20fall香港科技大学数据驱动建模硕士从申请到面试到offer

**
第一篇博客，一时兴起和小姐妹一起写了面经，她主要是香港中文大学（深圳）数据科学项目的笔试面试，详情请click—-北京奈良客：
链接: link.

项目简介（用自己的话）

这个项目是香港科技大学理学院（物理系）与工学院合办，2019年第一届学生入学，每年大概招生50-60人。课程涉及数学、统计机器学习、计算机仿真、建模等，结合了数学与计算机，未来技术岗就业：算法岗、数据分析岗等。在读学姐学长评价高，课程有硬核内容，数学基础好的话学起来更轻松一些些。项目时长为1年，可以选择和老师做独立研究，科大资源基本都可以享受到，配备的师资力量很强（mit、加州理工等）。

申请阶段

2019年9月开始准备这个项目的材料，然后10月29日递交完成。推荐信是由申请系统发给老师填写。
**（1）个人陈述：**介绍了一下自己的兴趣来源、本科阶段课程给我带来了什么样的知识储备与能力以及详细介绍了建模比赛用到的方法和收获，一个计算机大赛大数据方向的国赛经历，还有就是在实验室做的一些深度学习（主要是卷积神经网络）以及组会上讨论的一些与这个项目相关的知识，最后讲了自己选择这个项目的原因
**（2）CV：**学校+成绩，科研项目，比赛，各类奖学金和志愿者，限制在一页以内（有选择性地写）在写比赛的时候，比如说国家一等奖，可以注明一下百分之几。
（3）填写网申：这个是中介弄的，不过好像也不太难，因为我自己有申请过别的学校的所以有了解。后续更新材料只要在申请系统中更新即可，有任何问题随时邮件联系小秘。

面试阶段

面试是线上。我是2月17日收到面试通知（是第二批），我有加官方申请群，群里的朋友们都非常热心地提供面经以及复习方向，有什么问题都会很快解答，也加了几个第一批录取（他们大概是9-10月初申请）的小伙伴，人都非常nice！
复习重点：
（1）线性代数：特征值、特征向量、旋转矩阵（这个叫法有点问题，意思就是向量乘以什么矩阵可以把它进行旋转或缩放）、线性变换概念、计算矩阵乘法（2*2）、行列式等基本是基础知识，可以去B站看【官方双语/合集】线性代数的本质-系列合集
这个合集讲解的很生动，应付面试足够了，并且还能加深自己的理解，看完以后就可以用自己的话把各个概念复述出来了
*（2）概率与统计：*期望、方差（连续、离散）、正态分布，对概率密度函数进行积分的结果是什么等
*（3）自我介绍：*根据个人陈述改了，限制在了3分钟，一定要背下来！而且要把里面讲到的科目、专业术语的解释和自己的理解想清楚怎么讲，我的面试官是根据这些提问的，所以别给自己挖坑！（比如我给自己挖了个卷积神经网络的坑）
（4）把CV、PS上的材料再认真复习一下，准备一下选择这个项目的原因以及未来的职业规划，有反问的机会，不建议问什么时候出结果，这个问小秘就可以了，要抓住这个反问的机会，问一些比如：数据科学和数据驱动建模的区别（我问了这个）、物理建模和数据建模的相同之处等

面试小tip：面试前小秘有对我们进行设备测试，我的电脑麦克风有点问题，用Skype的时候小秘听不清我说话，最后用了微信测试，所以我是用手机面试的，如果没有设备测试，一定要自己先测试清楚！
如果面试过程中实在无法用英文回答，可以申请用中文，此外，若是工作党可以在自我介绍的时候和教授先声明一下一些专业知识可能会忘了，自己引领方向（自己细细品品）

附上我的面经：
1、自我介绍并说一下为什么选这个项目
2、对概率密度函数求积分的结果是什么
3、怎么求期望（因为上一题他列举的是连续的，所以我反问了一下是不是让我求上一个连续型期望，他说是）
4、怎么求方差（这个我答的是方差从期望推过去的过程，没有具体讲离散、连续的分别怎么求，我刚讲完他就yes, right，然后继续下一个）
5、数学建模的时候你用了偏微分方程，最后你是怎么解答的（答：有限元分析法，然后具体介绍过程）
6、你用过CNN（卷积神经网络），CNN是什么
7、什么是特征向量
8、完成硕士学习后的打算，有没想继续读博？
9、你还申请了其他什么项目
10、如果给你offer的话，这个项目和另一个你会选哪个
11、还有什么问题问我们

列一些其他人遇到的问题：什么是正态分布，举个例子，为什么你举的这个例子会呈现正态分布呢（中心极限定理）、怎么样才能rescale一个向量等……
就先写这么多吧，还有自己准备的30个问题以及答案（英文版）如果后面有空再po出来吧～以下是预告：

如果还有其他疑问，欢迎留言～但是我也不知道我会什么时候看，着急的话微博见，id同名！