PS的寫法
留學文書在西方的文化背景下是申請入學(獎學金)的極為重要的組成部分。所謂留學文書，如PERSONAL STATEMENT，推薦信，RP(Research proposal),CV等是一套文件系統(tǒng)，用以向錄取院校從各個角度展現(xiàn)您的求學動機，學術學習能力，工作和研究經(jīng)歷，結合一系列更“客觀”，可量化的指標：如 GRE，TOEFL，IELTS，GPA等構成您的全貌。其中個人陳述，(PERSONAL STATEMENT，以下簡稱PS)往往對您的申請是否成功起到很大的作用。
隨你譯在為眾多留學機構的申請人進行留學文書的咨詢和寫作過程中發(fā)現(xiàn)，本留學翻譯內(nèi)容由譯聲翻譯公司整理提供由于中西方教育體制的差異和網(wǎng)上各種良莠不齊的“范文“的誤導，許多申請人的PS寫作理念非常混亂，本文結合中國申請人文書寫作的常見弊端，簡述PS的寫作要領。
個人陳述，(PS)是申請美國，加拿大，英國等西方國家的大學/研究生錄取時由申請人寫的關于自我的一篇漫談體文章。當然有的學校要求的文章題目不一定叫PERSONAL STATEMENT，如有的學校讓你寫出動機(Motivation)興趣，經(jīng)歷等。由于在中國的升學體制中，基本上是唯分數(shù)論的，因此中國的申請人對這類文件的寫作和思維方式不熟悉。而歐美大學錄取學生，發(fā)放獎學金，是通過全面綜合考察申請者的條件來決定的。
一、PS的長度
在歐美，PS歸為ESSAY(漫談)類，是一種短小精悍的文體。隨你譯曾深入研究過歐美出版的優(yōu)秀PS文選，無不短小精悍，內(nèi)容卻非常豐滿，文筆優(yōu)美。一般來說一篇PS的正常長度為600—800英文單詞，而相當多的中國申請人的PS超長。隨你譯曾經(jīng)見到某些人的PS寫到3千多字。
很多中國申請人試圖把自己的方方面面的優(yōu)點和成績展示出來，須知PS不是簡歷的詳細補充，許多信息可以通過其它文件展示(如學習成績)。美國大學的招生人員曾談到：在留學申請旺季時，面對堆積如山的文件，一般他們審查一個PS的時間只有2、3分鐘，那種長篇大論類的PS只能讓人心生厭煩。
PS必須緊扣所要申請那個專業(yè)的主題寫，主線要明確，不要盲目的個性化
許多人都一知半解地聽說PS需要“獨特個性”(unique)，和“煽情”(Emotional),因此挖空心思地找自己的“獨特“點和亂“煽 情“，結果往往南轅北轍，許多中國申請人往往用大段篇幅寫一些不相干的個性，在招生者眼中，這完全不著邊際(make no sense)。必須明確，PS這樣一篇短短數(shù)百字的文章是沒有地方去說不相干的廢話的。通過PS您必須讓招生者知道您選擇該專業(yè)的明確和強烈的動機，同時具備充分的條件完成該專業(yè)的學習。當然在這個基礎上每個人都可以通過很獨特而有個性的文字來表達自己。努力做到既突出了個性，又緊扣申請CS專業(yè)應具有的重要素質(zhì)體現(xiàn)出來。
二、PS的主旨：主線明確，便于理解
“Simple is the best”請記住，招生人員每天要讀大量的申請資料，只有那種簡單有力重點突出的的文章才能打動招生人員。留學文書其實是您個人的廣告，您仔細想想，給您留下深刻印象的廣告哪個不是簡明而有力的？中國申請人往往傾向于把自己的優(yōu)點不分主次全都告訴招生人員，導致的結果就是招生人員對您的整體印象的模糊。隨你譯的意見是，PS中什么都是重點，就等于沒有重點。
三、精心安排PS和其它文件的關系
如上所述，PS，推薦信，簡歷等文件構成一整套申請文件系統(tǒng)，既需要相互呼應，也需要這些文件各有側重點。因此在寫作這些文件之前必須總體構思安排文章的布局和每個文件突出的重點。許多申請人將本該由簡歷或推薦信突出的內(nèi)容放在PS本留學翻譯內(nèi)容由譯聲翻譯公司整理提供中，這樣不但造成信息的無效重復，同時弱化了PS應起的作用。
四、地道的英語
中國人自己讀得很順的英語往往是按中文的語言邏輯寫成的“中式英語”,不但會大大削弱您想表達的意思,產(chǎn)生誤解,而且會讓招生人員看起來很枯燥無味(DULL)。有些申請人，特別是考過GRE的申請人，用詞句式過于夸張，古怪，不符合英語的思維本留學翻譯內(nèi)容由譯聲翻譯公司整理提供這種中國學院英語，其實經(jīng)常讓外國教授難以理解或是看后笑得前仰后合。完成的文件最好由母語人士進行修改。如果您對PS的寫作沒有把握，可以試試隨你譯的專業(yè)留學文書寫作，我們會根據(jù)您提供的基礎材料，為您進行專業(yè)的翻譯文書寫作。
看過篇文章的網(wǎng)友還在看:
類別：
機器學習已經(jīng)在許多方面取得了進步。這篇文章總結了其中的四個方面，并且討論了當前一些公開的問題。四個方面的問題是
通過對多分類器集成的研究來提高分類的精確度。 (2)用按比例增加的方法負責研究算法 (3) 強化學習, 以及 (4) 復雜隨機模型的學習。
過去五年在機器學習的研究方面已經(jīng)取得了驚人的發(fā)展。導致這種發(fā)展的原因有許多：首先，基于符號機器學習的單獨研究群體，計算的學習理論，神經(jīng)網(wǎng)絡，統(tǒng)計學
,
和模式識別都逐個被發(fā)現(xiàn)并且共同起作用。第二，機器學習技術正適合于解決新問題，包括數(shù)據(jù)庫技術的發(fā)現(xiàn)、語言處理、機器人控制、和最佳化配置，還有許多傳統(tǒng)問題比如語音識別、外觀識別、筆跡識別、醫(yī)學數(shù)據(jù)分析，以及游戲競技。
在這篇文章中，我選擇了四個有關機器學習的主題，近來在這些主題上都有許多探討。寫這篇文章的目的是展示機器學習在這些領域的進展以發(fā)展人工智能，和起草一些公開的研究問題。主要研究領域是
多分類器集成,(2) 用按比例增加的方法負責研究算法(3)強化學習,以及(4)復雜隨機模型的學習。
Machine-learning research
has been making great progress in many directions. This article summarizes four
of these directions and discusses some current open problems. The four
directions are the improvement of classification accuracy by learning ensembles
of classifiers, (2) methods for scaling up supervised learning algorithms, (3)
reinforcement learning, and (4) the learning of complex stochastic models.
The last five years have seen an explosion in machine-learning research.
This explosion has many causes: First, separate research communities in symbolic
machine learning, computation learning theory, neural networks, statistics, and
