自动化申DS，如何互相结合选择适合的项目经历？

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>公众号

公众号新闻

2022-10-30 01:10

01
学生需求

数据科学专业近年来一直是留学申请的香馍馍，随着大家都往这个方向挤，申请难度也是越来越高。W同学本身是某985自动化专业学生，希望申请的是港新的数据科学专业，数据科学类专业比较看重的是学生的数理能力以及编程能力两大块。

W同学作为自动化学生，高数、线代、概率论等课程都是修过的，并且机器学习中一些最优化、数值求解等课程也修过，编程方面掌握了C、MATLAB，总的来说背景还是不错的，但是有一个很明显的短板是没有相关的经历，以及数据科学用的最多的python也是没有接触过。

考虑到帮助M同学充实机器学习相关知识、学习python编程以及弥补一段和自身专业以及目标专业都比较贴近的经历，我们推荐他参加了机器学习项目实战——《基于机器学习的顺丰快递自动化机器人分拣系统》。

项目的申请应用

（文书框架，点击放大）

引出跨专业的原因

W同学本科阶段参加过机器人比赛，利用较多的是嵌入式开发来操控机器人，在一次学校活动中了解到了人工智能技术可以极大地帮助机器人的行为做出决策，在了解了人工智能技术以及最新的前沿应用被其震撼。更是在参加了《基于机器学习的顺丰快递自动化机器人分拣系统》项目后被其智能化所吸引，对人工智能专业产生了浓厚的兴趣。

充分展示数据科学所看重的能力

W同学在校修过高数、线代、概率论、最优化、数值求解等课程，数理能力还是很扎实的，并且自己学习了机器学习的诸多算法如：线性回归、岭回归、逻辑回归、决策树、随机森林等。同时可以熟练地使用python的第三方库numpy、pandas、matplotlib、sklearn等完成机器学习的整体应用：数据清洗、数据处理、特征工程、模型选择、模型调优及对比等。

引入进一步的学习积累与未来规划

W同学在课余时间继续学习了深度学习的相关知识，了解了常见的网络如：全连接网络、BP网络、RBF网络、卷积网络等，进一步思考了各个算法在解决各类问题中的优缺点，意识到了自己还有很多专业知识需要继续学习，也希望未来可以在研究生阶段接触到更多的人工智能专业知识，因此引出申请动机。

学习过程