中级农民
- 积分
- 102
- 大米
- 颗
- 鳄梨
- 个
- 水井
- 尺
- 蓝莓
- 颗
- 萝卜
- 根
- 小米
- 粒
- 学分
- 个
- 注册时间
- 2013-9-11
- 最后登录
- 1970-1-1
|
结果汇报
| 入学年度: |
2018 |
| 入学学期: |
Fall |
| 学校名称: |
共8所 |
| 学位: |
MS |
| 专业: |
Stat/Biostat |
| 提交时间: |
2017年11月11日至12月5日之间 |
| 申请结果: |
Reject |
| 通知时间: |
1月下旬-4月17之间 |
| 本科学校档次: |
本科Top30 |
| 本科学校名称: |
隐藏内容 |
| 本科专业: |
隐藏内容 |
| 本科成绩和算法,排名: |
积分不足,查看如何攒积分或解锁阅读权限 |
| 研究生学校名称: |
隐藏内容 |
| 研究生专业: |
隐藏内容 |
| 研究生成绩和算法,排名: |
积分不足,查看如何攒积分或解锁阅读权限 |
| T单项和总分: |
积分不足,查看如何攒积分或解锁阅读权限 |
| G单项和总分: |
积分不足,查看如何攒积分或解锁阅读权限 |
| 背景的其他说明(如牛推等): |
背景信息请参考UIUC那篇帖子 |
| 结果学校国家、地区: |
美国 |
| 查到status的方式: |
邮件 |
注册一亩三分地论坛,查看更多干货!
您需要 登录 才可以下载或查看附件。没有帐号?注册账号 
x
统一汇报下rej,共8所均为stat ms项目
Rej:
1.Chicagao Yale Duke UCLA PSU (收到据信时间和地里别的同学一致,中了415前的aoe)
. check 1point3acres for more.2.UW-Seattle Purdue (估计一直在waitlist,415之前放ad和rej时我一点消息都没收到,是最后417左右收到这2家的通知)
. 1point3acres.com 3.UNC(至今pending状态。。。他家ad和rej都发过了,今年临近415也发了ad,我还是一点消息都没有,应该是杯具了,只是暂时据信没来)
回馈地里,结合自己的一些体会分享些经验
1、结合自己学校前辈们的申请情况&地里近2-3年数据,形成较为合理的预期. 1point3acres.com
对比历史数据对自己的申请形成合理预期很重要,自己本科学校的校友数据是最具可比性的,其次地里近3年数据也很有参考价值。
等待offer/ad的过程真的很煎熬,快乐和不甘心都来自预期与最终结果的误差,所以做好合理的预期对后期心态很重要。
当然怎么才是合理的。。可能不好有个具体标准
2、保证文书质量的条件下,请尽早完成申请
建议12月初提交完所有申请(gt10月前真的刷完别再拖,越高越好,后续定位选校写文书需要时间也很重要,我本来11初月还要再刷一次托福,但是准备文书加工作根本忙不过来只能放弃),这样给推荐人提交推荐信和ETS送分预留足够的时间,同时预防第一次gt成绩未成功送达以及推荐人收不到邮件链接等各种小意外带来的延误。
如果在圣诞节前材料齐全,1月中下旬开始就可以等待通知了。比如UIUC家,他家的录取是按rolling来的,但并不意味着比别人早几天提交就有机会早点拿到录取,我们能做的就是圣诞节前保证材料齐全,如果本科学校不错,三围也挺好,是很有机会拿到UIUC他家第一波录取的。
3、关于历史数据的几点个人感受.--
有效性:最好参考近3年的数据,时间过早的录取数据可能对现在参考价值会降低
多角度:地里的录取数据,官网上毕业生的去向数据,L朋友那里打听到的消息etc,请将不同渠道的数据进行对比和相互印证,更好地了解想要申请的学校
. Χ避免片面观点:地里大家会分享一些体会感受,但有些信息都有主观性(就像我现在在分享一些体会一样),不要由于一条评论、别人一句话就匆忙对一所学校形成印象或者作出一些决定,多角度参考数据保证数据样本足够,才能更接近真实情况(中心极限定理嘛,哈哈,样本够多(量足)角度够多(符合样本多样与随机性)时咱们才能从样本中得到合理可接受的估计)
4、申请是个random process. Waral dи,
因为有随机性,所以选校时布局时最好专排从高到底都申请一些(当然要结合自己的情况,很牛的聚聚自然可以全锁定在top20甚至更高)
仅从三围来看,有些录取结果在我们外人看来真的很随机,比如今年地里就有同学拿到了专排综排都更高的a校,却被专排和综排都不及a校的b校给拒了。但是就像time series中的残差并非完全random,还存在一些pattern,我们从三围这种信息量极度压缩的数据去看问题,是得不到答案的,地里会看到一些同学发出“楼主三围不及我,我被拒了,楼主被录取了”这样的感慨,这让人感觉录取有时候真的很随机,但背后也许有别的原因,比如a同学被录取是因为本科学校的缘故(本科学校reputation更好,或者对方对a同学本科学校更加友好),a同学推荐人和申请学校有一定connection,a同学修过的课程更好, a、b同学背景不同不在一个pool里面(包括专业背景,工作背景,或者陆本海本的这些差异)。总之,更多维度的数据更有利于对比和分析,但有的情况真的很random。
5、要选择适合自己的
就如同前面谈及数据的片面性时提到,不能把一条评论就作为自己做决策的依据,除了一人观点会片面以外,还有就是别人的观点是有一定假设的,比如a同学倾向就业而作出了一种评论,对方的观点是否合适,要看对方在作出评论时的假设是否适合自己。地里去年的比较贴里面,我看到一位同学据掉了申请难度很高的a校,去了难度稍低一些的b校,这是因为后者更适合ta的未来规划。
祝后面的同学们申请一切顺利。
|
上一篇: 14th rej from CS MScAC@Toronto下一篇: 11th rej from CS@Columbia
|