15011337672
今年这届诺贝尔物理和化学奖一经公布，被众多网友评价为爆改“诺贝尔AI奖”，甚至连获奖得主本人，都感到意外的程度。
2024物理诺奖得主之一的辛顿在接受电话采访时表示：“I have no idea that will happen”
举世瞩目的诺奖颁给AI相关学者，对于同学们未来的求学、就业也会起到导向作用，特别是很多想留美就业的同学也把转CS作为了优先选择。CS都有哪些专业方向？想要转码该提前做哪些准备？我们一起看看吧~
诺奖物理/化学爆改AI，理工尽头是CS？今年的诺贝尔奖真的应了那句——“理工科的尽头是转码” ，先开奖的是诺贝尔物理学奖，表彰了两位获奖者在人工神经网络及其在机器学习中的基础性发现和创新贡献。
这两位物理诺奖得主，都是“半路转码”拿诺奖的。一位是非常富有传奇色彩的计算机科学家，“深度学习教父”杰弗里·辛顿（Geoffrey Hinton），他在2018年还拿到过CS届最高奖项图灵奖。另一位约翰·霍普菲尔德（John J. Hopfield ）曾在贝尔实验室、UCB物理系、普林斯顿物理系、加州理工学院化学与生物系工作，1986年，他与其他人在加州理工创办了计算和神经系统博士项目。
而后面开奖的化学诺奖居然也颁给了AI相关的成就，美国计算生物学家大卫·贝克（David Baker）、英国人工智能研究者德米斯·哈萨比斯（Demis Hassabis）和美国Google DeepMind高级研究科学家约翰·江珀（John Jumper），因开发可被用于预测和设计蛋白质结构的计算工具而被表彰，这些贡献都有人工智能的参与。
这两项诺奖的颁发也确确实实放出一个信号，计算机科学正在不可逆转地影响各个学科的学术研究和产业实践，CS的通用性、应用广泛性使得它融入各个学科、各行各业。
转码项目这么多，哪个适合你？
计算机相关方向的硕士项目多种多样，这其中哪一个项目最适合你？我们以 CS、DS、BA这几个计算机热门方向为例，分别分析各自的职业路径及申请要求。
1.CS：软件工程师需求多，需了解底层逻辑
CS就业的大方向无疑是软件工程——Software Engineer。很多学生毕业以后找的工作是软件工程师，其中分为四大类：前端Front End、后端Back End、全栈Full Stack、移动端Mobile。
除此之外，一些热门的岗位还包括：Artificial intelligence人工智能，Graphics图像，information Systems信息系统， Web development互联网开发， network网络等等。
尽管软件工程更侧重于应用开发，但它仍然需要对硬件有一定的了解。Computer Science 是一门研究性学科，无论是哪个方向，都需要深入理解计算机系统运行的底层逻辑。
除了CS专业，Electronic Engineering、Electronic Computer Engineering 这些专业学习的内容也和CS比较相近，就业方向也大致相同，同样可以成为同学们的选择。
2.DS：侧重于数据
一部分同学认为纯转码到CS太难了，那么也有另一个很火的转码方向——数据科学（DS），更侧重于对数据的挖掘。
数据科学这个项目是近五年来比较新兴的专业，一直在发展和完善，选择的方向大概分为：Data Science数据科学，Machine Learning机器学习，Data Engineer数据工程 ，Data Analytics 数据分析。在选校选项目的时候需要去仔细甄别，有些学校的项目偏 technical，开设在工学院居多，课程包括了计算机科学、统计、机器学习的内容。
3.BA：招生背景多元化，但侧重商业
BA招生非常多样化，也是部分同学们的优先选择，但是BA的本质还是用数据来帮助企业做好决策，所以更侧重于商业思维的部分。想了解BA的现状和困境可以戳：MIT BA就业率首次跌落100%...就业市场瞬息万变，商业分析还适合“无脑选择”吗？
这个项目更适合有一定商科基础的同学，但是如果想要学到硬核技术、从事纯技术相关工作的话，CS、DS方向比BA更适合。
打算转码？这些准备要提前做好
如果同学们已经确定了想要从其他专业转向CS/DS等方向，提前准备是非常重要的。人大管科拿下宾大DS的学长为大家整理了申请前需要积累的四个方面：
①成绩，GPA特别重要：尤其藤校特别看中GPA成绩。托福也重要但达到105以上就可以，GRE的重要性在降低，325基本够用。同时，也要注意修好先修课，在成绩单里体现比较硬核的课程。
②数据分析实习，最好积累3段以上：丰富的实习经验是必要的，如果简历没有被填满，可以适当添加一些课程project，最好是与编程和统计相关的，经济学project对申请商分和数科没有太大的用处。
③科研经历必不可少：数据科学项目在课程里很少覆盖商科内容，基本都是作为选修课出现，所以申请数据科学，背景上要更加Tech。如果在大三下没有办法补充课表，可以去做科研，如果有时间最好从大二就开始做，并且如果能做海外暑研就更好。
④牛推、交换经历和比赛，可以作为加分项：如果有同学拿到北美名校教授的牛推会对申请很有帮助，如果没有我们可以用本校老师的推荐信。交换经历也是一个锦上添花的内容，海外交换经历在申请看重多元化背景的学校时比较重要，比如杜克大学数学建模、学科竞赛，也可以写进简历。
先修课是非常重要的部分，已经确定转码的同学，要有针对性进行选课，查漏补缺：
● 数学课中，微积分、线代和概率论非常重要。如果要申请数据科学或统计学，可以适当学一些随机过程，数据方法、高代高数，但这些不是必须。
● 统计方面，申请商业分析学习基础的统计学就可以，如果要申请更Tech的项目，还需要学习时间序列分析、应用多元统计等课程。
编程和统计软件方面，掌握好C core和Python就可以。如果申请CS，会用到Java、CPP、C语言，但如果在课表里能够体现也是加分项，毕竟这些更接近计算机科学的核心。
● 专业课方面，数据非常重要，因为SQL语言对business analytics来说是立身之本，建模课也比较重要。机器学习与数据挖掘这门课在各个大学官网的课程项目中都能看到，所以如果在本科就能学习，对申请帮助很大。
● 其余课程中，运筹这门课对于申请OR运筹学比较重要，系统分析和数据结构是锦上添花的课程。
选校无脑冲名气大的？且慢，这几条选校定律请拿好：
▲ 排名越高越好？
专排、综排高的学校是大家的首选。但另一方面，排名高、教授水平高，不代表就是更匹配你的现在的专业水平，学习习惯，学习方法等。因此最关键的是，是否适合你自己。一些综排高的学校并不硬核的项目可能不如其他学校的纯CS项目。
▲ 项目时长太短，不一定是好事~
从就业的角度讲，如果需要美国当地企业的实习经历，尤其是参与暑期实习，那么超过一年的项目会更合适。很多只有一年的硕士项目是没有机会参加实习的program，很多同学为了实习，也会采取延期毕业等方法，那么学校是否允许拉长学制、延期毕业，也是需要考虑的重点。
▲ 有些项目/学校，天生“就业命”
为了就业，我们也要考量学校的地理位置，周边是否有互联网大厂聚集（比如湾区、西雅图等），学校本身是否已经成为了大厂的target school，这些公司是否会来校园招聘。也要通过互联网，多多搜集即将申请的项目的毕业生去向，是否有人最终入职了你想去的互联网公司，背景如何。
▲ 制定选校列表，注意拉开梯度
通常来讲，可以选择2-3个彩票项目，4-5个主力项目，以及1-2个保底项目。从过程中也能对自己的水平，以及自己相对于其他人的整体定位，有一个清晰的了解。
“转码”一直以来都是一个热门的词汇，尤其对于想要留在美国的同学来说，转码进入互联网大厂更是一个非常有吸引力的路径。在留学方面有疑惑的同学欢迎联系传兮留学的老师咨询~
