计算机留学读研

去澳洲读硕士，选择专业是关键。只有选择了正确的澳洲硕士课程专业，才可以获得更好的澳大利亚的移民机会和就业机会。 智课选校帝为大家总结了以下六个标准，借以指导大家如何正确选择申请澳大利亚硕士课程专业。　( 一)录取可行性从类别来看，澳大利亚硕士留学课程专业可分成 6 个大类， 30 个小类。6 个大类分别是文科、商科、法律、理科、工科和医学。申请人能否被某一大类的专业录取，主要取决于本科的专业背景。例如，申请文科专业的硕士课程(如翻译、传媒等)对申请人的本科专业背景没有特别要求;申请商科专业的硕士课程， 1.5-2 年制的课程对申请人的本科专业背景没有特别要求，但是 1 年制的商科硕士课程一般要求申请人本科有商科背景，同时还可能要求有一定的工作经验;申请理工科和医学专业的硕士课程，要求申请人有相同或相近的本科专业背景，个别课程对本科专业背景没有要求(如某些两年制的计算机类的硕士课程)。　(二)自身优势顺利完成澳大利亚硕士留学课程，需要申请人具备较强的知识和技能，包括专业能力、英语能力、数学能力和其他能力等。如果英语能力很强，但是数学能力很弱，就读文科专业或法律专业能够扬长避短;如果英语能力和数学能力一般或比较好，就读商科专业会比较合适;如果英语能力一般，数学能力较强，那么就读计算机或工程专业会比较有优势。学生如果能够在所就读的硕士专业中发挥出自己的比较优势，就很有可能取得比较好的成绩，而一个成绩优秀的学生在毕业后找工作时也会有比较优势。　(三)澳大利亚移民机会通过留学然后申请澳大利亚移民的途径被称之为 “ 澳大利亚海外学生技术移民 “.2014 年 5 月，澳大利亚移民局公布了新的技术职业列表( Skilled Occupation List )，并于 2014 年 7 月 1 日起正式生效。常见的移民类文科专业包括幼教、中学教师和社会工作等;移民类商科专业包括会计、审计和精算等;移民类理科专业包括农学、化学;移民类测量专业包括工料测量、测量和制图等;移民类工程专业包括化学工程、土木工程、电气工程、电子工程、材料工程、机械工程、采矿工程等;移民类计算机专业包括程序分析、程序开发和系统分析等;移民类建筑专业包括建筑、景观建筑和城镇规划等;移民类医学专业包括牙医、护理、职业理疗、全科医生和兽医等。(四)职业兴趣比如，就读澳洲硕士会计专业，毕业后所对应的职业是会计师或审计师，与之相关联的职业则包括投资分析师、税务咨询师等。学生若能就读自己喜欢的专业，又能从事自己喜欢的职业，就比较容易获得职业的满足感和成就感。影响职业兴趣的因素是多种多样的，如个人性格、家庭背景、学历背景等。大家如果不确定自己的职业兴趣，可尝试一下互联网上的职业兴趣测评工具。(五)职业前景从工作机会来看，对于在澳大利亚留学读研的中国学生来说，若想在澳大利亚就业，技术密集型的职业(如会计、工程师、计算机专业人员)所提供的工作机会相对较多;管理密集型或沟通密集型的职业，往往在文化背景和英语沟通能力方面设置了较高的门槛，中国学生较难跟当地学生或其他国际学生竞争。从毕业生起薪来看，工程和计算机类的毕业生起薪较高，商科和文科类的毕业生起薪相对较低。　(六)行业前景从归属性来看，某些澳洲硕士课程专业没有明确的行业归属，典型的如会计专业，计算机专业。就读会计专业的学生，毕业后即可在会计师事务所工作，也可以在任何行业和任何企业从事会计工作，因此某一行业是否景气较难直接影响就读该类型专业的学生的就业机会。某些硕士课程专业则有明确的行业归属，如酒店管理、金融专业等，行业的景气指数会直接影响到就读该专业的学生的就业机会。以上就是智课选校帝为大家整理的有关内容，希望对大家有所帮助。了解更多出国留学相关信息及最新动态尽在智课选校帝，祝大家学习进步，一切如意。

首先，从当前的社会人才需求形势来看，不论是选择在国内读研，还是选择在国外读研，整体的就业前景都是不错的，至于是在国内读研有竞争力，还是在国外读研有竞争力，往往要取决于多方面因素，包括就读学校的学科实力和学生自身的创新能力等等。从当前国内研究生教育的整体水平来看，虽然近些年来一直在不断提升，但是在不少学科领域的人才培养能力上，与发达国家（地区）的名校还存在一定的差距，比如计算机专业就有比较明显的体现。所以，从这个角度来看，如果自身的学习能力比较强，能够拿到国外名校的offer，那么出国读研是不错的选择。以计算专业为例，国内有不少本科生在国外读研之后，都顺利走进了大型国际化的科技公司，无论是岗位起点还是薪资待遇都相对比较高。有不少研究生在国外工作一段时间之后再回国，也会有比较好的就业机会，而且这样的人才往往更受欢迎，这一点在IT行业有比较明显的体现。随着当前国内不少互联网企业纷纷进行国际化布局，这些企业往往会更注重以留学生为代表的“国际化人才”，所以在国外读研也会有一定的就业优势。最后，对于大部分有读研计划的同学来说，由于各种条件的限制，在国内读研往往是比较现实的选择，在国内读研同样会有一定的竞争力，只要自己能够做出比较优秀的创新成果，就业竞争力也并不会比留学生差。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

来源:广州日报近日，教育部发布《2020年全国硕士研究生招生考试公告》，公告显示，2020年全国硕士研究生招生考试初试时间为2019年12月21日至12月22日，超过3小时的考试科目在12月23日进行。应届考生预报名时间为2019年9月24日至27日，而研究生正式报名时间为2019年10月10日至31日。在国内考研人数逐年增长的情况下，业内人士表示，有些学生将考研目光投向国外，而要想获得名校录取还是需要提前做好准备，在专业选择上也可以考虑一些就业前景较好的“小众专业”。国内考研报名人数逐年增长国内考研与出国读研各有优势据统计，2019考研全国报考人数为290万人，比去年增加了52万人，增幅达到21.8%。虽然2020年考研人数还难以下定论，但从每年的考研人数增长的情况来看，2020年考研人数极大可能会突破300万人。景鸿教育总经理唐泽坤表示，就业压力及就业门槛逐渐上升、知名公司对拥有研究生学历的岗位需求越来越大，让许多学生想依靠读研、读博来获得更多的学术资源并实现就业目标，这是导致大量人士加入考研大军的主要原因。在这样的趋势下，国内考研还是出国读研再次成为热门话题。面对竞争越来越激烈的国内考研盛况，有部分人支持出国读研，认为其具备时间成本低、录取制度灵活、就业技能提升等优势，也可以开拓视野，接触多元文化，了解行业前沿资讯，但动辄几十万元的花费令人却步。也有部分人认为国内读研经济压力较小，可以积累人脉资源，但国内科研和学术环境相对较弱，而且两三年的读研周期也有些漫长。其实，两者的主要差别包括：一是时间成本，国内研究生通常根据专硕和学硕的设置分为2~3年，而国外的学习通常是1-2年，其中，英国等的学术体系一般为1年。二是录取难度，国内研究生人数逐年增加，每位考生只能申请一所学校的一个专业。受欢迎的学校和专业之间的竞争非常激烈，还需要进行初试和复试的层层筛选。而出国留学是采用申请制，学生可以同时申请多个院校。 三是费用方面，国内学习的学费一般在每年8000~20000元左右。但也有部分专硕或非全日制硕士学费较贵，具体要根据学校和专业来定；如果在国外留学，费用将根据国家和学校的不同而有所不同。英国和美国的学费相对较高，每年10万~30万元不等，但也有奖学金和平价的留学国家可以选择。从就业趋势来看，国内读研对进入国家单位和机构的帮助较大；出国留学的优势在于，大部分单位对海归员工采取了倾斜性待遇。唐泽坤表示，国内考研与出国读研各有优势，建议大家切忌盲目从众，要清楚自己读研的意义及规划，按照理想、能力、费用等方面进行全面考虑。例如偏向事业单位或国有企业的人士，可能国内读研更具优势；憧憬外资企业的人士，出国读研可能更为适合。选择出国读研需要注意的是，国外很多高校都遵循“先到先得”录取原则，越早申请，越容易成功。而且一定要选择教育部官方认证的学校，以防文凭不被认可。国外读研专业选择有技巧学制一年 英国读研成首选申请国外读研，英国研究生因学制一年而成为众多希望减少时间成本的学生选择。根据英国高等教育统计局HESA的数据显示：2015年到2018年中国学生注册就读英国授课型硕士的人数持续增长。由于授课型硕士课程只需1年，省时省钱，学历全球认知度高，可以预计，在未来几年去英国就读硕士课程的中国学生数量仍然会增长。从HESA的数据来看，在2017~2018年度，英国最受欢迎的专业为商业&管理研究类(商科)，就读人数达到58420人，占比达到英国就读人数的23.63%。据广州启德留学英爱部经理陈燕雯介绍，商科的申请人数占通过启德申请入读英国高等教育总人数的56.09%，这也体现出中国学生的就读方向，依旧以商科为主。教育类专业在启德留英学生申请中排在第三位，传媒和文学排在第二位。其他专业分别是创意艺术与设计、法律、计算机科学、数学、建筑、机械、电子信息。陈燕雯表示，在大学里还存在着不为人熟知的“小众”专业，这些专业有着特定的人才培养方向。比如学考古学，未来可留校任教，进入博物馆、考古研究所等，也可以进入传媒业，从事考古相关专业记者、制片人等，也可进入艺术品投资领域。学医疗成像专业，可以在医疗保健和研究领域的成像相关项目寻求职业发展，或进行博士研究，也可从事放射学的医学临床工作。学纳米材料与材料科学，可就职于研究所从事科学研究与应用工作，也可以在大学里授课。学系统芯片专业，毕业生有机会受雇于世界领先的技术公司，如IBM、Arm、Google等。当然，该专业也有利于个人创业领域。澳大利亚推一年制硕士课程澳大利亚近年来也成为热门留学读研国家之一。相关数据显示，2018年，赴澳大利亚留学的中国学生批签数为54414，2012年至2017年，中国赴澳留学生批签数持续6年高速增长，增长率高达128%。启德教育发布的《2019年澳大利亚留学报告》调研数据显示，正在办理澳大利亚硕士留学申请的学生，前四大原因分别是“自己的成绩能申请到排名更高的学校”、澳大利亚教育质量高、申请比较便捷和毕业后可申请工作签证。澳大利亚的硕士课程学制为1~2年，大部分学校的课程为1.5~2年。对想要快速提高文凭的同学，多校推出了一年制的硕士课程。这类课程主要集中在商科、传媒、艺术设计、工程、社工、法律、生物、音乐表演等学科领域。相比两年制硕士，花费更少，课程更紧凑，更适合有较强的自律性和学习能力的同学，能尽快毕业进入职场。面对申请人数上涨、院校录取条件变更以及专业申请出现重大变化等因素，对于2020年或以后想去澳大利亚深造的学生来说，专家建议在大二结束时就应确定好留学计划，提前递交申请。同时，计划读研究生课程的学生，选专业时需考虑本科专业背景。澳大利亚一些专业对学生的本科专业背景有明确要求，如果未能满足专业背景要求则无法申请。

对于很多去美国留学的学生来说，选择专业很重要，因为这关系到毕业后是否能找到一份好的工作。但是，哪些工作的福利待遇好？美国留学计算机专业需注意哪些？今年年初，U.S.News发布了一份"100 Best Jobs"排行榜。依据美国劳工部(U.S.Bureauof Labor Statistics)的数据以及U.S.News通过采访和调查问卷收集的各项数据，综合考虑了7个方面的因素：中位数薪水、就业率、未来10年岗位新增数量、未来10年岗位增长率、未来工作竞争预测、压力水平、工作生活平衡度。从该名单中可以看出，软件开发员(SoftwareDeveloper)是留学生的首选：薪资高，就业前景好，入门不难。软件开发员(SoftwareDeveloper)中位数薪水：$101,790失业率：1.9%未来10年岗位增加数量：255,400去美国学计算机专业，需要注意哪些？美国计算机专业概念很模糊的，包括CS、CE、EE，并且彼此之间是相通。至于计算机专业可以划分为两大类，计算机科学和计算机工程。留学生选择较多的专业是CS计算机科学。CS专业下属分支有14个主要方向：系统与网络、人工智能与机器人、计算机隐私与安全、编程语言、数据库、计算机图形学、生物信息学与计算生物学、算法、计算机理论、科学计算、软件工程、计算机视觉、计算机体系结构、人机交互。部分院校推荐卡内基·梅隆大学CMU的CS学院规模很大，基本上涵盖了计算机大部分的研究领域。计算机学院下设置7个系，其中6个系分别各自专注于一个方向，比如机器学习系做机器学习，其他所有方向全部归于计算机系（计算机系是计算机学院下的一个系）。麻省理工学院MIT开设了许多计算机相关专业，还有一个计算工程中心(Center for Computational Engineering，CCE)，开设了两个交叉项目，麻省理工学院计算机科学专业排名世界第1。该专业的课程具有非常灵活结构，允许学生进行非常个性化的电气工程理科与计算机科学硕士学位的学习，从而满足学生的个人兴趣以及职业发展目标。除了核心的基础模块外，还可以从计算机和数学学院的其他硕士教育项目中选择一系列的课程模块，如电子商务、网页技术、信息系统安全、网络、数字艺术、人工智能、机器人学等课题。斯坦福大学斯坦福大学计算机系创立于1965年，设立在工程学院下（Institute for Computational Mathematical Enginnering），与麻省理工学院、加州大学伯克利分校、卡内基梅隆大学三所大学的计算机系并称计算机专业的四大。斯坦福大学计算机科学专业一共有五个核心领域：1、斯坦福人工智能实验室：计算机视觉、机械学习、计算生物学、自然语言处理。2、斯坦福Infolab实验室：主要专注于数据库研究和网络分析与图像挖掘。3、斯坦福理论小组：其中包括密码学，复杂度理论，算法游戏理论等。4、斯坦福计算机图像/人机交互(HCI)小组：主要针对于几何学计算，计算摄影学，人机交互和设计思维。5、计算机系统：设计领域包括：建筑学，计算机安全，网络安全，操作/分布式系统。加州大学伯克利分校相比单一的编程技能，学院更强调培养学生的计算机综合素养，包括理论研究、算法分析和逻辑设计等，许多课程提倡学生勇敢提出超越当前技术的想法。该专业在课程设置方面有很多独树一帜的地方，特别是专业基础课方面，除了有专业导引课程“计算机科学专题”外，没有编程经验的学生，第一门课是符号编程入门，采用 LISP 语言，而有一定编程经验的学生则可以选择多种语言和环境的自主学习课程，比如C、Fortran、C++ 、Java以及UNIX的使用等。

汇总：之前有收到关于两次国内考研失败后，是继续努力还是考虑出国读研的问题。由于他本人是转专业自学考计算机研究生，失败后已找到计算机专业的相关工作。而且他本身喜欢研究该学科且有读博继续钻研的打算。国内本人没考过研究生，欢迎考过的最底端评论区讨论。国外方面还是认为他很适合考研究生的，建议边工作边准备语言考试和申请材料，继续努力申请研究生学习。以下是正文：之前收到一个问题，是关于国内两次考研失败后是否继续还是改考国外研？他说他本科是国内电子类强校，在校平均成绩80+。大三开始对计算机产生兴趣，开始准备跨专业考某顶尖的计算机专业研究生。备考期间自学过C语言、操作系统、计算机网络、计算机组成原理、算法与数据结构等相关内容，刷过100多道算法题，也做过一个三个月左右的计算机项目，认为自己对计算机有了自己的认知和知识体系。但是第一年考研失败他认为是心理上没能承受导致的。今年第二次考试他认为自己心态没问题了，但是离分数线差了20多分。他说他虽然考研失败，但仍然对计算机这方面有追求，且在物质上追求不大。希望通过自己的不断研究和实践，在这方面可以做出点贡献。他畅想自己到60岁还能开心地写写程序，觉得即使没做到杰出也不会遗憾。他说他在今年考研失败后，找到了一份工资不错的一线城市的开发工作。他虽然感觉清楚自己这次考研哪里出了问题，但是没办法确定明年一定能考上，但是不想随便读个研究生混日子。所以他又看到了出国留学的这条路，发觉自己有机会出国去读个计算机博士也挺好的。但是他清楚出国的费用肯定是需要他自己赚的，他认为自己如果选择了就有足够的信心去完成它，发挥出自己最大的潜力。他感觉自己有点迷茫，希望能给他些建议。感觉他对自己的描述还是挺清晰的，而且很开心能看到他对计算机方面的坚定与热爱。还有他在本科时虽然对本专业兴趣弱一些，但是仍然能保持比较好的学习成绩是值得学习的。另外他在考研失败后，能够先找到兴趣相关的工作获得更多的工作经验，这也是很值得点赞的一点。对于他提到的想考入的顶尖计算机专业的学校，那一定是要配上顶尖的成绩才能有资格竞争的。但是如果他是个跨专业考试的同学，由于是以自学为主，相对于本专业的同学在知识的系统架构上就会有些薄弱的地方。他很可能要付出比普通同学更大的努力，才有可能去获得高分。因为我并没有在国内考过研，情况不是特别了解，希望有经验的朋友最下方评论区留言，我主要还是说一下考取国外研究生的经验。他提到的他通过兴趣自学就可以架构出对计算机专业的感觉，而且他实际国内考研的成绩离分数线也差得不多，至少说明他的自学能力是很强的，就这一点在国外的研究学习中是个很大的优势。而且他在未来的规划中，是考虑读博士并在计算机的领域做出点贡献，也是挺适合出国留学的。以我留学过的英国为例，在招收研究生时，每个学校都有明确的申请要求，比如会参考本科学校、本科在校成绩、英语成绩等。而且如果是转专业，是需要了解所选专业是否愿意接受转专业的同学。另外也会有学校针对今后有读博意向的同学专门开设的硕士专业。而且还想说下，国外优质的大学去了以后，会感觉对自己所学专业的认识开启了另一扇大门，对今后的学术研究会有很大帮助。当然前提是继续保持对专业的热情和高分。最后是建议他继续努力工作攒钱，业余时间准备语言考试和专业申请。希望跟他有类似困惑的朋友都能找到自己的方向，加油加油~作者：海归暖青年如果有任何问题，欢迎下方留言互动。想看什么内容也可以留言告诉我，期待期待~往期精彩：是否要读英国双硕士？英国硕士含金量如何？媒体类专业哪个最有前途？待我掐指一算告诉你今年保研还是明年申请英国硕？被迫间隔的一年更可怕毕业季｜明星找工作都认真写简历，而你还在纠结疫情的影响学完回国一场空？留学前一定先确认清楚

提要：L同学2019年参加上海高考，总分541分、位次6722，从小就对计算机和编程感兴趣，将来想要进入大型游戏公司工作。L同学的父母希望他能够上一所名校（想上985）并希望将来能够留洋升学。老师在经过与L同学一家的沟通后，发现L同学在高中时期就开始自学过一些编程语言，十分热衷于获取新知识，我们的老师直接就把专业的选择固定在计算机方面。考虑到L同学一家有上名校的需求且选择的专业也是当下的热门专业，再结合到L同学的分数与位次，选择上海附近的985就读计算机类专业都比较困难。最后在获得L同学一家的认同后，我们老师将东北大学的计算机类专业作为了L同学的第一志愿组。L同学也是不负众望成功以最低分被东北大学的计算机类专业给录取了！顺带一提东北大学的软件工程（第四轮学科评估中获评B+）在第三、第四年的学费为1W6一年请报考的学生与家长注意。2018年计算机专业有近250人，其中出国的10%-15%（藤校居多），保研的15%（C9、中9居多），工作的同学起薪15W-20W的居多东北大学东北大学是国家首批“211工程”和“985工程”重点建设高校。2017年9月，经国务院批准，进入一流大学建设高校行列。在建设时期，学校先后研发出国内第一台模拟电子计算机、第一台国产CT、第一块超级钢以及钒钛磁铁矿冶炼新技术、钢铁工业节能理论和技术、控轧控冷技术、混合智能优化控制技术等一大批高水平科研成果，兴办了第一个大学科学园，在技术创新、转移和产学研合作方面形成了鲜明的办学特色。学校面向世界，开放办学，先后与37个国家和地区的246所大学、研究机构建立了长期稳定的合作关系；提高学生的国际化视野与专业水平，学校积极拓展国家公派、联合培养、交换学习、短期交流、海外实习等海外交流项目，每年派出约700名学生赴海外高校交流学习；与国外高水平大学开展深入合作，切实引入国际先进教育理念和优质教育资源，设有国际合作办学项目3个；不断扩大留学生规模，提高培养质量，现有来自99个国家和地区的各类留学生1530人。

有数据显示，2019年全美光是硕士学位就颁发了超过833,000个。不少人短短几个月就能从研究生院毕业，这种现象难免让人捉摸美国硕士学历中所含的“水分”。尤其是很多同学看到不少专业在国内外都有开设，此时就更加不确定出国读研有没有必要了。毕竟万一不小心踩雷，回国后学历不受认可，巨额学费和宝贵时间岂不都打水漂？因此，今天小编就来分析一波美国研究生的“含金量”和“含水量”，看看哪些专业没必要去美国读研（浪费钱）。“含金量”学位颁发很多同学看到美国每年颁发那么多学位就慌了——物以稀为贵，自己的学历“不值钱”了怎么办！实际上大家不必因为研究生的人数增加而感到太担忧。一方面，硕士学位增长并没有预想的那么快。美国国家教育中心曾经预估2014-2020年间，硕士学位的增长幅度为2.8%，但实际上2013-2018这五年间的增长只有1.7%。也就是说，美国研究生学历并没有大家想的那么“泛滥”。另一方面，跟申请人数的激增相比，顶尖高校以及部分热门专业的录取依旧非常“克制”。另外，很多颁发的硕士学位是在线或非全日制的形式，而这两种形式通常不在同学们的申请考虑范围。因此，大家的硕士学位还是很有分量的。教学差异讯哥选取了工程、计算机、商科三大留学申请的热门领域，来看国内与国外的差距。工程专业国内的工程类硕士分为工程硕士与工学硕士，整体上的教学偏重理论。美国的工程硕士下面细分了非常多的专业，且有很多交叉学科（例如生物工程、医学工程等）。除了强调对整体理论结构的把握，学校更侧重于培养学生解决实际工程问题中的技能。例如做工程报告、团队协调等，非常细致。计算机专业国内计算机专业注重给学生打好扎实的基础，让学生熟练掌握编程、逻辑等计算机技能。美国计算机专业的课程则更灵活一些，学生需要自己探索，因此创新能力更强。商科专业国内外的商科学生都要学一堆专业课，包括工商管理、市场营销、财会、人力资源等谁都跑不了。与国内相比，美国商学院最大的优势就是教育资源跟当下商业环境紧密联系。美国商学院的教材基本上每年都会更新，教授也常常是在商业圈摸爬滚打了很多年才来教学。因此，教授可以教给学生很多可以直接用到工作中的“干货”。另外，学生还有很多机会（例如通过校友、老师内推等）参与企业中的实际商业项目，而不是像国内很多学校那样只能做模拟运营。因此，起码在这三大热门申请领域，美国研究生的教学和认可度都有优势，有高“含金量”（当然具体也要看学校）。“含水量”美国研究生项目繁杂，收费又高，很多专业“含水量”也不少。倒不一定是教的不好，如果成本远高于回报，或者不受市场认可，那确实没有出国读研的必要。1，不适应国内环境。前面也说了，美国研究生院非常注重实践，虽然确实能锻炼学生的职业技能，但有一点不能忽略：实践经历针对的是当地的社会情况，而国内外环境不同。因此，不少留学生回国发展之后发现自己理论不够扎实，不太适应国内的就业环境（例如法学、审计等）。2，难以回收成本。美国留学成本高，如果所学专业无论留美还是回国，就业薪资都比较不理想，那这项投资就要慎重了。例如PayScale曾排出的薪资潜力最低的硕士学位专业：一，人工服务：早期薪酬 - $ 38,000，中期薪酬 - $ 48,200二，早期儿童教育：早期薪酬 - $ 38,100，中期薪酬 - $ 48,400三，社区辅导：早期薪酬 - $ 40,400，中期薪酬 - $ 51,600四，心理健康咨询五，神学六，阅读与写作七，专业咨询八，摄影工作室九，辅导教育与辅导心理学十，英语教学3，部分在线课程获得的学位不受国内认可。美国高校很多专业都同步提供在线课程，与现场教学相同。但是在线课程还分为 degree 和 non-degree，有些在线课程不受教育部认可。综上所述，同学们全面考量学校的教学实力、专业的就业发展之后，完全可以放心申请美国研究生院。“水”与“不水”，最根本的还是要靠自己的努力、看自己的收获了。美国留学选校定位想了解自己的GPA、雅思成绩是否能申请哪些美国院校，可以使用留学志愿参考系统 （小程序如下）进行定位评估。使用方法：把你的基本情况GPA、托福/雅思成绩、专业、院校背景基本信息输入到留学志愿参考系统中，系统会自动从数据库中匹配出与你情况相似的同学案例，看看他们成功申请到了美国哪些院校，这样子就可以对自己进行精准的定位。

北美“码农”收入到底有多高？近期一个帖子引发了热议：20年前本科毕业月薪3000人民币的楼主，2014年35岁那年移民，现在年收入达到了40万美元，折合人民币270万……那么如何才能出国读Computer Science呢？——博世留学为你带来权威的计算机留学申请全攻略。学科概览: 什么是Computer Science尽管大家习惯性地把计算机学科称为CS，但是从人才培养目标的角度而言，我们通常认为，计算机学科可以分成计算机工程（computer engineering）和计算机科学（computer science）两部分。计算机工程方向的教学内容，通常倾向于培养学生工程项目方面的动手能力，偏重于程序设计语言的学习、软件工程的实践等等。其培养目的在于尽量拓宽学生在工具应用层面的眼界，让学生能够熟练掌握多种业界主流的开发工具和开发模型。计算机科学方向的教学内容比较偏向理论，其培养目的，是教会学生基于数学和哲学，利用计算机作为工具，对一些问题进行建模求解。所以这也要求学生具备扎实的线性代数、离散数学、形式逻辑、统计学等扎实的数学基础。这些问题有可能是生活中可以见到的应用型问题，比如研究如何准确地使用计算机算法对人脸进行识别，或使用计算机算法与人类棋手对弈，对这类问题的研究称为应用型基础研究；被研究的问题也有可能是纯理论问题，比如研究基如何通过蒙特卡洛方法对深度学习网络进行剪枝优化等等，这类研究的方向比较抽象，通常被称为理论型基础研究。我们一般认为，理论型研究是应用型研究的基础和工具。计算机工程通常是计算机系本科生和部分硕士研究生的培养方向学习范畴。而部分硕士研究生（尤其是M.Phil）和绝大多数博士研究生（Ph.D）都在从事计算机科学方面的研究。本科培养体系在本科阶段，培养计划的目的在于引领学生对计算机领域进行广泛但并不深入的了解，课程大致可以分为几类：计算机是什么：计算机科学导论，操作系统，编译原理，计算机体系结构，数据库基础，网络导论，数字电子电路，等。开发工具和开发模型：面向过程程序设计（C语言），面向对象程序设计（C++，Java或Python），汇编语言，软件工程导论，网络工程导论等。攻读更高层次学位时可能用到的数学基础：线性代数，概率与统计，离散数学，随机过程，积分变换，等。除此之外，本科培养体系里的专业选修课程会接触到一些细分领域的入门课程，如机器学习，人工智能，网络安全，管理信息系统等。研究生培养体系通常在硕士阶段，学生开始接触到比较实际的计算机科学专业方向，这通常取决于导师自己的方向。但由于硕士培养周期较短，对专业方向的涉及也常常比较浅显，硕士毕业生通常的状态是“具备比较扎实的计算机工程基础，已经开始接触计算机科学问题。到了博士阶段，学生的主要任务就是挑选一个计算机科学的细分方向进行深入研究，直至斩获该细分方向的突破性进展才能够毕业。计算机科学的研究方向互相交叉，很难给出一个科学的分类图谱，我们这里列出一些常见的研究方向及组合：细分方向：人工智能人工智能又称Artificial Intelligence，通过创造出一个数学模型，用训练的方式使其自我进化，继而能够正确处理其并未遇到的问题。这个用数学模型模拟出的过程（学习-思考-推理）与人类脑部工作机理相似，故称为人工智能。人工智能的实现方式和相关学派很多，例如基于统计的学习方法，神经网络等。人工智能是一种基础研究，其成果可供大部分应用研究使用。例如，卷积神经网络（CNN）就是一种基于神经网络的人工智能模型，如何创建卷积神经网络是人工智能研究的范畴，而如何对CNN进行合理应用甚至加以改造以解决实际问题，是应用型研究（如图像处理）的范畴。从就业的角度而言，人工智能也是一个炙手可热的方向，一般来说人工智能的细分方向又包括以下三个方面：数字图像处理：传统意义上的图像处理，通常是指对数字图像进行处理，以便于提取出其中有价值的部分。早期图像处理的研究常局限于如何通过色彩空间中的变换进行预处理，继而对轮廓，纹理进行提取，或对ROI（region of interesting）进行分割（业界曾认为图像变换、增强及分割是图像处理的三大主要任务）。其目的在于为后继工作，如物体识别等，提供精准的素材（特征）。随着人工智能的发展，图像处理的研究热点逐渐变成了人工智能在图像领域的应用研究。例如，使用生成对抗网络（GAN）对图像进行补全等。近年来，由于数字照片的普及，人们对于图像处理的需求愈发强烈，相机厂商及手机厂商，甚至一些世俗化的图像处理APP（美图秀秀等）均大量招入图像处理类研究生，以改善其产品的拍照及后期处理质量。 模式识别（PR）：通俗一点来说，模式识别的研究任务，就是回答“这是个什么东西？“。即，使用前处理（如图像处理或自然语言处理）得到的特征，对特征所对应的实例进行分类（识别）。模式识别在日常生活中的应用及其广泛，从图像类的生物特征识别（人脸、指纹、虹膜、步态识别）、图像内容识别（google photo，车辆自动驾驶）到语音类的命令词识别（智能家居）、听写（自动会议记录），都要使用模式识别的方法。模式识别与人工智能在研究方向上紧密相关，大量的人工智能研究者会选择模式识别问题作为其研究方向的应用背景。 自然语言处理(NLP)：自然语言处理是人工智能和语言学的交叉方向，也可以看作一种模式识别问题。其一般使用人工智能的理论基础，模拟人脑对人类语言的理解和生成。自动翻译、自动应答机器人等是NLP的典型应用。 人工智能方向如果按research topic来说的话，覆盖的研究话题主要有：Learning and Probabilistic Inference （深度学习与概率推断）: Graphical models. Kernel methods. Nonparametric Bayesian methods. Reinforcement learning. Problem solving, decisions, and games.Knowledge Representation and Reasoning （知识表示与推理）: First order probabilistic logics. Symbolic algebra.Search and Information Retrieval （搜索与信息检索）: Collaborative filtering. Information extraction. Image and video search. Intelligent information systems.Speech and Language （语言识别与自然语言处理）: Parsing. Machine translation. Speech Recognition. Context Modeling. Dialog Systems.Vision （计算机视觉）: Object Recognition. Scene Understanding. Human Activity Recognition. Active Vision. Grouping and Figure-Ground. Visual Data Mining.Robotics （机器人与自动驾驶）: Motion Planning, Computational Geometry. Computer assisted surgical and medical analysis, planning, and monitoring. Unmanned Air Vehicles细分方向：信息安全信息安全（Information Security，Cybersecurity）主要对加密算法、安全协议以及从网络安全或漏洞扫描等工程问题中抽象出的理论进行研究，近几年，也有相当的研究者将人工智能引入信息安全领域。随着信息化的进程，信息安全作为一项基础服务也受到了业界的关注，但目前仅限于漏洞扫描和入侵检测领域。所以业界普遍认为信息安全行业具有良好的发展前景，其研究领域包括：Cryptography （密码学）：Complexity-theoretic approaches to cryptography, development of new cryptographic systems, cryptanalysis, protocol development, applied cryptography, quantum computation, and applications that include electronic commerce, electronic voting, wireless communications, and protocols for sensor webs.Privacy （隐私安全）：Privacy in wireless sensor webs, privacy in RFID systems, privacy issues in databases, privacy in web based applications.Security, programming languages, and software engineering （软件安全）：The interaction between programming languages and computer security -- an area often called "software security."Network security （网络安全）：High-performance network security monitoring and intrusion prevention.其他细分方向人机交互（Human-Computer Interaction） 语境感知计算（Context-aware Computing）：活动分析，智能空间，位置感知系统，隐私技术；感知界面（Perceptual Interfaces）：基于视觉的界面，语音和话语界面；协作和学习（Collaboration and Learning）：基于模式的创作工具，ESL（英语作为第二语言）学习，小组协作技术，包括地理上分布式的远程沉浸式协作；验光和人类视觉模拟（Optometry and Human Vision Simulation）：计算机辅助角膜建模和可视化，医学成像，手术模拟的虚拟环境，视觉逼真的渲染等等。计算机架构与工程（Computer Architecture and Engineering）研究解决计算机体系结构中的下一代问题，以解决并行计算的巨大挑战，引入其他领域的技术（例如，用于高影响优化的机器学习），基于新型基板的架构思想，功率预算问题，微架构电路水平问题，以及传感器网络发展中的架构问题。 计算生物学（Computational Biology）生物数据集的规模和范围空前增长，包括多物种基因组数据，多态变体数据库，蛋白质结构和RNA结构数据库，基因表达数据，大规模基因敲除实验的生化测量和生物医学数据。电路设计和纳米技术的想法在新的生物传感器和执行器的设计中发挥着关键作用。表示，操纵和整合这些数据需要集合大量的计算机领域的知识，例如数据库，算法，人工智能，图形，信号处理和图像处理。对产生此类数据的潜在现象的推理需要系统级思维，这也是控制理论，信息理论和统计机器学习等领域的基础。控制、智能系统与机器人（Control，Intelligence System and Robotics）控制和机器人技术关注的是建模系统和机器的一般问题，然后使它们对输入作出适当的响应。 特别是当目标系统在规模上增长时，优化和数学技术起着关键作用。 控制范围从半导体过程控制，混合和网络控制到非线性和学习控制，所以这个领域结合了机械工程，生物学和计算机的交叉。机器人技术被广泛地解释为包括从毫米级移动机器人到3米转子跨度直升机的移动自动系统，用于组装的固定自治系统，以及诸如远程呈现和虚拟现实的人类增强能力。 为机器人提供图像理解能力，以及利用计算机视觉来辅助人类，是当前关键研究领域之一。通信与网络（Communication and Network）研究涵盖理论，模拟，仿真和实施。信息论，编码论，博弈论，控制论，统计学，数据分析和大系统渐近性的技术起着突出的作用。关心的问题包括数据中心，点对点计算，边缘计划，社交网络，无线网络控制及其需求，例如隐私和安全，激励和机制设计。研究活动还涉及系统生物学，DNA和RNA序列重建以及MRI。在大规模部署通信基础设施时，信息理论，网络，数据压缩，编码和多用户通信以及算法和协议设计以及系统范围政策考虑等一些核心问题的基础工作都是研究的核心。其他除此之外，还有Cyber-Physical Systems and Design Automation (网络物理系统和设计自动化) ，Database Management Systems (数据库管理系统)，Graphics (计算机图形学) ，Scientific Computing (科学计算) ，Signal Processing (信号处理)，Theory (计算理论与复杂度科学)。选校建议很多申请者在申请选校的时候，都依赖于US NEWS的排名，或者QS的排名。但是这些排名，一般都由学术声誉、论文数量、论文引用、会议论文和书籍出版、国际化程度等指标来衡量，对CS专业其实不很适用。CS的研究，很多时候都是在抢热点，看谁做得更快，因此很多重要的科研成果都是发表在会议论文上，而US NEWS对于会议论文的权重只有可怜的2.5%，而学术声誉等指标又过于主观，因此这些排名参考意义不大也就情有可原了。因此我们一般推荐更适合CS专业的 CSRankings.org 排名，一般来说，CMU，MIT，Stanford，UC Berkeley美国大学里毫无疑问的CS巨头，不管是理论研究还是应用领域，都是引领世界潮流的。当然，排名也仅仅是一个参考，我们建议申请者不要过于纠结排名的细微区别。比如蒙特利尔的大学，即使是在 CSRankings.org 里也仅仅是排名加拿大第7，但是在深度学习和人工智能领域，Yoshua Bengio教授可谓大名鼎鼎。由于在神经网络研究领域作出的重要贡献，Hinton教授、LeCun教授以及Bengio教授三人成功获得2019年图灵奖。如果能成为Bengio教授的学生，即使蒙特利尔大学排名不好看，又有谁在乎呢，或者说这个排名又怎么科学呢？选校不仅仅是看排名，还有地理位置，项目特色， 学校声誉，业界合作，师生比，留学成本等等。 如果想在学术圈发展，导师的业界地位最重要。如果能拜在图灵奖得主门下，学校声誉、专业排名，都可以忽略。这里说的业界地位，最起码也要是IEEE Fellow级别的。因为这样的导师，推荐信才有分量。 如果想毕业之后去公司，那么学校名气>导师地位>专业排名。毕竟HR不是学术圈里的人，一个妇孺皆知的校名比什么都好使。此外，导师的业界地位和人脉也很重要。现在很多申请者去美国读计算机的硕士，目标都很明确，就是去Amazon，Facebook，Microsoft这样的大公司，或者硅谷的明星start-up。因此有些人对地理位置看得很重，认为加州的项目就一定比其他地方好，其实不尽然。因为CS硕士毕业生，通常的就业岗位是Software Development Engineer或者Data Scientist，说实话只要学校能让你过了简历筛选，基本上学校的title就没那么重要了。剩下的比拼就是科研和项目经历，编程基本功与技能，应付笔试（刷题）和面试的能力了。至于地理位置，很多大公司都有资金实力在全美范围里招聘的，即使你在UIUC大农村，或者Wisconsin，一样会有HR主动上门来做hiring event。因此对于地理位置一般的学校，也不应该排斥。地理位置的优势可能会让你对于业界的信息资讯更为通畅，感受到的创业氛围更加浓厚，除此之外，顶多是找实习的时候，让你少搬家几次罢了。因此申请学校就是能多申尽量多申。因为就和投资一样，申请某个学校的不确定性是很大的，现在的 CS 项目申请者数量极大，很难保证每个人的材料都被认认真真看过。而如果我们不把鸡蛋放在一个篮子里，用各种投资组合进行风险对冲，就能很大程度的缩小方差、减少风险，从而获得和自己实力匹配的 offer。 对于 PhD 学生来说，我觉得你的导师水平和你学校在你科研小方向的实力非常重要，比 CS 专排重要的多，因为你真正的专业其实是你研究的小方向，而不是 CS。看小方向的实力应该去看你的领域顶会 paper 的数量和质量，毕竟 PhD 以 发 paper 为生。而看导师，除了看中 H-index，也要看他的人品以及在学术圈和业界的人脉和口碑，这和你今后的发展高度相关。另外，学校的综合排名(名气)也是非常重要的，今后假如要创业或者回国当青千，别人通常只大致知道综合排名 (除了 CMU 这种 CS 特别有名的)，这也是为什么哈佛的 CS 会比 GaTech， UTAustin 要难申。而对于 Master 来说这些排名都不大重要了，重要的是你申请的项目的质量和就业情况。例如，综排很高的学校会有那种一年的MEng，这种项目时间太短就很难找到好的工作。还有， CMU 虽然是 CS 第一强校，但因为整个学校有非常多的计算机相关学院，找工作时内耗很大，找工作时有优势的也就是和 CS 高度相关的 Master 项目(机器学习，语言技术研究，计算数据科学，计算机科学等)，其他有的还不如一些 Top20 学校 的 MSCS。课程设置根正苗红的CS项目：NEU对于计算机系本科的申请者来说，纯CS项目一般都是首选，比如美国东北大学（NEU）的CS硕士项目就很受中国学生欢迎。东北大学位于波士顿，地理位置毋庸置疑，其CS硕士生就业数据也非常不错，业界口碑也很好。毕业生起薪通常在10万美元左右，就职的岗位包括Amazon的软件开发工程师，德勤的咨询师，微软的软件工程师和全栈工程师等。从课程设置上来说，学生需要修3门必修课，课程涵盖程序设计理论，软件开发管理或计算机系统，以及算法理论。同时，学生需要在人工智能，人机交互，数据科学，游戏设计，计算机图形学，信息安全，计算机网络，编程语言，软件工程，计算机系统以及计算机理论中，选择一个领域作为specialization。同时，选课也是非常自由的，对于5门选修课的要求，只要求在specialization的领域里选至少2门，其余的课程没有限制。人工智能的track，可以选的课有：人工智能基础，机器人科学与系统，自然语言处理，机器学习，高级机器学习等。数据科学的track的课程包括：数据管理系统，机器学习，信息存储，数据挖掘技术，大规模并行数据处理，数据管理，数据科学，数据可视化等。游戏设计的track包括：游戏人工智能，计算机图形学，人机交互，游戏引擎开发，高级机器学习等。信息安全的track课程包括：软件安全，网络安全，密码学与通信安全，隐私安全与可用性，软件工程，密码学基础等。完成课业任务之后，学生还可以做6-8个月的co-op实习，以及3-4个月的暑期实习，对未来找工作也是帮助非常大的。同时，NEU还为非计算机背景的申请者设置了Align的桥梁课程，让转CS的同学可以有2个学期的时间来补一些计算机的基础，可以说，这对转专业申请CS的同学来说，考虑得算是非常周到了。工科转CS：Duke ECE杜克大学的Master of Science in Electrical and Computer Engineering是比较常见的工科学生转CS的项目，课程一共有4个方向，包括：计算机工程，信号与信息处理（大数据分析方向），工程物理，微电子与纳米材料。这是个很flexible的项目，也就是说即使你入学的时候背景是微电子相关的，一样可以选择计算机工程来作为你的硕士方向。这个项目一般两年可以读完，可以选择纯修课（coursework only），做project或者做thesis来毕业。每年招生规模在120人左右，中国学生比例较高。对于计算机工程方向，可以选择软件开发或者硬件设计两个方向。对于毕业相从事Software Development Engineer（码农）的同学来说，选择软件开发方向就行了，课程架构包括编程基础，软件工程和计算机系统基础，还有分布式系统，iOS开发，存储架构，云计算等比较实用的课程。ECE 551：是关于编程、数据结构、算法以及C++实现的课程，要求在Linux系统下用emacs写代码交作业，实现Makefile编译，gdb调试，valgrind查内存泄漏等等。教材是Duke的Drew Hilton教授自己写的《All of programming》，基本上面试中会碰到的编程问题都会在这本书里找到对应的知识点，如heap实现，哈希表实现，C++的虚函数的实现，编译基本过程，sort排序等等。ECE 550：和ECE 551一样，这也是软件工程的基础课，主要关于计算机系统与工程的入门知识。这门课从基本的电路的基础到后面讲cache的实现，MIPS语句，Datapath,指令，操作系统等等，基本是计算机里面的硬件实现，虽然内容多也杂，但感觉作为一个没学过操作系统和计算机组成的人来说还是很有收获的。ECE 650：主要关于系统编程，内容涵盖计算机网络、并发、进程线程、操作系统、数据库等等。其中比较详细的讲了计算机网络和操作系统。project也非常偏向应用，包括线程安全地实现malloc函数，基于socket编程的HOT POTATO游戏，C++里用postgresql增删改查数据库，最后修改Linux的kernel以实现几个攻击内核的函数。ECE 651：主要关于软件工程的基础知识，老师会安排实际的项目来分组，（安卓组，后端组，前端组）基于agile 的开发模式让大家给客户开发软件。可以了解到各种开发模式的区别，熟练Java开发，包括需要写一些requirement，architecture文档等等，以及真正完成一项可以使用的软件。数据科学家第一步：USC Applied Data Science随着数据科学（Data Science）越来越火热，很多北美的CS院系也开始开设新的数据科学硕士项目。南加州大学（USC）的应用数据科学硕士项目前身为Master of Science in Data Informatics，而且这个项目也可以用来做OPT的STEM extension。项目主要培养学生数据管理，数据可视化，数据挖掘，人工智能与机器学习的知识，以及大数据的基础架构（Hadoop和Spark）的应用和解决实际问题的能力。灵活的课程设置也能让学生有选择性地规划自己的学业，为留美找工作做好准备。该项目培养计划要求学生修读32学分的课程（8门课），其中6门必修课包括：INF 510：Principe of Programming for Informatics，即编程原理，包括利用Python存储，抓取和分析web数据，熟悉如何对大数据集进行操作和管理，以及简单的Java编程入门。对于Python编程能力出色的同学，可以申请免修这门课，换一门对应的选修课。INF 549：Introction to Computational Thinking and Data Science，即数据科学和计算的入门课程，授课范围覆盖数据分析，数据可视化，并行处理，元数据，数据溯源与管理等。INF 550：Overview of Data Informatics in Large Data Environment，即大数据环境的数据信息学基础课程，主要讲授数据信息学的方法，因此需要有对应的数理基础，覆盖的话题包括机器学习，数据挖掘，非SQL数据库，基于cluster的大数据分析，in-data技术等。INF 551：Foundation of Data Management，即数据管理基础，需要有相关的操作系统，网络与数据库的知识背景，主要讲授现代数据存储系统（云存储），数据管理，数据网络，数据中心，map-rece架构等。INF 552：Machine Learning for Data Informatics，即大数据科学里的机器学习，对编程能力，线性代数和统计知识有一定要求，主要侧重运用机器学习方法来解决实际问题，如专家推荐系统的搭建。INF 553：Foundation and Application of Data Mining，即数据挖掘的基础与应用，主要侧重于map-rece 架构的运用，同时结合数据挖掘算法来处理实际应用中的大数据情形。除了这些必修课以外，还需要选择一门用户界面开发或者可视化的课程，同时还有其他方向的课程可以自由选择，包括应用自然语言处理，高级数据存储，算法分析，网络搜索引擎与信息存储，大数据里的隐私与安全，知识图谱的构建等等。虽然这个项目时间紧凑，很多学生在第二学期就拿到了实习，毕业之后的就业率也算不错，不少同学都最终成为了一名传说中的Data Scientist！申请规划数学背景+编程能力正处在风口上的计算机科学，留学申请的难度越来越大。不仅有数学统计物理的同学想转行做CS，就连传统的社科类专业，比如经济学、政治学、 新闻学、社会学的人都有申请CS项目的。 一般来说CS的master比较强调申请者的编程能力和项目经历（甚至GitHub上star的多少）。同时，数学背景，比如数学分析，线性代数，数理统计等课程的成绩也是很看重的一方面，相比之下GPA比GRE托福等Standard Score重要得多。 再者，美国CS华人faculty比例相当大，一般来说国内的老师也跟北美CS的学术圈有紧密的联系，能拿到靠谱的推荐信为申请结果提升不少。除了推荐信，项目经历和研究经历，如果能在文书材料中适当地展示出申请者的学术潜力，突出科研经历与项目经历，对申请结果会有出其不意的效果。对于跨专业的申请者，在Coursera等公开课平台上修读一些编程和计算机理论的基础课，也能弥补一些跨专业申请的障碍。背景提升+套辞美国CS的申请中，套辞的作用是非常显著的，因为funding基本上是来自于professor自己的科研经费的，而且年轻的assistant professor需要大量的科研助手。当然，对于大牛校，比如哈佛大学或者CMU，他们的PhD项目都是给fellowship奖学金的，同时为了给学生自由选择导师的权利，也不会一开始就绑定导师，因此套磁的意义就不是很大。如果本科期间有去美国交流或者暑期研究的机会，可以多修课弥补国内课程设置的短板，刷高GPA，还有机会拿到内推，对申请结果是很大的提升。但是如果申请欧洲国家，或者澳洲的学校，套磁就更有决定性影响了。只要是研究型的项目(PhD/Mphil)，导师都有决定要不要你的权利，甚至说你的奖学金很可能就是从导师自己的科研经费里来的。总的来说，不管是申请硕士还是PhD，有合适的海外交流机会的话更是不要错过。 如果有参加美国数学建模比赛、Kaggle平台上的比赛、以及商业公司举办的大数据分析比赛的经历，也会让申请者增色不少。另外，由于 PhD 申请水涨船高，原本很看中 GPA 和英语成绩的 master 也越来越看科研了， 这是 master 申请者需要注意的。申请PhD：学校背景和科研经历很重要北美CS不管是硕士还是PhD，里面中国学生的比例也相当高，而且负责招生的教授很多也是华人，他们对中国学校的情况非常了解，对名校背景非常看重。每个学期的Summer都是教授们回国内开会，讲课，拿funding的季节，同时也会直接去清北复交科大等学校去找系主任要人。因此非名校背景的申请者非常吃亏。随着CS的竞争越来越激烈，名校背景往往意味着更扎实的基础知识。如果不是名校背景的同学，GPA保持在3.5以上，也可以取得不错的申请结果。一般来说，申请硕士的GPA不能低于3.2， 申请PhD不能低于3.5，再低就很难弥补了。相对来说GRE的成绩差不多就行，比如Verbal 150+，Quantitative 170，aw 3.5，但是托福成绩的好坏就往往会影响到拿Teaching Assistant(奖学金)的机会。一般来说托福要考到100+，口语22+，才不会成为你的短板。但是CS科研经费充足，老师有足够的research assistant的岗位，只要托福过了学校的基准线，科研能力强的学生也能拿到全奖。因此，对于硬性指标不强的申请者，可以考虑抓住一些科研机会，多发审稿周期较快的会议论文，在申请的时候有不错的publication会对申请者脱颖而出。同时，先申请一个硕士作为后续申请PhD的跳板，是非名校背景的申请者常用的策略。关于PhD的录取标准，担任过CMU admission committee主席的Dave Andersen 教授曾要求负责招生的老师：Don't spend a lot of time reviewing the top 2% of applicants. They're easy to identify, they get admitted everywhere, and the error rate is low.Don't spend a lot of time reviewing the bottom 50% or differentiating among them.Please focus your attention on finding the students who have the potential to be in the top 10% percent, but are likely to be overlooked by other top programs.根据Andersen教授的标准，top 2%的申请者一般毕业于顶尖名校（MIT，哈佛，CMU，Stanford等），有知名期刊或者会议的publication，接近4.0的GPA，有熟知的教授的推荐信，PS展现了对专业领域的focus和motivation。虽然这个标准非常严苛，但是对于中国申请者来说，也可以大概了解到顶尖学校的选人标准，即使不能全部达标，努力往这上面靠就能最大程度地提高自己的录取概率。申请PhD：套磁和暑期研究让你脱颖而出学校背景+推荐信+数学背景+编程能力+科研活动经历+GPA+托福/雅思/GRE……这些指标孰轻孰重，其实这个事情很难说，因为现在的申请形势是瞬息万变的，几年前的经验已经不太适用，例如前几年 MSRA（微软亚洲研究院） 号称“全国第一留学中介”，去实习的学生大多 能收到很好的录取，但是今年明显已经完全不如去美国实验室做暑研了。而即使是 CS 的大方向每个小方向也完全不同，例如，机器学习方向由于申请者多如牛毛，而且一些会议质量有所下降，某些 A 类会议的一作论文并不能保证你申到 TOP30 的学校，而系统方向的顶会一作则基本让你前程无忧。况且不同学校要求也不同。所以最好的方法是和正在国外念书甚至任教的学长学姐联系，他们可能会了解更多录取的内幕，另外要多和清北、美本的同学交流，他们往往有更好的信息来源。 当然，博世留学作为连接申请者和海外导师的桥梁，在这方面是做得非常专业的，众多CS大神在这里等你来预约。一定要对这些事情指标做个排序的话，牛推/内推 >> 顶 会 论 文 > 实 习 >GPA= 本 科 学 校 >>>TOEFL Speaking>GRE AW>TOEFL>GRE。当然，牛推和内推是可遇不可求的，申请者除了在暑期研究或者学术会议的时候去认识一些大牛教授，平时并没有很大的机会，这也是为什么海外本科优势更大的原因。尽管推荐信放在这么重要的位置，并不意味着后面几项就可以不下功夫了，而且在中国申请者这个pool里，这一项基本都可以忽略不计。一个得到了美国大牛教授强推的人，一定是和他合作发表了若干篇高水平论文，且经常用流利的英语和他谈笑风生，另外大牛之所以同意他来组里做科研，也是因为他在名校上学且有着很棒 GPA 和实习经历。所以这些变量都是强相关的，说推荐信重要是因为在审材料的时候非常看重推荐信，因为这往往反映了学生的综合实力。而且在多如牛毛的背景各异的申请者中，很难通过其他因素来快速判出高下。例如，南大的前 3 和清华的前 20 谁更好？ 均分 90 的同学虽然只排十几名，但分数真的比 92 分的第一名差很多吗？这时候，人们就会倾向于相信自己认识的人和认识申请者的人。申请硕士/PhD：时间规划大一大二是最宝贵的大学时光，很大程度上决定了你留学申请的硬件：GPA。对于CS申请者来说，最好的规划是尽量在大一大二保持均分85左右，特别是CS的专业课，有精力和机会的话，还应当多修读一些数学课和统计课程。如果是要去美国留学，大三就要开始准备托福和GRE了。特别是GRE考试要求的词汇量非常大，需要一个比较长的准备周期。 如果是去美国之外的国家留学，也要准备托福或者雅思的考试了。同时大三又是专业课最多的时候，时间规划非常重要。大三暑假也是很重要的时间点，这是准备留学申请的冲刺阶段了。 如果语言成绩考试分数不够，要抓紧时间刷分。同时根据自我发展的规划，定好自己的意向学校，对照各项留学申请的要求，查漏补缺。 比如科研经历缺乏，比赛经历空白，或者还没有跟系里的老师深 接触过，推荐人还没确定......大四一开始，申请季就来了，有的学校12月中旬就截止了。联系推荐人，准备文书材料(PS+CV)，填写网申，英语成绩送分，准备套磁，邮寄书面材料，准备面试，办理签证，行前准备......如果没有充分的准备，你将手忙脚乱。学科前景每天都有人惊呼互联网改变生活，事实上互联网科技公司也在逐步传统经济。当今市值超过5000亿美元的公司，有谷歌的母公司（Alphabet），微软，亚马逊，腾讯，Facebook，阿里巴巴等，今日头条等新兴科技公司发展势头也不容小觑。这些高科技公司每年创造者数以万计的工作岗位，使得Computer Science成为现今最为火热，前景最好的学科之一。从就业的角度而言，计算机工程方向的学生的对口就业职位是软件工程师，即人们所常说的“程序员”。基于不同的细分方向，和个人对于不同工具的熟练程度，可能分成前端工程师、后端工程师、数据库工程师、算法工程师等等。其主要职责在于基于设计文档，利用某种特定开发工具，将设计思想实现为产品。随着工作年限的增加，软件工程师可能进阶成为高级工程师、系统分析师、系统架构师等，也有相当部分的工程师在晋升过程中转为技术管理岗，即研发经理、产品经理、售前（方案）工程师等等。走学术路线的话，科研院所和高等院校是这类学生的一个主要去处。特别地，由于大学里教席通常有限，进入大专院校前有可能需要做一期博士后，以进行更深入的科研训练。然而，近年来，随着人工智能称为社会热点，业界开始意识到理论研究可以成为公司经济效益的增长点，于是对研究型人才的需求呈爆炸式增长，很多公司将研究和开发的概念进行融合，将算法的创新作为公司的主要竞争力。于是，我们可以看到各类从事人工智能领域的公司，都为研究型毕业生留有一席之地，并且薪资丰厚。留美工作相对于国内互联网公司的996甚至007的工作模式，北美的“码农”们享受着到点就打卡下班的福利。良好的work-life balance，完善的福利体系和10万美元起的年薪，让很多CS的同学毕业之后选择留在了美国，成为一个标准的美国中产阶级。一般来说，常见的岗位名称包括软件开发工程师（SDE），数据科学家（Data Scientist），机器学习家（Machine Learning Scientist），移动端工程师（Mobile Engineer），前端工程师（Front-end Engineer），产品经理（Proct Manager）等。举例来说，SDE是互联网公司需求量最大的岗位，每年Amazon，微软，谷歌等高科技公司都会招聘成千上万的工程师。一般这些互联网公司都集中在西雅图或者加州的湾区，起薪范围在14万美元左右。拿Amazon来说，SDE 1的起薪为14万美元左右，股票价值10万美元左右（分四年给），再加上4万美元左右的签字费和1万美元左右的签字费。特别优秀的可以拿到SDE 2的待遇，基本上在SDE 1的标准上可以上浮10%-20%。在积累几年经验之后，跳槽之后拿到20万美元年薪的也不在少数，回国拿到50-100万人民币年薪的也非常多。现阶段正是美国经济复苏的好时期，留学生毕业后有很多的工作机会，尤其以CS专业最为火爆。不论是硅谷/西雅图还是华尔街，软件、互联网、金融公司给CS专业毕业生的薪资水平连续两年超过10%的增长，加上灵活的工作签证和绿卡制度，吸引着许多同学转专业学CS，加入到求职大军中来。一般来说，大家欲通过面试进入科技公司，需要先投简历拿到电话/校园面试。一到三轮电话/校园面试之后表现合格的，公司会买机票邀请到总部进行Onsite面试，再进行四到七轮面对面的廝杀之后，就有机会拿到Offer。第一步拿到面试，需要有比较过硬的简历，并且找到和自己的背景对口的职位，如果有相关实习经历会非常有帮助。拿到面试之后，就要想办法搞定面试官了。一般来说面试内容分三类：个人背景 (之前的项目经验和专长）、知识题和代码题。Master的同学们会有更多的代码题，PhD 同学们会被问到比较多的科研内容。个人背景的提问很好准备，根据自己之前的经历，画出四乘四的表格，写出简历上的三到四个项(实习、科研、大研等)，在表格中填好每段经历的四个问题：“遇到了什么困难，怎样克服”、“有趣、最闪光的点”、“掌握了什么技术”以及“如何体现了团队精神”，把这个表格牢记在心即可。知识题一般是考察对基本概念的熟悉程度和CS背景是否扎实，金融公司喜欢问一些C++相关的，互联网公司可能会问一些大规模/多用户应用相关的。代码题是最后决定性的一环，需要花一些时间好好准备，熟悉常见的数据结构和算法。 —般来说，45分钟的面试，要在白板或者在线文档里写出两道中等难度的算法题，做出最低的时间和空间复杂度，没有Bug，就算合格。《Cracking the Coding Interview》、《算法导论》和 leetcode.com 都会很有帮助。有了足够的练习，先问清楚题目，然后向面试官简单描述自己的解法，如果对方觉得可行，就高速高质地把code写好，边写边和面试官交流，最后把结果做出来。可以说，这是Computer Science最好的年代，互联网+的繁荣和产业资本的推动，改变了每个人的生活，也改变了很多中国学生的命运。如果你也想留学北美学习CS，加入这些耳熟能详的互联网巨头，就赶紧预约博世留学的各位CS大神导师吧。

对于美国计算机硕士的学生，对于计算机行业始终抱有一种怀疑的态度，究竟美国硕士计算机专业有何好处，在美国研究生计算机专业的学生到底收入如何?现在就让我们看看美国计算机研究生到底具有哪些优势，收入又怎样?一、STEM专业的毕业生在H1B抽签时比其他专业学生占有较大的优势留学生们对STEM专业都有一些了解，STEM专业的毕业生在H1B抽签时比其他专业学生占有较大的优势，美国劳工部在2016年的H1B工签申请报告中表示，计算机相关职位占据70%甚至更多的比例。因此对于一部分毕业后想要留在美国的同学们来说，选择计算机专业无疑会增加自己留下的机率。同时美国最热门的专业中计算机行业的薪资待遇也远远高于中等水平。二、回国发展，美国研究生计算机专业人才被市场所需要另外还有一部分留学生会选择回国工作，相比扎堆申请的商科类专业，计算机专业的毕业生似乎会更有市场。近年来，中国互联网、IT行业发展迅速，在这个高速发展和上升时期，自然对于计算机专业的人才需求也更大，还有一小部分学生会选择回国创业，都是因为该领域的市场前景较为广阔。三、美国计算机硕士主要就业方向多样化，可根据自己爱好进行合理规划关于计算机专业毕业生的就业方向，主要有软件开发、软件测试、平面设计、动漫设计、网络系统管理、信息系统设计、通信系统研究等等方面，可以根据自己不同的兴趣爱好去规划职场之路。四、美国部分大学计算机专业硕士，工资呈现良好的发展趋势根据美国加州大学洛杉矶分校统计，美国计算机硕士毕业在美国就业工资呈现以下趋势，且就业年龄越高，工资也翻倍增长。毕业2年内，学生的平均年收入达到了 $ 41,100,其中只有25%的学生年收入在22,400以下，25% 的学生年收入在$61,300以上。毕业6年内，学生的平均年收入达到了 $ 59,200其中25%的学生年收入在$ 36,700以下, 25%的学生年收入达到$88,600以上。美国留学计算机硕士硬件学术要求：　一、关于gpa的要求1、GPA/排名GPA是指大学期间的平均绩点，通常来讲，学校主要考察申请人的总GPA，即根据成绩单上列出的所有课程计算出的平均绩点。当然对于硕士及博士申请人来讲，专业课的成绩要更加重要。2、最低GPA 要求对于硕士申请人来讲，几乎所有美国大学的最低GPA要求都是3.0(4分制)，按国内百分计算应该在平均分80分以上。对于PH.D申请人来讲，GPA最低要求为3.5，远远高于硕士的要求。当然每年也有一些GPA低于最低要求而被录取的案例，说明学校还是会综合考虑申请人的整体背景。3、平均 GPAGPA达到学校的最低要求不意味着就一定能被录取，根据学校的录取统计数据来看，CS专业排名TOP10的学校，录取的平均GPA大都在3.5以上，部分学校甚至达到了3.7。对于衡量学校的申请难度来讲，平均GPA比最低GPA要求更有实际意义。4、排名美国顶尖的大学非常喜欢学习成绩优秀的学生，如果成绩排名达到10%、5%、3%，则被视为成绩非常优秀，这种情况下建议申请人开据排名证明，会对申请有非常大的帮助。虽然前十名的学校中大多数宣称在4.0中获得3.0以上的GPA就足以申请，但根据历年的实际经验，成功申请TOP10计算机专业的GPA一般都在3.6以上，个别学校的入学新生平均GPA可达3.8。　二、标准化语言考试语言成绩是申请必备的，申请美国一般建议提供IBT成绩，但是目前美国TOP100的学校当中有65%以上的学校同时认可托福和雅思成绩，因此雅思成绩也可以用来申请。1、IBT(托福)总分要求：对于计算机专业，美国TOP100学校IBT最低总分要求为80分，TOP50学校的IBT要求在90左右，部分顶级学校会要求IBT100以上。以美国综合排名TOP50学校为例，建议IBT考到90+。单项要求：部分学校除了总成绩要求之外，还有单项要求，一般来讲，建议IBT单项不低于18，最好单项都能上20。2、IELTS(雅思)：通常需要考到6.5以上，单项不低于6。部分学校会要求雅思成绩达到7分。三、gre考试(美国研究生入学考试)GRE考试是美国研究生入学考试，考试成绩可以用于理工科、文科的研究生及博士入学申请。如果准备申请美国的CS专业的硕士或博士学位，是必须提供GRE考试成绩的。1、GRE综合总分要求：就CS专业来讲，美国大部分学校都并未给出GRE总分的最低要求，但根据学校往年的平均录取GRE成绩来看，美国TOP100的学校建议GRE成绩不低于300，如果希望进入TOP50甚至TOP30的学校，GRE成绩至少要达到315以上。单项要求：理工类专业都非常看重学生的数学能力，通常来讲，Q部分会要求达到151以上，V部分达到140以上，写作部分则不是考察重点达到3或3.5即可。2、GRE Sub专项CS专业的学生无需参加Sub考试，如果是其他专业转申计算机的，建议参加计算机的Sub考试。美国留学计算机硕士软件背景一、专业背景CS专业非常看重申请人的专业背景，许多顶级学校都要求申请人必须有计算机的学士学位，或者是修过计算机的核心课程。二、匹配专业计算机科学与技术、软件工程以及其他计算机相关专业。国内这些专业的本科阶段课程基本涵盖了CS的核心课程，这些专业背景的学生可以认为是专业完全匹配的。三、学校背景就是你出自的学校，很现实的事，出身绝对重要!一般名校是只看国内top10的学校，看其他国家也是，如果不是top10出身，又没有其他特别突出的强项，那么也不建议申请。　四、学生研究能力美国大学招生最主要是看学生的研究能力，通俗讲就是看你能不能给老板干活。这里的论文主要是指国际会议的英文论文，至少在一些较正规的会议上有文章(如果审查委员会知道这些会议的话)绝对会大大增加录取机会!至于期刊，除非在JCST,软件学报，计算机学报之类的有文章可以强调一下难度，其他的中文期刊，有也只是廖胜于无。五、工作实习CS是一门非常看重实践的学科。如果有高质量的计算机方面工作经验、实习经验，甚至是在学校内参与的编程项目，都会对申请有很大帮助。如果你要是有谷歌、微软、IBM、百度这些巨头的工作或实习经验，将比一般申请人有很大优势。六、海外交流美国大学非常喜欢具有跨文化交流经历的学生。如果申请人有海外的工作、学习、交流经历，会对留学申请有很大帮助。有过留学、海外交换生、游学甚至是海外夏令营等经历的申请人，可以在文书写作中对相关经历做体现。　七、荣誉/奖项/经历国外教授最青睐的荣誉/奖项就是数模竞赛和数学竞赛了，当然是全国级的，世界级的更好。其它比较重要的经历如MSR等研究经历也还不错。此外可能一些重要奖学金，甚至于学生干部/其它特长(很重要很突出)之类的经历，也都对申请有帮助。八、推荐信推荐信其实国外教授还是看重的，如果有比较强的support的话(看你的推荐人，以及里面的写法)还是很重要的。从某种程度上来说，其实大家应该更重视推荐信甚于ps!当然由于国内众所周知的原因，可靠性会打一定折扣，但如果你的推荐人牛，或推荐老师很负责或你的内容组织的好的话，还是比较重要的。对于美国计算机专业，随着留学潮的兴起申请条件也越来越严格，所以想要申请美国计算机专业硕士务必要比其他人提前做好准备! 以上就是智课选校帝为大家整理的内容，希望对大家有所帮助。了解更多出国留学相关信息及最新动态尽在智课选校帝，祝大家学习进步，一切如意。