拿下新加坡国立/港理工交互，华南理工规划学长的转行之路

“Hello，我是C同学。INTJ/INTP人，喜欢关注科技类知识和行业、产品发展。”

 我的BG 

 我的OFFER（截止发稿前）

#01

最开始选择城乡规划专业是对设计上的兴趣，在本科学习中，有一些转变。规划有别于建筑的是，会有一些地理信息技术课，如GIS，涉及一些计算机内容，如数据搜集、分析，其中可以用一些编程方法。这个过程中我找到了新的兴趣点。也自学了一些计算机相关的知识，并且在课设中或结合参数化软件尝试做些分析、建模、算法设计的尝试。

在实际工作中也会思考一些技术改进工作流的方法，但不太能推进。又恰逢AI大模型兴起，我逐渐关注到Generative AI、空间计算等新兴领域和更多可能性，最终促使我跨申交互类专业。

选择留学的目的是为了转换赛道，这是个长期且要不断调整的过程。在对AI、互联网、智能制造、智能硬件、消费电子等各行业的持续关注后，作为非科班背景，如果想要在技术及产品应用领域上发展，选择这类专业作为过渡，加之持续学习，是一条相对比较通的路径。这些专业的特点是包含一些用户相关的分析方法，提供技术支持和对应用场景讨论的机会。

我做作品集时，更多我对技术发展趋势的思考和应用，除了体现专业相关的分析、建模能力，也对AR、生成式AI、硬件产品等方向做了些尝试。

我自己更注重技术的实现，落地的可能。每个项目提出的概念和功能，都做了关键节点的Prototype。比如讨论AIGC如何从故事中提取知识图谱时，通过编码调用现有的大模型，对一篇经典小说进行了测试，验证了可行性。

#02

从哪里了解到的RAC？

有些同学通过RAC申请，了解到除了建筑类的还有交互相关的辅导和申请服务。

老师的帮助

因为本科是建筑大类，主申交互中偏技术类的专业，有一定跨度，所以在挖掘个人兴趣和相关经历，以及呈现对人工智等领域的热情上花了些功夫。这个过程中，申请和文书老师都给了很多帮助。

在和主管Haoran老师的沟通下确定了一些申请方向：比如港理工的ISD面向AI+Iot，对人工智能、物联系统等提供了学习和应用的机会。此外，诺丁汉的人机交互，利物浦的数据科学与人工智能，这些属于计算机学院下专业，前者提供了比较好的面向用户的交互技术学习，后者更侧重数据分析技术和AI。

我自己是全程线上，但是和老师之间保持了比较频繁的沟通，老师也比较细心，包括组织合作项目和Studio、联系同学等，所以整体没有觉得有什么不方便。

#03

2023年时间轴

文书PS：主题和书写策略

因为本科是建筑大类，主申交互中偏技术类的专业，有一定跨度，所以在挖掘个人兴趣和相关经历，以及呈现对人工智等领域的热情上花了些功夫。这个过程中，申请和文书老师都给了很多帮助。

语言：学习过程、难点、经验

语言不算我的长项，大二后接触就不多了。考虑到香港要带成绩申请，所以前期花了比较多时间在雅思上。这段时间，作品集前两个项目主要靠指导老师把控方向和进度。不用准备语言后，后面两个项目进度相对快一点

#04

作品集排版小技巧

指导老师给了一些参考，包括Figma界面设计的样式、调研步骤和呈现方法、排版的参考，感觉对于解决作品集已经够用了。

● 项目1

设计者：本人、X同学

指导老师：Haoran

项目解读：

前期讨论时，我们一致想尝试做AR方向应用。对现有的一些AR项目分析和与用户交互的方式调研后，最终选定了一个城市微气候相关的课题，并做了一些文献调研。

在我们的AR游戏中，孩子们可以尝试不同的建筑布局和材料，引发气候温度变化，并改善城市环境。这些操作全部是由手和建筑模块互动产生，并在虚拟系统中显示如云朵，雨水，植被，绿化等的变化。为此我们也设想了一些游戏场景。

同时，对整个游戏中的模型和其触发的阶段，我们也做出了一些更详细的流程的设计，并且尝试在Unity中去实现。

我们也做了原型测试，这也是我主要负责的部分。通过Unity和EasyAR实现模型追踪，基于Python利用Mediapipe和GCN模型实现手势识别和跟踪，并在Unity中生成改变后的材质，和模型一起渲染呈现。

共同完成了界面设计和用户反馈。整个过程比较顺利，可能比较大的困难是我之前对这其中技术接触不多，所以大致觉得可行后，花了些时间去找到实现方法。

● 项目2

设计者：本人

指导老师：Lynn

项目解读：

这个项目和本专业更相关，呈现了一些数据分析、建模的能力。和老师讨论后还是觉得地图类是比较好的应用场景。不过这个选题的问题在于相关产品比较成熟，难点在于做出差异化。

通过对运动人群的问卷和访谈，我注意到一个点：不同运动人群对路线有不同偏好，并希望有个性化推荐。但是这种需求在他们熟悉环境后就开始下降，取而代之的是轨迹记录。这也是相关产品较少关注到个性化运动路线的原因。

比较深入的挖掘这一点后，我做一些对运动环境的评估，对人们最关注的维度，如人流车流、运动设施、绿化环境、开阔空间等进行数据挖掘，再基于SSD和U-net模型进了目标检测和图像分割，从而建立各维度的评估模型。

用户通过雷达图可以对各维度偏好进行设置。后台则会根据不同的偏好对各个路线模型做多因子加权，得到赋权后的Graph数据，再由经典的路径算法Dijkstra，寻找出权重最大的路线，并推荐给用户。

♯ 感谢

感谢主管老师Haoran，在整个过程（前期沟通、选校、作品指导）都给了很多有用的建议，且在作品集的选题、进度以及在调研、排版上都给了很多参考。

感谢第二个项目的指导老师Lynn，比较细心，对调研过程到设计细节都进行了长时间的指导。

也感谢申请规划老师Salvina，从时间规划，到简历、推荐信、申请投递等过程中都很耐心负责。

还感谢文书老师Ziyu Zhou，沟通顺利，能结合呈现个人特点和学校项目，不断调整。

最后还感谢两个合作项目的小伙伴，从前期讨论到最后呈现过程都很积极和顺利。