申請的項目也是,五花八門的各種專業,所以先找到一個自己最感興趣的方向,然後根據這個方向,如果你感興趣是數據方面,那不管是數據分析,商業分析,數據科學這些項目都可以申請。
因為我本身的專業是統計,統計跟數據科學是相當於完全是相關的。
但如果你學的專業和數據科學沒有那麼相關,比如說你學的是經濟或者是別的專業,第一盡量多去學一些統計方面的課程。
第二去做一些和數據相關的作業也好或者是自己去學校裡面積極的去找一些數據方面的研究經歷,就是可以和老師去說你對這方面感興趣,然後問他有沒有相關的研究你可以參與到裡面,然後去做一些數據分析相關的工作。老師他們對怎麼去找 research 都會有比我更多的經驗來分享給大家。
實習和科研的話,我是在學校裡面有過一到兩段這個 research 的經歷,也就是幫學校的老師說說白了就打打雜這樣子,因為我就是一個本科生,我也沒有去做過太多的課外的一些活動或者實習,但是現在跟我一起學習的同學,他們都是有非常強的工作,實習,還有科研經歷所以還是因人而異。
15. 就業機會怎麼樣?
這個項目的就業率是100%的,就是不論是每一屆的暑期實習項目,還是每一屆的就是暑期實習的就業率,還是說每一屆學生的全職的就業率都是100%的,並且90%或者95以上幾乎百分之百的同學,大家都是期望在美國就業,最終也是成功的在美國找到工作的,是這樣一個氛圍,所以我覺得如果你自己的目標是希望在美國求職,那這個項目是非常非常適合你的,因為會有一個非常好的同學的環境,大家都是朝著一樣的目標去努力。
就業率是100%,所以大家只要積極的努力去跟著同學的步伐走,去跟著這個項目本身那些課程設置去跟著這個步伐走,可以說每個人最終找到一份好的實習或者說好的全職工作都是沒有問題的。
在科技領域,在加州是有非常非常多的科技公司,可以說是一個科技公司的聚集地,因為在矽谷那邊。
其實加州的學校也並沒有特別多所,大致大家耳熟能詳就是史丹福,UC Berkeley ,UCLA包括還有一些比如南加大,UCSD 這些學校,在加州其實除了史丹福以外,UCLA 和伯克利基本上是齊名的學校,所以很多科技公司他們在招收學生的時候,都會優先考慮這幾所學校的學生,那我覺得我們項目也是非常非常大公司在選一些目標學生時候會看的學校和會看的項目,所以我覺得是有一些優勢的。
如您有個人問題關於 留學規劃、申請或文書 希望得到我本人或我的團隊輔導,請私信 或 通過 ↓方式溝通,謝謝。

諮詢請+我微信 CSWLax陳思煒 的專欄
287 篇內容 · 9122 贊同 · 1867 訂閱
留學系列文章:
【逆襲】麻省理工BA碩士!6大劣勢下創校史首例錄取!
【精】美國頂尖名校「不為人知」的真正錄取標準!(全文6875字,宜深度閱讀)
【精】什麼樣的課外背景對申請名校碩士最有幫助?(4232字純乾貨)
【精】讀研怎麼選?考研 VS 留學(6459字純乾貨)
【精】美國碩士申請文書核心要點及啟示(4732字純乾貨)
【精】如何寫好留學申請推薦信?(3878字純乾貨)
【精】如何組合選校&項目才能最大化名校申請成功率?(3557字純乾貨)
【精】美國碩士申請11大誤區—每個坑都是深坑!高能預警!(20173字純乾貨)
【留學真相】為進名校,人人都在「作弊」—揭秘影響招生錄取的「場外因素X」(5668字純乾貨)
相關文章供參考:

陳思煒:【逆襲】GPA2.4趕上JHU末班車!
52 贊同 · 0 評論
文章

陳思煒:【逆襲】麻省理工BA碩士!6大劣勢下創校史首例錄取!
67 贊同 · 0 評論
文章

陳思煒:要出國留學,不要找留學中介
293 贊同 · 15 評論
文章

陳思煒:【合集】美國碩士留學之規劃&申請&文書&面試(133篇視頻)持續更新中...
34 贊同 · 2 評論
文章