当洛杉矶山火的新闻席卷全球，大多数人看到的是灾难与恐惧。而这位 12 年级的女孩，却在这场极端灾害中，捕捉到了一个值得深耕的学术命题：气温的准确预测，究竟能多大程度上影响社会安全和经济发展？
带着这份追问，李同学开启了她的 International EPQ 项目之旅。短短三个月，她从零基础的编程小白，一步步完成了完整的机器学习科研项目，更拿下了 IEPQ 预估 A* 的亮眼成绩，为名校申请攒下了硬核筹码。
今天，就让我们一起走进李同学的 IEPQ 成长之路，听听她的选题初心、攻坚时刻，还有这场学术探索里，那些超出预期的成长与收获。
首先请做个简单的自我介绍吧。
李同学：大家好，我是李同学～ 现在是12年级的在读生，主修课程是 A-level 体系的数学、高数、物理和化学。我的 International EPQ 项目的预估成绩是 A*。
最终确定的 International EPQ 选题是什么？请用一句话向完全不懂这个领域的人解释清楚～
李同学：我最终的选题是：Comparison on Prediction Performances between Different Machine Learning Algorithms based on an Example of Temperature Forecast
《基于温度预测实例的不同机器学习算法预测性能对比》
简单来说是关于不同 machine learning 算法在气温预测方面的应用。通过三种主流的机器学习算法来分析过去的历史数据，横向对比不同算法的预测精度与优劣势来更准确地预测未来的结果。
李同学 研究内容展示
为什么想做这个选题？如果让你回溯到选题的那一刻，你最初想做的和最终做的，发生了哪些变化？
李同学：当时恰逢洛杉矶山火，我意识到准确的气温分析对于社会生活的重要性——它深刻影响经济发展和人身安全。变化的话，我最开始想以自己所在城市为例，收集各项气候数据然后处理数据，但是后来选择直接使用现成的处理好的数据集。这样可以大大减小工作量，并提高项目实验的准确性和可行性。
李同学 选题背景展示
项目过程中遇到的最大挑战是什么？如何解决的呢？
李同学：对我来说最大的挑战是时间紧迫。本身 IEPQ 的内容就很多，我还需要额外进行一个实验，通过一系列代码来运行。这对我来说十分困难，因为我编程基础薄弱，需要现学一些相关内容，所以前期时间安排紧张。
解决方法就是提前列计划，以周为单位拆分具体任务目标。想好每一周要把项目的哪些模块完成，达到的具体程度和效果，然后再细分到当天的任务，按照每天的量有序进行。
可以介绍一下IEPQ 为期三个月项目周期的具体安排吗？或者用三个关键节点来概括你这三个月的研究历程。
李同学：
前期准备：文献的阅读与梳理，敲定研究选题与实验框架，选取合适的实验数据集，学习线性回归、随机森林、SVR 三大算法的原理和代码模块；
实验与写作：一边调试代码、反复优化模型参数，记录并分析实验数据；一边把学术论文完成，需要把实验过程、结果与思考，严谨地呈现出来。
收尾与完善： 整理参考文献列表，完善Production log（过程日志）和Planning table（时间计划表）等。
你如何将IEPQ 经历应用到大学申请中？你对院校申请有什么心得？
李同学：IEPQ的经历作为我文书很重要的一部分，向大学展示了我的学术热情，强化了时间管理、资料整合、自主学习与规划、发现问题并主动灵活解决的能力。
你认为IEPQ 项目对你的主要收获和帮助是什么？如果用五个词或短语来概括这段旅程，你会选择哪些词？
李同学：主要的收获和帮助是我对喜欢的学科和领域有了更深一步的了解，掌握了新的技能，拓宽学术视野，并且强化了时间管理，整合资料，自主学习规划，发现问题并主动解决，灵活解决的能力。如果用五个词概括，我会选择：充实，挑战，新颖，投入，探索。
你有哪些想对即将参加 IEPQ 项目的同学们说的话嘛？
李同学：只要全心投入，可以收获很多💗不管是学术上的，还是个人能力上的。大胆去探索自己感兴趣的领域，认真做好每一步规划，踏实完成每一个环节，时间会给你最好的答案。
从洛杉矶山火到机器学习算法，从编程零基础到独立完成实验，李同学用三个月的时间，完成了一次精彩的学术探索之旅。
IEPQ不仅仅是申请中的一份材料、一个预估成绩，它更像是一个“学术预演”——让你在高中阶段，提前体验大学研究的完整流程：发现问题、提出假设、设计方法、克服困难、得出结论。如果你也想像李同学一样，在自己热爱的领域里深耕一次，不妨给自己一个机会，从IEPQ开始。
