01 学生需求

W同学早早就开始瞄准了申请中的大热专业——数据科学（DS）并开始准备，因为他意识到虽然自己是211学校+计算机专业背景，GPA也不错，但现在DS申请实在“内卷”严重。

在初期沟通中，我们发现他的未来规划非常明确，希望以后从事人工智能算法相关的工作，对DS作为申请目标非常确定，但简历中不管是项目经历还是实习经历，都是关于前后端应用，欠缺与DS的匹配度。

通往数据科学家的道路并不简单，需要完善的知识体系（如下图），在申请数学科学硕士时，至少需要在1.基础，2.统计，3.编程，这三方面有较为扎实的基础，最好可以在4.机器学习，5.文本挖掘，6.可视化，这三部分有相关经历。

所以经过讨论，我们与W同学达成共识，在准备初期以快速补充DS所需要的知识点为目标，如：决策树、随机森林等机器学习算法，并且补充一段和DS高度相关的人工智能项目经历。最终，W同学考虑我们指南者的机器学习项目实战，选择参加了“华为手机出厂质量智能检测系统”这个项目。

02 项目的申请应用

这个项目所做的内容是使用采集器传感器对手机全方位监控并且产生大量检测数据，而这些检测数据可以通过机器学习算法自动判断出手机的合格情况，是数据科学在工业界的应用。

此前W同学就有过检测系统的后台管理搭建经历，将这两个经历结合起来，正好可以展现他对于CS与DS不同应用层面区分与联系的思考和理解。

文书整体逻辑线为：

机器学习项目经历在其中起到的作用，主要在于：

• 展现数据科学所要求的关键能力

通过一段项目实战经历，将W同学扎实的算法基础和熟练的编程能力进行凸显。我们并没有在文书材料中平铺直叙项目过程，而是强调他对于机器学习算法之间的优劣势配合的思考，模型过拟合、欠拟合问题的解决能力，以及应用多种算法构建特征工程的思维发散能力。

• 引出自己的专业思考

仅仅陈述项目本身并不能最大化项目实战经历的作用，所以我们在文书中还加入了他对于利用人工智能技术解决实际问题不足的思考，如目前的人工智能算法对于数据的依托还是很大的，只有样本量足够大的时候才可以达到比较好的效果，在未来能否通过研究来使得机器可以模拟人思考和学习来摆脱数据的限制，借此进一步强化申请动机。

03 学习过程

关于项目选择的沟通

项目代码截图

项目成果节选