面试经验
-
姚同学
伦斯勒理工大学-数学+经济双学位
经 历
学校实验室-建模+数据分析+量化工作
医疗和公共卫生科研
国内券商投行部实习
录 取
麻省理工学院-金融学
耶鲁大学-健康信息学
纽约大学-金融工程
一
多专业怎么选择合适的项目
1.如何判断项目是否适合自己
我觉得对于多专业的、科研或者实习不在同一个行业的小伙伴，我建议第一个你要在申请学校的时候在网上大量的对相关学校还有你感兴趣的专业和项目做调查，他们的课到底适不适合你或者这个专业这个方向是不是跟你想象的一样。
第二个就是要多和学长学姐、老师们做沟通。像申请经验比较丰富的学长学姐或者在你准备报考的学校就读的学长学姐呢你可以多跟他们聊一聊。他们可以从这个项目的角度来帮你看一看到底你是不是合适。
全部都是围绕我的背景去讨论我到底适合哪些方向、哪些项目或者哪些学校。我记得当时老师在黑板上把适合我的项目还有全美前30的一些学校全部列在黑板上列了整整一面，每一个项目他都很清楚地跟我解释了，并且把他一些报考的要求和往年的一些录取的数据也都告诉我了。所以我马上就对这些学校还有项目有了一个非常清晰的认识。
然后还有一个我想说的就是即使你要申请不同的方向或者是你想要跨专业申请，我觉得还是需要有一个侧重点的这样目的性也比较强，也比较节省时间。因为我觉得多个专业或者多个方向其实你是没有办法一碗水端平的，特别是最后一年在学校的时候又要应付申请然后又要去补强一些相关专业的课或者项目之类的，如果你要同时三个方向或者个方向去补充你的课或者你的研究经历的话是非常累的。第二个呢是因为如果你没有侧重点的话你的每一篇文书针对不同的专业方向和项目都是有完全不同的一个逻辑和故事线的。如果你同时应付不同方向的然后好几个学校、十几个项目的文书这个还是一个非常吃力和崩溃的事情。
- 如何利用大学最后一年的时间补强专业背景。
我申请的数据科学、金工、商业分析这几个项目都是对量化要求非常高的，所以他要求申请人有非常厉害的量化背景。首先的话就是programming skills，就是你必须得掌握至少一门以上的语言并且你可以熟练地运用他们去做一些数据分析或者采集、清理的工作。
其次是关于量化的课程。像金工的话概率论和线性代数这两门课是很多课的基础，所以这两门课一定要好好学。另外的话我会建议去多上一些类似于 Operation research或者Optimization的课，去学习一些常用的模型或者一些算法背后的数学原理，补强你量化方面的数学知识。很多同学还可以去上一下计量经济学，看一下时间序列分析还有随机过程这些课。我想再强调一下量化的课的重要性，很多学校的网申里面是会有一个section去问你有没有啊上过概率论、线型代数、微积分或者计量经济学这一类的问题的。如果你正好学过而且学的成绩很不错对你的网申是一个非常加分的点。
二
MIT的面试笔试准备技巧
接下来我想讲一下面试的部分。像金融、金属、金工包括商业分析这一类的专业很多都是需要面试的啊有一些是机器面试，有一些是要求你录一个一两分钟的视频，介绍一下自己的背景、学业目标等等。还有就是真人面试，这一类相对会少一些。我唯一一个真人面试过的项目就是MIT的金融硕士的项目。
- MIT的面试
MIT的面试都是行为面试，他不会有任何技术类的问题去问你，所以不需要担心在面试过程中面试官会揪着你问一个模型或者一个算法是怎么样的。这整体的氛围是很轻松的，我和我朋友遇到的招生官人都很好都很友善，所以就跟聊天一样，大家可以不要紧张。只要准备好的话面试都是没有什么问题的。
面试的主要内容是围绕你的简历去聊。面试官可能会在你的简历上挑一些他感兴趣的点去问你，这就需要你对自己的简历非常熟悉，并且确保你的简历是真实的，否则在面试里是很容易穿帮的。然后在面试官和你聊简历的时候他可能还会穿插一些经典的行为面试的问题。第一类是communication skills，考察你的沟通能力和表达能力。第二类是strategy，这一类的问题我觉得不多见。第三类是teamwork，主要是看你的团队的协作能力。第四类叫conflict with others，这一类主要如何处理工作中与他人的矛盾。我们可以准备一些万能的例子然后去套这些问题，例子的数量我个人是觉得七八个是够了不过要确保你面试的时候你所用到的例子不要重复。大家还是要按照自己的情况去准备例子。还有一点就是你的例子必须要尽量真实，可能这些例子只是一些小事，没有什么卖点。但我还是想说例子的准备一定要是从你自己的学习生活工作中挖掘出来的。如果实在是没有思路的话可以去网上找一些 example，看一下别人是怎么回答的，然后结合自己真实的经历去修改。
之后面试官通常会问你的职业规划是包括长期的和短期的规划。这个我想跟大家讲的就是一定要对自己有非常清晰的职业规划，哪怕你可能之前对这个行业有一点陌生，你也必须要去了解一下这个行业真实的一个生活状态和工作状态是怎么样的。因为我当时在面试的时候面试官非常仔细的问了我的职业规划，甚至会精确到每一个阶段想去的具体的公司、具体的岗位。你不仅要了解一个特定岗位，你还要对金融行业的职能和分工也要有非常清晰的认识。
2.MIT的笔试
笔试是在面试以后的，笔试主要分为两个部分，第一个部分是十分钟做四道数学题。前两题都是极限和微积分这一类的东西。然后第三和第四道题是概率论。如果你已经上完微积分，上完概率论很久很久了还是要早一点去把该复习的都复习，复习好了这部分应该应该就还行了，应该不会一道题都做不出。
第二部分是这个数学题做完之后有5分钟的coding。它会随机生成一道题，你只要在它的电脑上写代码就行了。这个题难度不是特别大，而且它允许你用任何的语言去作答。我面下来觉得可能对他们来说笔试没有面试重要吧，应该还是以面试为主要的考评依据。所以说只要尽力了我觉得应该没有什么问题。
三
Q&A
- 申请MIT的绩点需要多少？
我申请MIT的时候GPA是3.92。大四上完之后我补充的那个成绩单的绩点是3.93。
- 申请MIT的GRE需要多少分？
GRE的话我的分数其实不是很高。我记得我第一轮大概10月11月投第一轮学校的时候我的GRE才316分，所以我第一轮申请的两个学校就全把我拒了。所以我建议GRE的话大家还是尽量早点考掉。我GRE的最终分数是320，我觉得这个分真的不算高吧。有很多GRE的大神他们都是往325或者330往上刷的。我个人觉得只要你在其他学术方面内容比较稳的情况下GRE分数可以稍微的放低一点标准，我还是觉得标化成绩只是第一轮过筛的一个条件。当然这是这是针对有第二轮有面试或者有其他的筛选方式的一些项目来讲的。但是GRE尽量还是考高一点吧，我身边的同学基本上都是在320~325左右。还要综合学校整体的风格和跟你一起申请人的整体水平来看的。
3.之前学过有没有学过C++？
我没有学过C++，然后CS的课的话我除了Python以外其他的也没有学过了。我觉得我个人觉得Python和R语言是够了，其实商业分析或者金工这一类的项目我在学校的官网上看主要还是以Python和R为主的。当然，如果是数学、数据科学类的项目比较偏CS的话可能对编程语言的要求会更高一点。
4.没有学过编程的话能不能用网课来补？
我觉得网课补编程的话是肯定行的。因为它其实主要还是考察你到底有没有真实的实力和能力去做编程这一类的活吧。所以如果你在简历上或者你在网申里面可以补充你在哪个哪个平台上学习了哪些语言这个加分还是非常强的。我当时本来也是想在一些平台上学一学C++之类的，但是后来因为申请季实在是太忙了就没有办法去做。所以如果有时间的话争取在暑假或者还没有到申请季的时候可以多在一些网课平台上学一学编程之类的。
5.有没有学习编程比较好的网站资源？
我在很多研究生项目里面都看到过一个叫data camp的网站。你可以在上面学习很多很多的语言，然后它也会有一些相应的instruction，告诉你要去怎么做的。我觉得data camp应该算是比较有用的吧。我自己没有完整的用过，但是应该还是不错的。另外的话网上也有很多的open source可以帮助学习一门新的语言。如果申请BA的话，可能SQL也要学。我觉得做DA或者BA这一类工作的话可能还是会比较多的运用到一些data management的tool的。
- 今年疫情入学情况是怎样的？
我的项目本身是定在7月中旬开学的，因为疫情的关系后来时间一变再变。形势也是从线下变成了线上。然后整一个summer term的学习都是在线上的。秋季的话现在学校还没有通知，所以我也在等通知。但是我知道大部分学校像牛大和布朗大学这一类的大校吧还是推出了混合形式的上课，就是你可以选择在线下也可以选择在线上。
- 能不能稍微介绍一下耶鲁的健康信息学这个项目？
耶鲁的健康信息学它有一点点类似于health care方面的data analytics和data science。但是它的方向是更偏临床的。我之前去就读的学姐就说他们的很多课都是跟耶鲁的医学院合作的。然后都是去分析一些临床的数据、一些流行病学的传播，还有一些population trend这一类大数据分析。总体来说它是一个偏向对于临床数据分析的一个专业，还是会跟生物统计有一点不一样。生统的话它主要还是一个以统计为主，data analytics这一类混合的一个专业。但是health informatics的话就是更偏向临床，会更多的跟一些医院合作或者跟一些实验室合作。
- 申请的时候需要推荐信吗？
申请的时候是需要教授的推荐信的。一般来说一个学校至多是三封吧，两封是由教授提交的，一封是实习推荐人提交的。我当时是要了三封，因为有些教授太忙了他们可能会鸽你所以为了防止教授忘记你可以多联系几个教授，然后等到你的学校的投递deadline的时候你再去联系他们。如果你只需要两封推荐信但是你在学校联系了3个教授或者4个教授的话你也可以分散一点，尽量不要把所有的项目的推荐信的任务全都托给一个教授。因为申请的话是可能从10月份就开始然后一直要持续到明年的1月2月，所以对教授来讲的话让他一次性投十几封推荐信也是很累的。所以这个沟通一定要做好。我建议推荐信的话还是早一点投会比较好。
