Min erfaring med at søge ind på kandidatuddannelser i datalogi uden baggrund

I mit tidligere blogindlæg gav jeg en generel introduktion til, hvordan jeg blev interesseret i at studere datalogi. Det er alt sammen fint, men det er ikke alle, der tager den akademiske rute, når de overvejer en karriere inden for datalogi. Men her er mine grunde til, hvorfor jeg ønsker den formelle uddannelsesrute:

1. Selv om internettet er en fantastisk ressource til at lære store mængder materiale, troede jeg, at jeg bare ville føle mig mere komfortabel med rammer og vejledning, der leveres af et program og tage timer personligt.
2. Jeg var nysgerrig på, hvordan og hvorfor visse aspekter af kode fungerede på den måde, de gjorde. Jeg håbede at lære mere om teorien og logikken bag computerprocesser. Men det ultimative mål var naturligvis en vellykket karriereskift.
3. Som international studerende ville jeg virkelig gerne have et visum …

Og jeg er ikke en stor skribent, men jeg følte ikke, at der var så mange gode ressourcer, jeg kunne henvende mig til, mens jeg forberedte mig på at søge ind på et masterprogram i datalogi. Så her er mit ærlige forsøg på at dele min komplette erfaring. Jeg håber det hjælper.

0. Min ærlige akademiske baggrund

• International studerende fra Sydkorea (Beklager, ingen Toefl score)
• GPA: 3.31
• Emory University
• Undergraduate Majors: BA i biologi og internationale studier
• Arbejdserfaring: 2 års klinisk forskning
• GRE Scores: V-160 (86th percentile)/Q-162 (81st percentile)/W-4 (60th percentile)

1. Oprettelse af en liste over skoler

Jeg vil skamløst indrømme, at jeg valgte min liste over potentielle skoler baseret på de lister, som disse ranglister har givet:

• https://www.usnews.com/best-graduate-schools/top-science-schools/computer-science-rankings
• https://tfetimes.com/best-computer-science-program-rankings/

For at være ærlig, vidste jeg ikke, hvordan man laver en liste over skoler, og for mig var dette et godt sted at begynde.

2. Filtrering gennem listen over skoler

Her er nogle ting, som jeg overvejede, mens jeg kiggede på forskellige programmer:

• Forudsætninger, som var uden for min kontrol – nogle programmer krævede, at ansøgerne havde en bachelorgrad i datalogi eller accepterede studerende med en bachelorgrad inden for et kvantitativt område som ingeniørvidenskab, matematik, fysik osv.
• Forudsætninger, som jeg kunne arbejde med – listen over forudsætningskurser, som skolerne ofte oplyste i FAQ eller i afsnittet om potentielle studerende.
• Programmets varighed – jeg ønskede en fuld toårig erfaring for i det mindste at få nok viden til at gå ind på et andet område. I det mindste var det så lang tid, jeg følte, at jeg havde brug for, før jeg brød ind på området.
• Den grad navn / type – Jeg ønskede en on-campus mastergrad snarere end en professionel grad på grund af mine grunde ovenfor ^. Her er forskellen forklaret: https://www.northeastern.edu/graduate/blog/professional-degrees-vs-academic-graduate-degrees/
• Type af program – Er det et generelt CS-program? Er det et koncentrationsbaseret CS-program? Hvilken slags klasser tilbyder de? Hvad er nogle interessante klasser, jeg kunne tage? Hvor stor frihed har jeg med hensyn til valg af valgfag? Hvilken slags forskning er der (dengang jeg troede, at jeg ville lave et speciale…eller muligheden for. HAHA…nej tak.)?
• Skolen er tilknyttet programmet på universitetet – jeg ville have den bedste uddannelse, hvilket enhver altid bør ønske. Jeg satte også pris på en skoles alumnebase.
• Lokalitet – jeg ønskede at være i nærheden af en storby.
• Obviously, $$$$TUITION$$$$$.

3. Beslutte om klasser

Jeg endte med at lave et excel-regneark med skolens navn, placering, undervisningsgebyr, ansøgningsfrister og forudsætningskurser. Jeg var også nødt til at være forsigtig, da jeg lavede listen for forudsætningskurser, fordi nogle forudsætningskurser havde deres egne forudsætningskurser. SIGH.

Jeg er ikke helt sikker på, hvor meget vægt optagelsen lægger på, hvilken slags/antal CS/matematik fag man har taget. Jeg lavede bare en liste af kurser baseret på overlap og jeg vidste at jeg skulle gøre det godt. Anyways, her er en liste over fag og mine karakterer:

CS50 (A-)

Discrete Math (A)

Linear Algebra (A-)

Calculus II (B+ – da denne klasse var overstået, var jeg allerede optaget på et program)

Introduction to Programming in C++ (B+)

Data Structures in C++ (A-)

Computer Architecture – (A: faktisk bad de fleste skoler om et fag om computersystemer… dette fag var det tætteste, jeg kunne finde. Og jeg var vild med det!)

Der findes programmer efter studentereksamen/professionelle certifikatprogrammer, som også kan forberede dig på videregående uddannelser og karriereovergange. For at nævne et par stykker : NYU, Columbia, Tufts, BU osv… (jeg er sikker på, at der er mange flere).

4. Forberedelse til GRE

Jeg købte Barron’s GRE-forberedelsesbog samt tilmeldte mig selv til et 3-måneders Magoosh-program (*når det var på tilbud*). Jeg syntes, at begge ressourcer var ret gode med hensyn til at have masser af øvelse.

Jeg kan ikke med sikkerhed sige, at jeg havde meget selvdisciplin, da jeg forberedte mig til GRE. Jeg studerede seriøst fra ca. en måned før min eksamen, hvilket nok ikke var til det bedste. Jeg kiggede dog konstant på ordkort, som også er tilgængelige via Magoosh GRATIS i din app store.

Jeg lod skriveøvelsen stå til det sidste, bare fordi jeg havde hørt, at scoren i skriveafsnittet ikke rigtig betyder noget. Jeg fokuserede mest på den kvantitative del, men i forhold til den tid, jeg lagde i den, tror jeg ikke, at jeg klarede mig særlig godt på prøvedagen.

Men som folk sagde, GRE var SAT på stoffer, og jeg håber ikke, at jeg skal udsætte mig selv for det igen…

5. Skrivning af begrundelse

Som jeg nævnte ovenfor, er jeg ikke særlig sikker på mine skrivefærdigheder.

Jeg reviderede min redegørelse for mit formål så mange gange, at jeg ikke engang kan tælle dem. OGSÅ kendte jeg oprindeligt ikke forskellen på en PERSONLIG ERKLÆRING og en FORMÅLSUDTALELSE. Hvilket, da jeg fandt ud af det, SUCKED.

I begyndelsen kæmpede jeg hårdt for at forbinde alt det, jeg havde lært/erfaret siden college, med hvorfor jeg søgte ind på kandidatuddannelser i datalogi.

For eksempel skulle jeg på en eller anden måde forklare, hvordan en baggrund i biologi, internationale studier og klinisk forskning havde forberedt mig godt til den akademiske verden inden for datalogi. Dette krævede så meget tænkning (ikke sikker på andre, men igen, dette er min erfaring) og indsats. Men til sidst, med hjælp fra andre, var jeg i stand til at brainstorme mange overlapninger i disciplinerne!

Jeg er sikker på, at du vil læse dette i mange indlæg med hensyn til at ansøge om graduateskoler, men sørg for at undersøge noget om programmet (uanset om det er en professor, en klasse eller et aspekt af programmet, som du virkelig er tiltrukket af) og tal om, hvordan det kan gavne DIG.

Jeg havde også enormt stor gavn af Jessica Yuns redigeringstjenester. Hendes tjenester var mere end gode, og hun gav mig faktisk selvtillid, da jeg skrev min SOP. Hun er meget kvalificeret – men vigtigst af alt, hun vil arbejde med dig på afstand og hurtigt.

Så, for at opsummere alle de råd, der kom fra min egen erfaring:

• Sørg for at vide, hvilket essay du skal skrive!
• Lad nok tid til at skrive dit essay
• Brainstorm
• Spørg ikke for mange mennesker om meninger/redigeringer, for alle vil have forskellige meninger og ideer, og det kan blive ret skørt, ret hurtigt.

6. Ansøgningsproces

Nu da GRE og essayet var ude af vejen, var ansøgningsprocessen lidt nemmere(?). Hvis jeg må fremhæve én ting: *SIKKER DU, AT DU HAR DINE ANBEFALINGER PÅ STIL i god tid i forvejen*.

Søg dine professorer (det er vigtigt, at størstedelen er CS-professorer), som du mener at kende dig bedst i en akademisk sammenhæng. Hvis jeg husker rigtigt, spurgte jeg mine professorer tre måneder i forvejen (alle professorer fra mine forkundskaber, så de husker mig godt) og sendte dem anbefalingslinks senest en uge før.

En uge er måske faktisk for meget (jeg vil sige, at to er på den sikre side), men en ting, jeg ikke var klar over for nogle skoler, er, at man skal afslutte sin del af ansøgningsprocessen for at systemet kan sende anbefalingslinks til professorerne!!! SO BE AWARE!

Hvis jeg kunne opsummere:

• Reach out to any CS professorer that will remember you well and ask them IN ADVANCE for recommendation letters
• Make sure you have at least their email address. Ansøgningssystemet kan bede om telefonnumre og adresser, men jeg løb ikke ind i nogen problemer ved blot at skrive de oplysninger om den afdeling, som de var tilknyttet.
• FØLG KONSTANT OP MED DEM, HVIS DE IKKE HAR AFSLØRT DERES ANBEFALINGER. Hvis de ikke gør det, kan det påvirke din ansøgning!!
• Efter processen, uanset hvad resultatet er, skal du takke dem. De har taget sig tid af deres dag til at skrive noget pænt om dig, som muligvis kan ændre din fremtid.

7. Beslutninger

Brown – afvist

NYU – accepteret

John’s Hopkins – accepteret

UT Austin – afvist

Columbia – afvist

Helt grundlæggende kom jeg kun ind på to programmer. Men mod slutningen troede jeg ikke rigtig, at jeg ville komme ind nogen steder, så jeg var glad for, at jeg i det mindste kom ind et sted. Jeg lavede endda den glade dans.

Det er klart, at de programmer, jeg ikke kom ind på, var højere rangeret, men jeg kender stadig ikke årsagerne til, at jeg kom ind på nogle programmer og ikke for andre. Jeg kunne gætte på en million grunde til hvorfor, såsom ikke nok erfaring, middelmådigt GPA, middelmådigt SOP, og listen fortsætter, men jeg ville aldrig vide det. Jeg prøvede at henvise til GradCafe i løbet af ansøgningsprocessen, men jeg følte ikke, at det var så informativt.

A Anyways, jeg valgte NYU frem for Hopkins, fordi jeg mente, at det at være i New York City ville give mig bedre/mere teknologiske muligheder, og jeg satte virkelig pris på, at programmet var hele 2 år i modsætning til 1,5 år på Hopkins. Begge skolers demografiske data var ret ens, og selv om beskæftigelsesfrekvensen efter endt uddannelse var meget vigtig for mig, var den information ikke tilgængelig fra dem…(og jeg er stadig ikke sikker på hvorfor).