我是在一个普通的美本州立大学读的CSgpa3.6/4，gre331。大三的时候开始准备申请21fall的研究生，当时找了父母推荐的中介，由于我们之间沟通出现了问题，再加上自己本身对于申请时间轴安排的不合理，过满的专业课程安排以及实习工作/GRE的压力，导致申请非常不顺利。

21fall的申请失败

我中途因为和中介失联，眼看着错过列好的list里的一个一个deadline，我在最后几所学校deadline还剩下两周不到的时间，抱着试试的心态找了篱笆教育修改文书，遇到了Kevin老师。

在和Kevin老师的第一次接触就让我感觉他和只提供申请服务的中介不同。他首先以一个互联网从业者的身份帮我列举了大致的职业发展方向，并结合我过去的经验分析出我的强项和兴趣，最终启发了我，让我选择了一条“做会ML的SDE”的明确职业规划。 并且 ，他以一个在google大厂工作的专业从业者的角度指导我写文书和简历，即突出impact技术需要产生影响力。接着，我们一起用了一周时间非常高效地开了5次会，从头到尾一起修改我文书中的每一个项目经历，从技术的细节到我做的事情产生的impact，直到我们都觉得合理为止。最后在3月1日deadline结束前的一分钟，压线提交了所有申请。

虽然我做了很多努力，但是因为准备实在仓促，细节没有做到位，最后只拿到了一所wustl mscs的offer。

 

在失败过后，我认为自己因为错过deadline而没有申请的学校非常可惜，所以准备重新申请22spring的项目。因为对篱笆的良好印象，我又一次请他们帮我做背景提升和文书修改。

首先我在21的暑假做了篱笆提供的人工智能实战背景提升项目，遇到了lan老师。lan老师也表现出非常强的专业性，让我感觉自己确实学到了东西而不是水了几行简历。

他首先以一个工业界工程师的角度介绍了在工业界ml的应用，并且补齐了很多我在学校里遗漏的ML相关的知识，让我了解了自己在学校学的东西在工业界里是如何被应用的。他还介绍了一般的数据科学家工作的workflow，让我对该职业的生活状态、工作内容有了初步的了解。从结果上看，我认为这个项目相当于一节美国大学的ML intro课 ，适合所有对ML有兴趣且有一定编程基础的人。

lan老师介绍了涵盖机器学习的基础概念，专业用语，数学原理，到实践的数据可视化，数据处理，特征工程，多种模型的应用等等。通过了解这些知识，结合我学校课内所学，我们过了整个机器学习的workflow，完成了一个运用多模型进行分类的分类器，这让我对ml的实际应用有了广泛详细的了解。并且lan老师为我写了一封专业的推荐信，我也非常的感谢他。

做完了背景提升，因为之前共同熬夜卡点提交申请的共同经历，我又找到Kevin老师进行文书的再改版。这一次，我们着重于把项目经理用逻辑串联起来 ，这样的逻辑串联也让我文书中的故事详细合理了起来。通过非常高效的meet了很多次，我们这次提早提交了申请。最终拿到了CMU MSSE SV，NYU tandon MCE的奖学金offer,umass amherst MCS 的offer。

拿到这个结果对我来说非常的开心，非常感谢篱笆的Kevin老师和lan老师的帮助，让我一扫21fall的失败，也让我的坚持得到了回报。如果有感兴趣了解我在篱笆的留学申请的体验的伙伴，可以加我微信了解：fs-sdd