百科问答小站 logo
百科问答小站 font logo



2020 Fall 你都申请了哪些学校的 MA/MS/PhD/JD/MD/MFA,录取结果如何? 第1页

  

user avatar    网友的相关建议: 
      

这个年头,国内本科的劣势已经暴露无遗了。我今年也有幸也在某top4 phd committee帮打砸review申请。现在的小朋友申请简直比我当年都强太多了,晚生几年就申请不到这么好的了。以前hardworking搞几篇paper就很好申请,现在这么搞的人很多,所以paper已经不是稀缺的东西了。更何况,个别领域完全靠hardworking不断写代码不断试错来发paper,所以在这些个领域,录不录你不是看你多hardworking,而是看你有没有vision。有没有longterm vision主要通过你的paper的连贯性和解决的问题来体现,当然大佬推荐信你说你有vision那就是有,说没有那就你真的就没有。

无关的废话说了这么多,还是先下结论为好:就我感觉来说,美本是你进top学校phd项目的底线。当然,你会反驳,有XX申请上了四大,但不是美本。(这么说吧,你可能比在读的S/B的phd强很多,但很有可能无论如何就不会录你,所以没必要神化这些,大家都是普通人,差距没那么大。真的强的人,每年两只手数的过来,人家也不屑于来讨论申请难不难的问题。综合来说,虽然一个毕业PhD的实力还是看你的paper说话。但申请,不是看你顶会论文数量,我听说过有刷掉n多篇顶会在手的申请者,因为paper太水。所以大家不必一味追求顶会paper数量了,很多顶会的paper,说难听点就是一个课程project的质量套了个conference的template,随手submit了一下。就中了。这样子的paper,只会让人反感。好学校不是公司,不是雇你来水paper的。ok?还有,如果你的paper每次都在boardline附近,试问你做这个工作的意义何在?为什么要花那么多时间去完成它?一项工作的好坏以及有没有impact,是你在开始前一两个月要figure out的东西,low-hanging fruit摘一两个体验下发paper的感觉还是可以,一直摘那就过不去了。)

基本上top几个学校主要录取的是美本几个top学校的本科生,除此之外真的是寥寥无几。至于国内本科能申请上的基本是清华姚班top的学生,而往往这些学生也有着极强的海外大牛的极强推。其他学生,哪怕你paper再多,推荐信只要没有业界巨牛给你的极强推,你恐怕得gg。要拿强推并不容易,绝大多数都是写的positive,但力度并不够,所以这些人大概在第一轮就刷下来了。能拿到面试的十有八九就拿offer了。

我今年看到就录取了藤校本科,甚至一篇paper都没有,科研连入门都没有(sop和cv)的外国本科生拿了本校offer,而且还是AI方向。这种情况不是一两个。相比之下,许多国内本科,background明明很强,却依旧败下阵来。

我的感觉而言,现在phd申请已经过了拼实力的阶段,绝大多数applicants的实力都很强,但没强到我非要take你的程度。所以phd申请除实力之外,最重要的是connection,已经变成social的事情了。

看到另外有一个post在说rl相关的申请,那我就根据我的了解来多嘴几句吧。

伯克利Sergey Levine那边一个lab,50号人,人家自己搞搞就能搞出很好的pr,虽然我觉得他们那边做的东西完全就是在灌水,我之前跟某校做control的大牛待过一段时间,人家就很不appreciate伯克利s组的papers。我个人觉得也如此,相比之下Pieter Abbel比S还是要solid不少,早些年。

我给一些我的看法,比如cv rl这些门槛是真的低,随随便便一个人都能发paper然后毕业。你找不找得到工作看关系,大牛罩你你能去Google research brain team,deepmind 等,没有人罩你,你去了也是混不好的。除非你能带着组内大牛做。其次,如果,不要追着热点跑,deep rl,这东西根本就是一个灌水领域。rl+dl,前一个在上个世纪就很well studied了,后一个也慢慢会变的well studied了。DL相关的理论近一两年也发展不错,尤其是在研究无穷宽网络下。所以,做deep rl,你两边都很难深入,其实就是炼金,魔改reward,魔改乐高积木。根本不触及本质。所以不如touch一些hardcore的东西。(做rl我建议你follow下 Benjamin Van Roy, Lihong Li, Csaba Szepesvári, Nan Jiang, Sham Kakade, Michael Littman, Shipra Agrawal等人的工作,人家才是真正在fundamentally解决rl的一些问题,而不是瞎搞。)

再说说土本的劣势,你不出去根本申请不到好的学校。据我了解,Chelsea Finn 和 Sergey Levine是乱七八糟idea特别多的人,所以学生嗷嗷待哺也不用愁。跟着尤其是C做,她非idea你帮忙实现,可能过几年就没这么好了。海本很容易找到这些人做尤其是本校学生成绩比较好的。所以,要弥补土本的劣势,就尽量参加2+2项目或者gap 1-2年出国自费visiting,最好是大三结束前出去。此外,能读个海外本科更优。

最重要的还是国人得互帮互助多抱团,也要多和老外交流,不要怵,壮大华人势力的同时多和它们做表面功夫。你一个人花再大的努力也只能从西方那边抢一点点蛋糕来,你得靠整个华人群体甚至上升到国家层面来,用宏观的手去抢这个蛋糕,那你才能得到的更多。所以还是要多团结,多壮大华人势力。包括在公司、在conference、workshop。但切记不要排外,不要仇视外国人。

Gap需谨慎,读个ms工作也是极好的。没必要陷入申请-gap这个死胡同,这就是僧多粥少的后果,以及土本就是生来低人一等。还有看看美国学校每个老板手下的人,强committee的基本华人极少数,比如Stanford Berkeley。而强professor的则不是这样,老外绝大多数确实很菜但人家祖上积累,上四大也不足为奇。很多美国人申请是不会申请cmu的觉得天气冷地方又村又不好。


user avatar    网友的相关建议: 
      

最近实在是过于烦躁...

菜鸡如我打算写一篇吐槽文.

最近和sergey组里几个PhD 聊过天以后每天心里想的都是:这可咋整啊.

众所周知 deep RL 的半壁江山基本被 berkeley 垄断.(ICLR2020投稿的文章挂着sergey名字的就有32篇 Orz)而这种垄断愈发得明显.

(个人觉得这样不太利于整个community...)

加之国内做 RL的老师一直是较少的.比起 CV NLP 这些领域,基本没有话语权。(好在最近有新的AP回国)

这就导致...想申deep RL PhD,你至少得去跟着DRL的大佬做intern.

然而 sergey组里 光2021届的本科生就有16个.(没办法,上课宛如开演唱会的第一公立高校就是这么多人)

也就是说你想申 deep RL, 和你竞争的大部分都是这些人,全在一个pool里. 太南了...

更气人的是,sergey非但不招non-berkeley undergrad, 就连他的PhD也没有带其他不是berkeley的学生的权利。

你会发现Chelsea Finn组里,除了一个caltech的大佬,其他全是sergey组里本科生.再加上现在pieter 日均5条 twitter全是关于他的startup. 基本可以说DRL 基本 被 sergey垄断了,

其实一个direction有一个大佬垄断是很正常的事,可是怪就怪在 berkeley除了 BAIR里二三十个做 RL 的PhD 还有好几十个本科生啊. 过几年 DRL community的PhD 基本又是这一波人。

说回暑研 春研...其实不gap最多也就一年的时间,但这群人..基本大一大二就在sergey组里。PhD给我说的原话,“我们的本科生想进sergey组里一般都是一年多两年起步.” sergey组里之前有个多大的本科生,大三休学一年,自己自费在sergey组里干了一年. 然后又回去多大继续读本科. 那一年里刚好赶上finn的巅峰..跟着发了好几篇paper.

当国内中介还天天吹着暑研暑研的时候,你看看别人着骚操作,简直比gap还gap比post-bachelor还post.

搞RL的, 申不上PhD, 工业界又没有像CV 那么多的岗位...工作也难找...太南了。


不说了,睡醒了又是新的一天。


user avatar   cai-hong-qiao-liu-xue 网友的相关建议: 
      

我的很多学生都赶在截止时间前陆陆续续提交了申请,目前正在焦急的等待ing

下面我晒2019学生的录取情况,了解一下学姐学长的心路历程,对你有好处。

其中有双非被penn接收的,也有南开低分高录被哥大录取的。

共勉。

姜涛同学

学校:华中科技大学

本科专业:金融经济


三维硬条件:

GPA :93/100

TOEFL:105(S22)

GRE: 157+170+3.5


软条件:

实习:2份证券行研,1份科技/影视向数据市场分析

相关课程:培养方案内的高数线代概统计量C++,额外在edx coursera上学了Python SQL

推荐信:3份校内授课老师,1份实习老板


录取结果:

主申BA,抱着试试心态补申了哥大统计和NEU Align CS


NEU Align CS,UMN MSBA , Georgetown MSIA, RPI MSBA, Columbia MA Stat:录取

UCD, UCLA,NWU, GaTech, Austin, USC, CMU MISM:被拒

UCSD MSBA:候补

Columbia MSBA: Pending


申请经验:


- 专业选择

不要只在一棵树上吊死,如果以后想从事数据分析类的工作,除了BA,还可以申stat, ds, mism…

个人觉得BA是很看综合实力,看整个package,三维要达标,有丰富的实习/工作经历,拿的出手的数据分析项目经历,有一定的编程基础,同时能应对各种behavior questions


- 准备+申请

GRE:325以上够用,有能力的都考330+吧,越高越好。我是先考的GRE,后考的托福。从大三寒假就开始准备GRE,4月份第一次考,数学168没有满分,所以5月份又考了一次最后GRE是157+170+3.5,可以给的一些建议有:不要对quant掉以轻心!虽然很容易拿高分,但是稍有疏忽就没法满分,我在第二次准备GRE时,每天都刷Q,我主要做Magoosh上面的题,题量多丰富,并且针对每个知识点和每道题都有视频和文字讲解;背单词很重要,我背了很多单词书,感觉最好用的是佛脚;作文我看的是新GRE写作5.5;verbal我觉得KMF的最好用,会碰到很多原题。


TOEFL:105以上够用,有能力的请110+,越高越好。我自己考托的路太艰辛了,最主要是因为付出的时间精力不够,以至于一拖再拖一直到11月才考到105(然而口语还是22...),给出最真诚的建议就是尽量9月底之前考完GT,不然真的会很难受,申请进度也会往后推,并且不建议考很多次,一定一定要好好准备,两三次足够了,考场上出奇迹是不可能的,什么水平就是什么分,考多了会疲惫。


上课:微积分线代和概统是必备,项目还会要求同学有编程基础,最好能有实战经历,大部分BA项目都用的Python和R,如果专业没有编程课,首推在学校多选一两门编程课,C++、Java、Python、R都可以,如果没法多选课,还可以在Coursera、edX等公开课网站上面学。我的专业本身会要求学生上C++,我在大三下又在edX上面学了Python。除了上什么课,课上的projects也很重要,需要重视,不管是presentation还是paper,都会成为简历,文书,面试时的重要素材。


WES:尽量能提前确定是否需要做WES(如果没有需要的就不用做WES)(乔治城的analytics和CMU MISM是需要的),尽量刚拿到大三下成绩单就开始做WES,在北京的同学强推直接去现场办理,避开大四上的高峰期,如果学信网好几周都没有认证完,一定一定要去现场催,催真的有用。


- 实习

本人不是大佬,能力一般,再加上学校吃亏,找到相关实习还是很困难的,但要相信只要一直投一直投,就一定会找到!建议简历先找人(e.g.好心的学长学姐)修改下,实习信息我都是从公众号“今日实习”和网站应届毕业生找的;很多行业都需要数据分析,实习行业最好能有与以后全职的行业一致的,这样可以体现出来你确实有实践探索过才确认了以后的职业道路;实习中的项目是以后申请过程中的重要素材,最好能用R, Python等其他编程软件做过事情(爬虫、数据处理、数据分析(e.g. 回归)、画图...);实习还可以帮助自己确认职业规划,比如当我依次在证券公司实习两次后,我会发现自己对金融领域不太感兴趣,所以在找第三段实习的时候,我一直在找非金融向的数据分析岗位,第三段实习也让我确定下了我以后想在科技公司工作的职业规划。


- 选校

选校还是挺个性化的事情,我自己偏向课程tech(还用SAS的项目直接不考虑,课程偏金融or经济的不考虑),高就业率(比如umn, usf, emory…),地理位置好(一切加州尤其是在三番的项目 ucd, usf),带capstone project,项目信息主要从项目官网和论坛(ChaseDream和一亩三分地)获得,QS上面有专门针对BA项目的排名,还有个公众号ChaseDream大数据上的BA/DS项目介绍,大家也可以当作参考。如果毕业后打算直接回国,建议按照综合排名选学校(比如duke, jhu),如果毕业后打算先在美国找工作,还是建议综合项目课程、就业结果、在读分享和地理位置等综合考虑。要保证每个学校都满足自己的需求,在选择保底校的时候要保证自己即使最后只能去保底校也会去。就我个人而言,我不太在意综排,更在意项目的课程,地理位置和就业情况。因为自己以后想去科技公司工作,再加上偏爱加州,申了很多加州学校(UCLA、USF、UCD、UCSD、USC,NEU-SV),不得不说加州项目非常抢手,UCD和USF一定要早申早申早申;从就业和课程选择了UMN、Emory、GaTech,W&M,CMU,Austin,Columbia;对保底校就一个要求,课程要tech,因此选择了Georgetown和RPI。如果不心疼多交占坑费,超级建议尽早申请,能早申就早申,不然可能就没坑位了(血的教训USF)。


NEU Align CS这个项目我是二月才看到的,专门给非CS背景同学准备的CS项目,时间2.5-3.5年,期间包括了一个4-8个月的带薪实习,在波士顿、西雅图和硅谷都有校区。看了往届就读反馈感觉很不错,虽然授课一般,但是大家刷题氛围好,来这个项目都是以找工作为主,大家都找到了不错实习和全职。


- 面试

我是面试渣+口语渣,经历了几次面试积攒了一些心得,接到面试后先上cd和一亩三分地里整理面经,大部分都是行为面,如果不知道该如何作答(我一开始都无从下手orz)可以直接把问题复制粘贴到网上搜,有很多相关指导,Youtube上也有相关视频;我习惯是把要说的先打在电脑上,再对着电脑相机练习,把时间掌控好,讲清楚即可;几乎每个项目面试都会问why school,我的思路是从课程安排和就业情况说,课程要具体到某课程的名字,就业也是越具体越好,可以谈就业率,公司名字。


- 是否找留学机构

在这里我要感谢不凡老师。

非大佬,许多能力都比较差,所以来知乎搜罗,由此认识了不凡老师。我觉得对我来说是有用的,省了不少时间,给我的简历文书和面试都加了很多分,主要帮助包括:写RL,mentor帮忙修改简历,构建文书框架,修改文书,native speakers对简历和每篇文书的语言润色,模拟面试,开网申填网申(自己肯定要检查),遇到问题能够随时咨询老师并及时得到解答。

如何提高自己不找到黑心老师的概率?

我觉得知乎的老师都有几把刷子,当然不排除很多水军。可以从文章质量来判断老师的能力。比如我就是看完不凡老师其中一篇写绩点如何提升的文章找到的。


- - 一些后悔的地方(碎碎念)

后悔只申请了BA一个方向,其实还可以申很多统计项目。

不自量力申了一些肯定被拒的项目(UCLA、NWU、USC、Columbia msba,Austin),现在想想UCLA200刀申请费还超级心疼。有申这些项目的时间还不如去看看统计项目呢…

最最最后悔之没有之一:硅谷神校USF DS申晚了,一定一定要赶round 1,位置就是先到先得

口语差,面试不好,Kira最终也没准备好,没有做到每个面经问题都过一遍


--- 最后去向

在umn和neu之间纠结,最终决定去实现CS梦啦。回顾看看感觉还挺荒唐的,申了很多BA,花了很多时间精力搞文书面试,最终去了抱着试一下心态的NEU。


覃同学

Interdisciplinary Studies of Human Development / Social Psychology / Behavior Change, MEd / MS, 2020

本科专业:心理学

学校:双非

三维硬条件:

GPA:88.5/100

IELTS:7.5

GRE:330

录取结果

宾夕法尼亚大学:录取

纽约大学:录取

MA in General Psychology

爱丁堡大学:录取

MS in Individual difference

MEd in Interdisciplinary Studies of Human Development

宾夕法尼亚大学:被拒

MS in Behavioral and Decision Science

爱丁堡大学:被拒

MS in Social Psychology

伦敦大学学院:被拒

MS in Behavior Change

伦敦大学学院:被拒

MS in Industrial/Organizational and Business Psychology

伦敦政治经济学院:被拒

MS in Organisational and Social Psychology

伦敦政治经济学院:被拒

MS in Behavioral Sciences


软实力:参与过两个科研项目,有志愿者经历和教育实习

申请经验:

提前准备!大四考g痛哭流涕。英美混申,英国拒的稀里哗啦,没想到penn收了我~


余同学

ComputerScience/BusinessAnalytics/Information Systems Management/Statistics/Analytics/Data Science, Master/MS, 2020


本科:南开大学

专业:计算机

三维硬条件:

GPA:93/100

TOEFL:105

GRE:327


录取结果

卡内基梅隆大学:被拒

Master of Information Systems Management

东北大学(美国):录取

Master of Computer Science

明尼苏达大学双城分校:录取

MS in Business Analytics

哥伦比亚大学:录取

MA in Statistics

乔治城大学:录取

MS in Analytics

加州大学圣地亚哥分校:Pending

MS in Business Analytics

伦斯勒理工学院:录取

MS in Business Analytics

加州大学戴维斯分校:被拒

MS in Business Analytics

加州大学洛杉矶分校:被拒

MS in Business Analytics

西北大学(美国):被拒

MS in Business Analytics

佐治亚理工学院:被拒

MS in Business Analytics

德克萨斯大学奥斯汀分校:被拒

MS in Business Analytics

南加州大学:被拒

MS in Business Analytics



有没有很羡慕学姐学长们。

也许你被文书压得踹不过气,经常熬夜到凌晨,也许你找不到好的任选写推荐信,但人生不就是发现问题并解决问题的过程嘛。

优秀的人都是在挣扎着把不可能变成可能。

加油


很多同学问我现在开始申2020fall还是否来得及?如果来不及入读夏校有哪些合适的推荐。

我一一答一下。

我想说如果申请top100是来不及了。第二轮马上就要截止了:

可以现在开始准备2021fall啦。

另外,我不建议去夏校。宁愿你gap一年,也别去夏校。

如果你要申请2021fall,或者被gap了重申,可以找我咨询。

我是Wendy,2013年留学英国伯明翰大学教育学硕士,目前从事留学咨询,对选校、专业选择、文书尤其擅长,帮助过很多学生入读世界名校。如果你在留学申请中感到很迷茫,自己无法搞定申请,可以向我咨询。我的微信:【wendy775533】


user avatar   jingxuan-47 网友的相关建议: 
      

申请季已经过去蛮久的了,最近暑假超级无聊,前来贡献一个小众专业 Neuroscience

申请方向:Systems Neuroscience

申请学校:Harvard/Columbia/Stanford/NYU/Princeton/Caltech/UCSD/UCLA/Duke/USC都是 Neuroscience program

最终去向:Harvard Program in Neuroscience

本人美国本科 MIT Brain and Cognitive Sciences,GPA4.9/5.0(感觉 MIT 的 GPA inflation 挺严重的kk),推荐信都是本系的教授。有两个是做过 research 的 PI 另一个是小班讨论课上的教授。虽然两个 research advisor 都是 junior faculty 不算很有名但是推荐信是强推(感动老板们都对我非常关爱)。科研经历主要就是这两个实验室的两个 projects:一个是在老鼠里研究社会行为学的 circuit mechanism,另一个更偏向 tech development 合成以极小纳米颗粒为 backbone 的 MRI dopamine sensor。两段科研经历不算多中规中矩吧,申请时也没有 publication(虽然在投但 experimental neuroscience 的 timeline 真的太长了/(ㄒoㄒ)/~~)。

(以及想说一下没有申 MIT 是因为我们系的 PhD 项目有不收自己本科生的传统,但 MIT systems neuro 绝对是很好的项目啦

申请季的 timeline:

11.25 提交 Princeton UCSD (这两个学校总是 deadline 比较靠前千万不要 miss)

12.1 提交其他学校

12.11 USC interview invite (declined)

12.13 Duke interview invite

12.18 Princeton/Caltech interview invite

12.19 Harvard interview invite

12.20 NYU interview invite

12.23 UCSD interview invite

1.16 UCLA interview invite

虽然感动能收到蛮多 interviews 但之前一直觉得 Columbia 是 systems 里最好的项目所以没有能去梦校面试还是有点难过/(ㄒoㄒ)/~~这算是我申请季里最遗憾的一点了吧

面试(我们项目是要 on site):

1.16-18 Harvard(一周后电话告知结果, admit)

1.23-25 NYU(两周半后邮件结果, admit)

2.1-3 UCLA(一月后邮件结果,waitlist 后 reject)

2.6-9 Caltech(一周后电话结果,admit)

2.13-14 Duke(两天后邮件结果,admit)

2.17-19 UCSD(一周半后电话结果,admit)

2.20-21 Princeton(一周半后邮件结果,waitlist 后 admit)

最后一直拖到 4.15 截至那天才决定要去 Harvard,一直在 NYU Harvard 之间纠结了好久最后拒掉 NYU 的时候也超伤心(因为那边聊过的教授都很喜欢,尤其是男神 Michael Long 爱了爱了kk)

总结下来选 Harvard 的原因大概有以下几点吧:

1)老牌项目 training 的体系比较完整也有名气

2)师资力量非常丰富 HMS 几乎做什么方向的导师都可以找到

3)地理位置好 Boston 真的适合 biology/health related 行业

4)各种前辈老板的 input 都觉得 phd 还是要以项目/学校为主而不是某个导师因为学生兴趣变化会很快的

5)哈佛也有计划想要强化 systems/computational 的方向,应该未来会投入资金

最后,作为小众专业真的很希望能帮助到在申请北美 neuroscience phd 的同学呀(也欢迎更多人入坑kk)也欢迎来私信我~

—————————————————————————————————————

7.8 update:

以及最近很荣幸能为小伙伴们牵头编写的 脑科学博士申请指南 贡献一小部分作为美本申请的经历/准备;感觉这个指南真的是我见到过最干货的资料了,涵盖欧美很多不同项目的经历和非常诚恳的建议,申请的同学一定要去看看呀; D


user avatar   wen-tofu 网友的相关建议: 
      

喜欢烘焙,刚开始,偶尔做做蛋糕,面包。我的建议准备如下就好,其他东西可以根据喜好慢慢添制。

1、烤箱:容量不低于30L,功能上至少可以做到单独控制上下管温度

2、厨师机:喜欢烘焙,不建议购买面包机,想做懒人版简化版面包的可以考虑,直接买厨师机,用处多,可以揉面团,打发奶油,打发鸡蛋等等。

相对便宜些的厨师机千元以内可以满足基本家庭需求。当然预算够的话可以买性能更好的。家用的,几百元,几千元,上万元都有。

3、电动打蛋器:电机尽量皮实一些,太弱的机器使用多了电机会烧。不过要在分量和性能间做一个平衡,好的电机内部铜等金属材料用料足,但提起来的手感很重。

比如,我最后添制的,太沉了,手提打时间久了会酸,所以有时候偶尔还会用原来的小机器,那个轻巧。

后来的机器,动力不错,打发蛋白速度快,不过价格也贵,够买之前的三个了,算是各有利弊吧。

4、手动打蛋器

5、厨房秤

6、橡皮刮刀

7、打蛋盆两个:盆深一点更好用,打发不容易飞溅。

容量建议2~3L,一大一小最好,其中一个大一点的盆,建议容量不小于3L。这主要是在做全蛋打发时,体积会膨大的很大,如果6蛋的配方,2.5L满足不了要求,3L都会满满一盆。

材质建议不锈钢,虽然视频里经常看到玻璃容器,那是为了视觉效果,实际用的时候,玻璃容器还是很沉的,举起来远不如不锈钢容器轻松。

如果有个盖的就更好了,可以做为面包发酵容器来用。

8、擀面棍

9、毛刷:硅胶易清洗,棕毛感觉上更健康

10、隔热手套

11、6寸8寸活底蛋糕模各一

12、带盖吐司模一个


user avatar   jiafei-12 网友的相关建议: 
      

这是我看到的最准确的总结。

总的来说,就是中国的高考相对公平,所以性价比极高,所以其他活动都可以适当让步。




  

相关话题

  2022 Fall你都申请了哪些学校的MA/MS/PhD?申请结果如何? 
  本科 GPA 低如何去美国名校学金融? 
  如何看待微博『许可馨事件』?互联网是否真的有记忆? 
  如何评价一位留学生看完《原神》云堇角色演示后大哭? 
  如何看待金高银在节目说「北京上初一才开始学ABCD,回到韩国后跟不上韩国的难度」? 
  美国前50的大学真的好申请吗? 
  如何看待新闻“中国妈妈被弃美国机场”? 
  34 岁华裔工程师在美国遭抢笔记本电脑,追击歹徒被拖行后身亡,为什么会发生此类事件?是个案吗? 
  自己坐飞机的一些流程(去日本留学)以前坐飞机都是父母一起的,一个人坐还没有过,流程是什么需要注意什么? 
  如何才能被哈佛录取? 

前一个讨论
如何看待现在网上认为《寄生虫》不配得奥斯卡最佳影片的评论?
下一个讨论
日本疫情全面升级,确诊人数高居全球第二,大家怎么看?





© 2024-12-22 - tinynew.org. All Rights Reserved.
© 2024-12-22 - tinynew.org. 保留所有权利