美国计算机硕士读几年

今天优弗留学小编想给大家分享的是关于美国留学读计算机硕士学校的难度分析，有想要去美国留学读计算机硕士的同学有没有对相关的院校有一个大概的了解呢？话不赘述，有需要的同学赶快和优弗留学小编一起来了解一下吧！一、难度五颗星1. Princeton University普林斯顿大学的计算机系申请时只能申请M.S.E. ，M.S.E.是两年的项目，需要完成论文。但研一下学期，可以申请转到Master of Engineering (M.Eng.)项目，这个项目不需要完成论文。学校非常看重申请人出身，特别青睐清华北大的学生。、2. Harvard University哈佛工学院相对比较小，CS方面的教授也比较少，计算机专业设置在工程与应用科学学院(School of Engineering and Applied Sciences)，学校偏向于招收清华北大的学生。3. Yale University耶鲁大学的计算机系，设置在文理研究生院，提供Master of Science学位，你可以选择常规的培养方式，也可以选择Bioinformatics 或 Computing and the Arts方向。区别在于，后者需要有教授带着你完成一个研究项目。申请者三围(GRE,TOEFL,GPA)和研究背景都很强才可申请。4. Stanford University斯坦福大学的计算机专业非常受欢迎，竞争非常激烈。斯坦福大学的MS Computer Science项目，要求申请者三围和研究背景都很强，建议不要盲目申请。5. University of California-Berkeley伯克利的计算机专业，设置在Electrical Engineering &Computer Science系。M.S. (M.S.), 即研究型硕士，近年来不在大陆招生。大陆学生建议申请M.ENG.项目，需要比较强的计算机技能和工作能力。6. Carnegie Mellon UniversityCMU拥有全世界最大的计算机学院，申请者需具备较强的数学、编程和逻辑推理能力。如果特别想去这所学校，建议同时申请MISM Program或者MS in INI Program，他们不在计算机学院，难度相对小一些。、7.University of Illinois at Urbana-Champaign香槟分校的研究型计算机硕士MS CS，可以为将来申请Ph.D.做准备。申请人的GPA普遍高于3.7/4.0。申请难度巨大，可以考虑申请职业导向型的MCS项目，会容易一点。二、难度四星半1. Columbia University哥伦比亚大学的计算机系分为MS in Computer Science(MS CS)，MS in Computer Engineering (MS CE)两个项目。如果你的三围在3.6+/4.0、105+和325+，也有较强的研究背景，你可尝试申请MS CS，如果相对弱一点，可以考虑申请MS CE。2. University of Chicago芝加哥大学的计算机专业，提供Masters Program in Computer Science (MPCS)项目，并且有实习。芝加哥大学的MPCS注重工作技能培养，并且可以接受各种转专业申请。3. Duke University杜克大学的计算机系，有两种类型，a course-only MS(授课), or a thesis or project based MS(论文或者项目)。杜克大学申请的人还是比较多的，但是想要拿到offer也不容易。4. University of Pennsylvania宾大的计算机系叫做Computer and Information Science(CIS)，提供的以下硕士项目： MSE in Computer and Information Science，MSE in Computer Graphics and Game Technology，MSE in Robotics 和Master of Computer and Information Technology。宾大计算机科学在其工学院内一枝独秀，竞争非常激烈。、5. Northwestern University西北大学的计算机专业，设置在Electrical Engineering and Computer Science系，这个系开设了三个专业，即EE, CE和CS，其中CS的申请难度最大。西北大学建议尽早申请。6. Cornell University康奈尔大学的计算机系，提供了MS和MEng两个学位，难度都很大。建议大家申请稍微容易一些的MEng项目，这个项目虽然时间比较短，但是并不影响，你可以去了之后将该项目的时间延长到MS项目的时间。7. University of California-Los Angeles洛杉矶的计算机系，有两种硕士学位：论文型和综合性考试型。学校对三围有明确的要求，TOEFL总分87+(写作25+，口语24+)，录取学生的平均GPA将近3.7+/4.0，GRE单项平均分：V: 157; Q: 167 ;AW: 3.7。另外，申请人还需要很强的计算机专业知识和研究背景。8. University of Michigan-Ann Arbor安娜堡分校的电子工程和计算机系分为：CSE，和ECE，它们各自招生。通常录取的人GPA3.5+，托福100+。传统工学强校，就算综合排名稍低，但并不容易申请。、9. New York University纽约大学的研究生院，开设了计算机专业，其硕士项目有：MSCS 和 Masters in Information Systems ，大学地理位置比较好，申请人不少。10. University of California-San Diego圣地亚哥分校的计算机系，叫做CSE，分成CS和CE两个专业。官网上显示，每年这个系会收到大约2700份申请，而且比较看重申请人的研究背景，所以竞争是非常激烈的。11. University of California-Irvine欧文分校的计算机系，设置在Information and Computer Sciences学院。其计算机硕士项目，可以选择完成论文或者参加综合性考试。虽然欧文排名很低，但是特别受中国学生欢迎，年年爆满。不是很自信的同学，建议申请电子工程和计算机学院(EECS)的MS Computer Engineering项目,容易不少。三、无星胜有星Massachusetts Institute of Technology麻省理工学院的计算机专业，设置在Electrical Engineering& Computer Science系，它的Masters of Engineering项目只对本校优秀的本科生开放。对于国际学生来说，只能申请doctoral program，如果想申请其博士项目，你需要特别优秀，而且有教授愿意要你。、关于美国留学计算机硕士学校的分析优弗留学小编就分享到这里了，希望可以帮助到想要去美硕留学读计算机专业的同学们。祝大家阅读愉快！

达特茅斯学院一位美国达特茅斯学院毕业毕业生的自述。Dartmouth College（达特茅斯学院）位于美国东北部新英格兰地区的New Hampshire（新罕布什尔州），一年中有将近五个月的漫长冬季。从学校向北开车三小时可以到达加拿大的Montreal（蒙特利尔）大都市练习法语口语，往南开车三小时可以到达美国Massachusetts州的港口城市Boston吃小绵羊火锅。Dartmouth成立于1769年，作为美国常春藤大学联盟之一，在U.S. News的美国本科院校排名榜中占第11位。起始：抱着对计算机的好奇心在开始大学生涯之前， 我对计算机这一门学科的接触不多，唯一记得的大概就是中学时代上计算机课时用Visual Basic写过几个小程序。用周围爸爸妈妈的话来讲，就是远远地输在了未来要当程序员的起跑线上。不过对于这一切，当时的我是并不知道的。Dartmouth一年有四个学期，也就是美国俗称的Quarter System。每个Quarter学期的时间是10个礼拜上下，一般修3门课，一门课一个学分。毕业时每个学生要修满36个学分，并且有三分之一的课程（12个学分）是致力于某一个专业。Dartmouth有一点不同于其他七所常春藤联盟学校，它属于Liberal Arts College（文理学院）。Liberal Arts College有一个我很喜欢的地方，就是刚进大学的前两年可以自由选修不同领域的课程，发掘自己的兴趣爱好，找到合适的专业。然后，在大二结束之前必须确立好专业，用剩下两年的大学时间来主修自己的专业课程。每年的春季学期都会有一门计算机入门课，叫作CS5 Introction to Computer Science。抱着对计算机的好奇心，我在大一春季修了这门课。因为CS5是计算机入门课，选课的同学还是很多的，人数大约在70人左右，是我在计算机系修过的人数最多的课程了。CS-计算机科学专业CS5比较hands-on，一半是学习Java这一编程语言，另一半是通过Java编程为媒介来学习递归、模块化编程、面向对象编程的概念，同时还涉及了一些用户界面实现的内容。一个学期10个礼拜，每个礼拜3堂课，包含了11个short assignment，5个lab assignment，2个期中考试和1个期末考试。Short assignment的概念是正常花1到2个小时就能完成的编程作业。Lab assignment是相当于完成3到4个short assignment作业量的任务，涉及到编写比较大的程序，代码量在500-1000行左右。考试的话就是一个小时的试卷答题。课程还配备一个Teaching Assistant (TA)和多个Section Leaders (SL)。TA会在每周固定的时间设置office hours，学生可以在office hour时间去找TA开开小灶，对课上未能理解的内容提问求解。而Section Leader则会负责对学生讲解short assignment和lab assignment的需求，并为这些作业打分。TA主要来自计算机系的研究生，而SL主要来自上过该门课程并且当时成绩是A的高年级本科学生。现在回想起来，我对TA没什么印象，应该是从来没有去过office hours。SL倒是还记得，是一个叫Luke的高年级学生，经常在作业布置的时间迟到早退，一副无精打采的样子，批作业也是经常出错，常需要找他去改正分数。说到分数，不得不说明一下，美国大学是按Grade Point Average来计算成绩的，也就是俗称的GPA。课程得分为A对应的point是4.0，A-是3.66，B+是3.33，B是3，以此类推。大学四年毕业的时候满分是4.0，也就是全部都拿了A，用现在时髦的话讲是学霸级人物的存在。CS5这门课，如果是100分的总分，只有拿到92分以上才能拿A的成绩，因为这门课学生的成绩普遍都比较高。学生对于包括10%的上课出勤分在内的每一分都是很在意的，所以对于作业或者考卷被扣错分数是无法容忍的，这大概也就是为什么我到今天还记得当时修这门课的SL。进阶：定义功能需求与开发实现虽然修CS5的整个体验中有些小小的不愉快，但我还是受到了how to solve problems computationally的启发，产生了一种想要去学习更多的热情。于是乎，在大二的第一个秋季学期，我修了第二门计算机课程CS 8。CS 8也是入门级的课程，但是它的curriculum在当时是全新的，是用Haskell语言编程来学习Functional Programming。能够学以前别人没有学过的内容总是很令人兴奋，课程的内容也很丰富，包括用Functional Programming来实现动画，分析生物序列，搜索社交网络，解析和操纵HTML，识别数据集群，解决Sudoku难题，编写俄罗斯方块游戏等等。记得当时第一个Lab任务就是用递归的方式去画一个雪花fractal，如图所示，短短50行Haskell代码，就可以画出这么一个界面上显示复杂但是逻辑很清晰的图形，在当时觉得非常的酷。一个学期学下来，最后一个Lab从UI设计到代码编写完成了一个俄罗斯方块的游戏，如图所示。对于这个Lab的印象我也比较深刻，因为花了很大力气去自定义和完成了extra credits的功能来获取附加分。既担任了产品经理的角色来定义功能需求， 又担任开发实现了这些功能。同时也第一次深刻地认识了80:20 rule。做出一款产品去实现基本的功能或许只要花20%的力气，但要去把这个产品做好做精彩，却要付出80%的力气，甚至更多。一路前行，保持谦虚谨慎的心态很重要。修CS 8这门课的时候，我会经常往计算机系的实验室跑，在那里见到过Douglas Mcllroy，著名数学家和工程师，Unix系统里的很多命令行工具都是他开发的。以及算法导论“Introction to Algorithms”这本书的作者之一的Thomas Cormen。Douglas是一个很安静的人，每次路过他办公室的时候都看到他静静地写着一些代码。Tom则很风趣，很喜欢和学生们讲美食，每年的夏季学期他都会在他家的院子里组织一个盛大的Barbeque，他和他的太太会一起烹饪食物，邀请计算机系所有的老师和学生来品尝。我开始喜欢上了计算机系的氛围。在接下来大二的冬季学期里，同时修了两门计算机课程，CS19 Discrete Mathematics in Computer Science 和 CS 23 Software Design and Implementation。CS 19是一门理论课，偏向计算机方向的离散数学课。 而CS 23则是注重实践的软件设计和开发课程。 CS 23让我接触了C语言，并用10周的时间从novice变成了一名C语言小能手，上半学期编写了一个Web Search engine，包括web crawler、document indexer和query engine三个部分。 下半学期编写了一个Robotics应用，通过与电动玩具车上装有的wireless sensor API沟通，从而实现操纵玩具车行驶并沿途打开摄像头拍摄照片的功能。人工智能、拓扑学、算法思维整个冬季学期比较深的印象就是一天课上好以后傍晚去计算机系实验室开始写程序，到差不多凌晨1，2点钟开始离开实验室，看着漫天大雪飘落，又给整个校园覆盖了一层新的银装的画面。那个时候头脑会觉得特别清醒，如果适逢正好又把程序跑通了的话，会特别地开心，会顺道去附近的fraternity喝一杯social一下。刚才说到过CS 19，是一门计算机理论课。我在这门课中认识了我未来两年的计算机“导师” Afra。跟着Afra在大三修了他的 CS 44 Artificial Intelligence 人工智能，CS 85 Computational Topology研究生课程计算拓扑学，以及大四的毕业论文课程。CS 44还是一贯保持着编程的重心，写了偏向搜索、逻辑、概率推理，以及通过神经网络做人脸识别的多个程序。而CS 85则是非常的难，我记得当时全班只有五个学生，如果少一个学生，那么课就开不了了。我也算是支持我喜欢的教授去修的这门课。我已经不太记得自己当时是如何去度过那一个学期，有很长一段时间看着桌上的咖啡杯都感觉它是一个非常美味的甜甜圈，想要一口吃下去。之后的两年的大学生涯，我陆续修习了Introction to Algorithms，Theory of Computation， Operating System，Machine Learning and Statistical Data Analysis等课程。学会了用算法的思维综合考虑时间复杂度和空间复杂度去寻找最优的方案来解决问题，去够判断什么样的问题是NP-Hard，并编写一个简单的操作系统，运用一些机器学习的方法和模型去做一些数据上的预测和分类等等。那是一段非常快乐且有些孤独的时光。如果别人告诉你美国大学生是不在乎成绩的，那绝对是个笑话越往上修高级的课程，需要花的精力越多，自己的思维逻辑和编程的能力也会变得越强。但同时，同年级的同学也会变得越来越少。从一开始的CS 5班上有70个学生，到大二以后基本上修的每一门计算机课不会超过15个学生。Dartmouth每年大概会招1000-1200位本科生，但是每年毕业的计算机专业学生不会超过20个，淘汰率如此可见一斑。大部分的美国大学都会给予想留下来继续读硕士的大四学生一定的优待，Dartmouth也不例外。本科四年一般只要再多读一年完成一个4+1项目就可以拿到计算机硕士学位。而外校的报考生却要花至少两年才可以。尽管如此，愿意留下来读计算机硕士的Dartmouth本科生却是少之又少。一是因为大家能在计算机系的实验室写满四年程序差不多都已是到达了极限，已经迫不及待加入Google、Oracle这样的对口公司快乐地工作起来。二是Dartmouth全校的硕士Program很小，学校本身注重的是对本科生的教育，不像麻省理工或者斯坦福那些注重研究生教育的院校，硕士生在校园里反而没那么强的归属感。去任何一个美国的一流大学，大学四年都不会轻松。如果选择了计算机专业，就要付出更多的努力。每一门课的分数matters，大学四年最后的GPA matters。如果别人告诉你美国大学生是不在乎成绩的，那绝对是个笑话。我读大三为CS 19的教授打工做grader给学生批作业和试卷的时候，每周都会有学生来找我， 希望给做错的题目少扣点分。因为，大部分的一流公司每年校招只去一流的大学招生，并且对学生都会有GPA cutoff标准。如果GPA分数不到，那么简历就会被丢弃，电话面试的机会也不会给。但不管分数有多重要，既然选择了计算机专业，还是要尽可能多地去have some fun，不管是lecture上听教授讲课的时候，TA office hour求助解惑的时候，还是深夜和同学们在实验室一起编写程序的时候。 只有自己喜欢，才会有动力坚持到底。读计算机专业如此，人生中的很多其他事情也是一样。美国留学选校定位想试试以自己的GPA和语言成绩能申请到美国计算机专业多少排名的院校和专业？可以使用留学志愿参考系统（如下小程序）一键定位。使用方法：把你的基本情况(GPA、语言成绩、专业、院校背景等)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，看看他们成功申请了哪些院校和专业，这样子就可以看到你目前的水平能申请到美国什么层次的院校和专业了，对自己进行精准的定位。

有打算申请美国计算机研究生的同学和托普仕一起来看一下申请条件有哪些吧！美国研究生计算机专业申请条件1、学历要求：要求申请人为大学本科毕业并获得学士学位证；2、GPA要求：要求申请人的大学GPA成绩不低于3.0分，平均分不低于80分；3、成绩排名要求：要求申请人在大学成绩排名在10%;4、托福要求：要求申请人的托福成绩不低于80分；5、GRE要求：要求申请人的gre成绩不低于300分；6、背景要求：要求申请人的大学专业为计算机专业，或者修过计算机课程；美国研究生计算机专业大学top101、卡耐基梅隆大学2、斯坦福大学3、加州大学伯克利分校4、麻省理工学院5、伊利诺伊大学厄本那香槟分校6、华盛顿大学7、康奈尔大学8、佐治亚理工学院9、普林斯顿大学10、德克萨斯大学奥斯汀分校文章来源托普仕：http://www.topse.com/apply/23928.html

刚毕业参加工作，就拿到年薪201万元！今年夏天，华为“天才少年”项目，引发了全网关注。华为招募的“天才少年”，工资都是按年度工资制度发放的，共有三档，最高年薪达201万元。目前，全球仅四人拿到华为“天才少年”最高一档年薪，分别是：钟钊（本科毕业于华中科技大学软件工程专业，博士毕业于中国科学院大学模式识别与智能系统）； 秦通（本科毕业于浙江大学控制科学与工程，博士毕业于香港科技大学机器人方向）； 左鹏飞（本科和博士毕业于华中科技大学计算机专业）； 张霁（博士毕业于华中科技大学计算机专业）。这四名天才少年的学习背景无一例外都是目前最火热的AI、计算机和数据方向，有着计算机背景。这也再次证明了为何如今这么多学生对计算机专业而如今去美国留学最热门的专业是什么呢？答案也是CS（计算机科学），没有之一。作为美国目前薪资最高、就业最广的专业，CS显然是大家走向人生巅峰的最佳选择。根据统计数据，美国软件工程师的平均年收入是8.9万美元。高级软件工程师的年收入在9.8万美元以上。CS专业，即Computer Science，计算机科学专业。因研究领域极其广阔，我们将其下属分支总结为14个主要方向：系统与网络（System and Network）人工智能与机器人（Artificia Inteigence and Robotics）计算机隐私与安全（Privacy and Security）编程语言（Programming Anguage）数据库（Database）计算机图形学（Computer Graphics）生物信息学与计算生物学（Bioinformatics and Computationa Bioogy），算法（Agorithm）计算机理论（Computer Theory）科学计算（Scientific Computing）软件工程（Software Engineering）计算机视觉（Computer Vision）计算机体系结构（Computer Architecture）人机交互（Human Computer Interaction）近几年，众多美国大学也看到了市场对计算机人才的需求，纷纷开始加大相关投入：西北大学报名计算机入门课程的学生从40多人次增长到400多人，大学还计划在未来5年将相关教师人数增加20名；在华盛顿大学，最近微软、亚马逊、Zillow和其他公司共同捐赠并资助建立了一个9000万美元的计算机科学和工程大楼；作为计算机科学专业排名最高的大学之一，UC Berkeley电气工程和计算机科学的本科人数已经从1133名增长至2546名，据统计光是计算机科学专业学生人数从2011年到2015年就增长了95%。那么问题来了：CS专业哪家强？我们来看美国的“蓝翔”！第一阶梯：超级名校1卡内基梅隆大学科研实力CMU是全美乃至全世界最大的计算机学院。对于一般的美国院校来说，计算机科学只是设置为一个系，即Department of Computer Science，然而，CMU对CS的建设非常有诚意，直接就开设成为了一个院School of ComputerScience。研究方向相当全面，研究水平也相当高，你能想到的计算机方面的研究、分支它基本都有，而且还有许多你闻所未闻、十分前沿的研究方向。CMU的计算机科学学院，最新的设置是下面设有八个系，分别为：1. 计算机科学部门（Computer Science Department）2. 人机交互研究所（Human-Computer Interaction Institute）3. 娱乐科技部门 （Entertainment Technology Center）由计算机科学学院和艺术学院共同组建4. 计算生物学部门（Computational Biology）由计算机学院和梅隆科学院合办5. 软件研究所（Institute for Software Research）Master of Software Engineering就开设在其中，还有Information Technology等等6. 语言技术研究所（Language Technologies Institute, LTI）7. 机器人研究所（The Robotics Institute）8. 机器学习部门（Machine Leaning）研究领域及出路：基于研究人员的庞大，本校涵盖了计算机科学的所有研究方向，不单细致地做每一个研究方向，并且将这些研究方向的应用也有较为深入的研究。在所有这些方向里，尤其是软件工程方向，CMU的软件工程专业被喻为皇冠上的明珠，所以这个方向也是史上最难申请！地理位置CMU现在有两个校区，主校区位于宾州的匹兹堡，还有一个校区比较新，是2002年在硅谷开设的一个新校区，简称CMU-SV。主校区地理位置没有什么特别的亮点，反正就在东北部，硅谷的地理位置就比较得天独厚了，所有的顶级公司应有尽有，苹果，谷歌，Facebook，都在附近几千米的距离，要找实习、找工作，确实是太便利了，简直可以说是就在家门口。2麻省理工学院教研实力MIT的CS专业就是以跨学科研究所著名。因此要求到这个学校进行深造的学生不但要计算机学科有一些建树和研究，并且能快速的学习和运用其他领域的知识和成果，并结合CS本专业进行创新研究。MIT的ElectricalEngineering&Computer Science（EECS）是多数该领域人士梦寐以求的地方，EECS院系是MIT的工程学院里最大的院系，拥有大概700多名博士学生。它下面设有四个学位：Master of Science为博士学位之必须阶段，但是学校并不提供最终学位为硕士的学位；Master of Engineering仅仅EE，CS自己的本科生可以申请；Electrical Engineer and Engineer in Computer Science；Doctor of Philosophy and Doctor of Science。3斯坦福大学教研实力斯坦福大学的计算机科学专业属于全美TOP 3，在计算机理论、硬件、软件、数据库和人工智能等各个领域都居于美国乃至世界领先地位。地理位置由于该校地处硅谷，所以历来被认为是最注重理论联系实际的典范，也由于其地理位置和其优秀的学术背景，每年CS院系申请竞争相当激烈。4加州大学伯克利分校教研实力Berkeley的Electrical Engineeringand Computer Science（EECS）拥有一长串的荣誉奖项，在EECS学术界有着非常强的影响力，我们不在此一一列举。该院系有500名硕士研究生和博士研究生，其研究方向有19个分支：人工智能、生物系统和计算机生物学、通信与网络、计算机结构和工程、控制、智能系统和机器人、数据库管理系统、电子系统设计、教育、能源、计算机图形、人机交互、集成电路、微型电子机械系统、操作系统和网络、物理电子学、编程系统、科学计算、安全、信号处理、理论。地理位置靠近硅谷的地理位置不用说，无论是实习还是就业都有着得天独厚的优势。5伊利诺伊大学香槟分校教研实力Illinois的CS既培养研究性人才，又培养进入Instry的人才，其CS方向包括如下几个：算法和理论、人工智能、结构、并行信息处理技术和系统、生物信息学和计算机生物学、数据库和信息系统、计算机图形、视觉和人机交互、系统和网络、编程语言、形式系统和软件工程、科学计算。地理位置虽说UIUC身居玉米地的地理位置不占先天优势，不过从UIUC计算机科学专业毕业的学生在就业市场上依然表现不俗。据领英网站给出的数据，2015年CS专业毕业的学生有283人进入谷歌、226人进入微软工作，另外进入IBM、亚马逊、雅虎、甲骨文、Facebook、苹果等科技巨头公司的人也不在少数。6宾夕法尼亚大学教研实力宾大的CS是和信息科学并在一起的Computer and Information Science。纵观计算机科学和技术的发展，宾大的CS起到了里程碑的作用，因为世界上第一步现代电子计算机“艾尼阿克”（ENIAC）诞生于1946年2月14日的宾大。该系主要的研究内容包括：人工智能、算法、信息管理、软件原理、系统以及计算机理论，其中阵容强大的主要是人工智能、信息管理和软件原理三个方向。地理位置宾大在宾州的费城——美国第六大城以及宾夕法尼亚州人口最多和面积最大的城市，费城有着较为发达的高科技产业和金融服务业，有自己的证券交易所。诸如网络与有线电视公司Comcast、保险公司CIGNA、林肯金融集团等这些实力雄厚的公司也位于这里，这对于CS毕业生提供了很大规模的人才需求。因此，费城对于宾大的CS毕业生来说就业的机会也是比较多的。7哥伦比亚大学教研实力哥大的CS系成立于1979年，研究的领域涵盖了CS领域的各个研究方向，包括：计算生物学、计算机工程、算法和用户界面、机器学习、网络、自然语言处理和语言、安全与隐私、软件系统、计算机理论、视觉与机器人等等。共开设有25个研究小组和实验室。其中，实力较强的专业方向包括机器学习、安全与隐私、软件系统以及计算机理论。地理位置哥大位于纽约曼哈顿，它的声誉以及地置赋予了毕业生的多样的就业去向，包括学术界、工业界；此外，该校有很多工科毕业生包括CS专业的毕业生经常会在该校转读金融类课程以后涉足纽约金融业，有很多选择。纽约作为世界最大经济中心、金融中心、传媒中心，对于CS人才有很大的需求。金融行业对于软件工程师、IT分析师、数据管理员、信息安全专家等人员需求非常大，而传媒行业对于计算机网络、互联网管理员、网络维护专家等人才也有非常大的需求。除了NYC，纽约州能够提供给CS学生就业机会的地方还有：拥有发达的计算机和电子工业宾厄姆顿、银行业发达的布法罗等城市。另外，纽约距离费城只需要不超过2小时的车程。费城对于CS毕业生来说就业的机会也是比较多的。8加州大学圣地亚哥分校教研实力UCSD的CSE近年发展迅猛，拥有一流的研究中心和设备，招募了好几个学术大牛，学术氛围很好。System是UCSD的强项。UCSD的研究方向包括：Algorithms andComplexityArtificial Intelligence, Bioinformatics, Computer-Aided Design,Computer Vision, Data and Knowledge Base Systems, Embedded Systems, Graphics,Meaning and Computation, Network Security and Cryptography, Parallel andHigh-Performance Computation, Processor Architecture and Compilation, SoftwareEngineering, Systems and Networking。地理位置UCSD校园位于La Jolla， San Diego北边的一个下属行政区， 离San Diego市中心还比较远。San Diego确实是一个气候宜人、景色优美的地方。由于靠海，维度又比较靠南，所以冬天不会太冷、夏天不会太热，有加州的充足的阳光，又比北加州气候温和，所以San Diego当地的人都叫这座城市The Finest City。由于学校实力强劲，又地处加州，实习工作都方便找。很多知名大公司也会来UCSD这里招实习、工作，只要你有能力有本事，找工作并不是难事。9纽约大学教研实力CS的特色在于与别系（尤其是数学系）合作非常紧密，CS学生跨学科学习和合作的机会较多，如化学，物理，生物，神经科学，艺术和商学院等。研究内容包括算法与理论，密码学，计算生物学，计算机图形图像与用户界面，形式化方法，机器学习与知识呈现，自然语言与语音处理，网络、操作与分布系统，科学计算。地理位置可参考哥大的地理位置优势10康奈尔大学教研实力CS是Faculty of Computingand Information Science（CIS）里的一个系，Cornell的计算机系历史悠久，其专业实力位居美国TOP 5。主要包括11个研究领域：人工智能、机器人、计算生物学、科学计算、计算机架构与超大规模集成电路、网络安全、数据库系统、系统与网络、计算机图形、计算机理论和程序设计语言。人工智能：这是Cornell的CS里最有实力的研究。从1990年开始，在世界的AI研究领域中始终处理领导者的地位，拥有多个研究小组。计算机理论：Cornell最传统、深入的研究领域之一，研究涉及了全部的计算机理论，旨在发展现代计算复杂性理论,有效的基础图算法,并使用应用逻辑与正式验证构建可靠系统。11密歇根大学安娜堡教研实力实验室比较好进，找老师也比较容易。想拿MS当跳板转PhD的话不错。很多EE的同学在这边也会修CS的课。选课比较灵活。主要的研究领域有ArtificialIntelligence, Computer Architecture, Computer-Aided Design and VLSI,Interactive Systems, Quantum Science and Devices, Software Systems, Theory ofComputation。除了密歇根大学自己的教师之外，由于密歇根大学的名声，以及毗邻底特律“近水楼台先得月”，来自世界各地的客座教授和讲师也源源不断地出现在密歇根大学课堂上。地理位置密歇根大学由3所独立的大学分校组成，这几个校区分别在位于安安娜堡市、迪尔伯恩市和弗林市，这几个校区经济都不很发达，安阿伯市稍好，另两个城市的建设和发展都大大落后于一般的美国地区。近些年来，随着美国汽车工业的逐渐下滑，五大湖地区的工业已经不再据有美国历史舞台的中心地位，密歇根州就业和工作前途已大不如前。12布朗大学教研实力Brown大学成立于1764年，她的CS教育从1979年开始招收研究生，与数学、建筑、生物、经济、工程、认知与语言科学、物理、神经学等有交叉，教授也有可能来自这些系。其中计算机理论和算法是最多教授从事的研究分支，而计算分子生活学是Brown最活跃的分支，研究内容包括计算解剖学，计算生物学，计算神经系统科学等，并与TheCenter for Computational Molecular Biology（CCMB）联合从事研究工作。地理位置Brown大学地处东北地区小州Rhode Island的首府Providence，罗得岛主要的经济产业有船运，制造业与卫生服务业，都有CS的用武之地。距离波士顿约一小时的车程，离纽约NewYork需3个半小时的车程，让其毕业生的就业出路较为多样化。第二阶梯：冲刺名校1南加州大学教研实力42个终生制教授，33个研究教授和30个合聘教授共同组成的强大研究团队，研究小组包括人工智能，数据库与信息管理，图形、游戏与多媒体，并行与分布式计算，机器人、人脑理论与计算神经科学，软件系统与工程，通讯与系统，理论与计算科学。地理位置USC的CS教育在LA是比较受到认可的，经常会有Microsoft、Blizzard、EA、Konami等大公司直接来实验室招聘，并且有较多机会将作品展示给各大公司职业人士，并获得反馈，在此过程中潜在的就业机会也是不容忽略的。此外，从地理位置的角度来考虑，离硅谷6小时车程，就业出路较好。2佐治亚理工学院教研实力Gatech的CS设在College of Computing下，其中有三个School：School of Computer Science，School ofInteractive Computing，School of ComputationalScience&Engineering。涉及的领域很宽广，目前有近两百位教研人员、8个Research Center。Gatech录取后，换老师、换组比较容易，特别第一学期结束，不过鼓励尽早确定自己的研究兴趣。地理位置Tech校园并不是很大，位于亚特兰大的中城（Midtown）地段。亚特兰大就业机会本身就不少。南部第一大航空港、可口可乐总部、CNN总部等等都在，本地机会很多。学院在提供Job Opportunity信息方面做得不错。3德州农工大学教研实力研究领域包括：Human-CenteredSystems, Intelligent Systems, Software, Systems, Theoretical Foundations,Bioinformatics, Brain Networks, Computational Science and Engineering, DigitalHumanities, Security , Emergency Informatics。Master Non-thesis跟Thesis是可以自由转的，所以进实验室机会还是很多的。地理位置德州农工在村里，开车到休斯顿一个多小时。德州主要的工作机会在那个三角区，而德州农工正好在最中间，有地理优势，但就业一般，据说在德州很多人去加州找工作。4加州大学尔湾分校教研实力UCI的CS系设置于该校的信息与计算机科学学院下，是该院最大的系。研究方面，该系涉及到了CS领域下11个研究方向，包括：算法与复杂性，人工智能与机器学习、生物医学信息学、计算机体系结构与嵌入式系统、计算机图形学与可视化计算、数据库与数据挖掘、网络与分布式系统、编程语言与编译、安全隐私与密码学、科学计算以及普适计算。其中，网络与系统、人工智能和计算机安全这几个方面的研究实力最为突出。地理位置加州由于其高度发达的经济市场，为CS毕业生提供了得天独厚的优势。尔湾是美国加利福尼亚州橙县的一个城市，位于该县中部。近几年经济速度增长很快，当地有许多IT企业，UCI的CS学生很容易能找到实习机会，同时也能有较好的就业前景。除此之外，尔湾附近的洛杉矶、萨克拉门托市、旧金山湾区的圣何塞市都对CS人才需求很大。5华盛顿大学教研实力华盛顿大学的计算机专业在全美也是很不错的。首先院系规模较大，在职60名Faculty成员，每年近200位博士在读，还有大量的Master。专业排名也不错，本科计算机专业排名12，各个分支发展比较均衡，其中最强的当属，排名前5，其他分支领域也基本都位列前10。地理位置西雅图作为一个国际著名大都市，也算是美国最适宜居住和工作的城市之一了。首先气候上这里夏天清凉，冬天不冷，风景优美，气候宜人，青山、绿水、空气清新。并且西雅拥有最多世界巨头，像微软公司、波音飞机公司、亚马逊公司、星巴克公司、美国电报电话移动通讯公司、英特尔公司工业园均坐落在西雅图，就业优势显著。华盛顿大学很大一部分毕业生直接进入这些大公司了，在这些公司中，华盛顿大学毕业生所占的比例最大，而且绝对大。6雪城大学教研实力雪城大学的CS系与EE系合并在同一系下，这也是作为雪城的办学特色，因为学生可以跨学科学习。学校非常重视研究能力，学生在学习过程中也有机会参与到研究项目当中。由于EECS合办的原因，该系的研究方向是有比较大的交叉性的，共有17个研究方向。其中属于CS领域的专业方向包括：人工智能、复杂系统、分布式信息系统、高信任设计、计算机科学中的逻辑和逻辑编程、神经网络、程序设计语言、软件工程、系统安全以及计算理论。雪城大学是为数不多的，被指定为NationalSecurity Agency Center of Excellence的高校之一，因此学校在系统安全这一方面的研究很有实力。地理位置雪城大学的地理位置并不很好，位于美国纽约上州中部的城市。城市本身对于CS专业同学来说就业没有很大优势，但是多数学生可以去纽约、宾厄姆顿和水牛城等城市就业。7俄亥俄州立大学教研实力OSU的计算机科学与计算机工程合并在同一个系里，它在计算机研究和计算机教育方面的实力领先，学院长期与校外企业有合作交流。研究领域可以分为7个类别：人工智能、计算机图形学、计算机网络、软件工程，系统，产业及理论与算法。其中Instrial Collaboration（产业合作），是学校以企业IT技术的利用与创新为导向的新兴研究。OSU的CS研究方向中，实力较为出色的有系统、计算机网络、人工智能。地理位置俄亥俄州是美国的另一个制造中心，以制造业为支柱产业，相对来说高科技计算机产业并不是十分发达。比较适合CS专业人才就业的城市或地区有哥伦布市、克利夫兰、辛辛那提。OSU所在地哥伦布市距离Pure大学所在的印第安那州的州府印第安那波利斯市只需要3个多小时的车程；而距离CMU和Universityof Pittsburgh所在的匹兹堡市也只需要3小时左右的车程。地理上的便利使得OSU的CS毕业生在就业去向上也有较多的选择。8莱斯大学教研实力研究领域包括：Artificial Intelligence,Bioinformatics, Computer Architecture, Computer Graphics, Computer Networking,Computer Security, Distributed Peer-to-peer Systems, Embedded Computing,High-performance Computing, Logic and The Foundations of Computer Science,Mobile Networking, Operating Systems, Physical Computing and Robotics,Programming Language Theory, Virtual Machines。教研人员偏少，不足三十位。有两个Research Center。应该是跟近年来偏重本科教育有关。地理位置位于得克萨斯州休斯敦市郊，离市中心仅三英里车程。第三阶梯：保底名校1乔治华盛顿大学教研实力GWU的CS系比较小巧，全系只有20几位Faculty成员。教学方面实行小班授课制，一个班大约只有18个学生，学生与老师之间能够保证较为流畅的沟通与互动。研究方面，该系每年在研究经费上需要花费超过300万美元的经费，主要从事CS专业下8个专业方向的研究：算法与理论、生物信息学与生物医学计算、计算机与信息安全、数字媒体、机器智能与认知、网络与移动计算、普适计算与嵌入式系统、软件工程与系统等。其中，较有实力的方面是算法与理论以及生物信息学与生物医学计算。地理位置GWU位于美国首都华盛顿特区，华盛顿特区是美国的政治中心，它是全美政府机构最为密集的地区，同时也是全美高科技公司最为集中的地区之一，位于此处的财富500强企业很多。它的经济环境能够为CS专业学生带来很多的在政府机关或者相关的高科技公司里实习和找工作的机会。此外，华盛顿特区距离JHU所在的马里兰州最大城市和经济中心巴尔的摩市仅40英里的路程，开车只需要1个小时即可到达；距离宾夕法尼亚州人口最多和面积最大的城市费城仅137英里，大约3个小时的车程。这些大城市对于CS专业人才的就业需求都非常大，因此也能够为GWU的CS毕业生提供很多的就业机会。2佛罗里达大学教研实力UF的CS专业设置在名为计算机信息科学与工程系下，此系同时归属两个大院，College of Engineering和College of LiberalArts and Science。该Department有5个主要的研究领域：计算机图形模拟与艺术，计算机系统，数据库与信息系统，高能计算/应用算法，智能系统与计算机视觉。最热门的两个研究小组是计算机系统和智能系统与计算机视觉。地理位置Florida的Gainesville，最大的吸引力在于风景和气候，学生的住宿条件非常优越，消费低廉，不过就业市场不是很发达。官方报出来的数据，刚毕业的学生年薪4万左右，相比全国平均水平来说略低。较好出路的学生都是远赴加州或纽约等地就业较多。3伍彻斯特理工学院教研实力WPI的CS主要研究的是：算法分析、信息安全、人工智能、机器学习、移动计算、人工智能设计、自动演绎、协作过滤、组合学、计算机协助认证、游戏、电脑图形图像、多媒体、自然语言处理、网络/分布式系统、面向对象软件、操作系统、性能评估、编程语言、计算机视觉和图像处理、机器人、数据库系统、软件工程、数据挖掘、计算机理论、图论、可视化、人机交互。研究最热门的是人工智能、人机交互和网络/分布式系统。MS课程招生有两个方向，分别是Computer/CommunicationsNetworks Program和Computer Security。地理位置伍斯特理工学院位于美国东北角麻萨诸塞州的伍斯特市。麻省在50年代后开始重点发展电子、电器、仪表等工业。波士顿是最大的制造业中心，其次是中部的伍斯特和西部的斯普林菲尔德。伍斯特前往波士顿的交通非常便利，一个小时的车程即可到达。4东北大学教研实力东北大学的CS系成立于1982年，设置在计算机与信息科学学院下面，主要从事4大专业领域，包括健康信息学、信息安全、网络科学、软件可靠性的研究。最具研究实力的研究方向包括算法与理论、人工智能研究组、信息检索与数据挖掘研究组、编程语言研究组、系统研究组。地理位置东北大学在办学过程中较为重视学生的就业情况，在读期间会协助学生申请为其半年到一年的实习，协助学生积累工作经验。此外，学校所在地麻省的波士顿地区给CS学生的就业带来很大的优势。全球顶尖的信息储存与信息管理服务提供商EMC的两位创始人Richard Egan和Roger Marino正是东北大学EE专业的毕业生，EMC也是东北大学CS专业毕业生的一个较大就业吸收者。以上就是美国计算机专业比较强的学校了，如果你也正在考虑计算机留学，可以参考哦~

计算机专业多年来一直是美国大学的热门专业，无论是读本科还是硕士、博士学位，前途都很不错。根据统计，美国计算机行业雇员的平均年薪为7.5万+美元。计算机行业雇员收入最低10%的人群平均年薪为3.5万+美元，而收入最高10%人群的平均年薪为11万+美元。留美计算机专业就业在国内大体上是三类。第一类工作是销售或者技术支持。主要的工作内容就是跟客户打交道，对客户提出的问题给予专业的解答。技术还是需要学的，但就是点皮毛，主要用来回答客户平时提出的问题。工作压力很大，但是如果业绩好，收入上升得会很快。这一类工作本科生原则上就可以应付。留美计算机专业就业第二类工作是产品开发：主要就是译码。电信行业，金融行业什么都有。还有就是在外企做测试和普通开发。工资拿到手本科生3千+、硕士5千+、如果进外企，做这行可以给到8千+。这类工作需求还是很大的，不过都是廉价劳动力。收入稳定，工作压力比起做销售要小很多。第三类工作就是搞研究了，这个至少需要硕士毕业。可以留校当老师，或者去微软研究院这样的机构作研究，也有进中科院计算所或者软件所的。这类工作的总体数量不多。留美计算机专业就业作为计算机专业毕业的学生，找到工作应该不会很难。但如果想要找一个梦想中的工作，有激情的工作，那就必须从在校时就开始准备，精通不同的编程语言，可以把强劲的编程水平应用到将来需要自己负责的项目上，有能力，有担当，前途不可限量。

美国计算机硕士不仅就业率高，起薪高，就连抽H1B签的几率也是最高的。因此，申请竞争也是最激烈的。作为大热领域，很多同学都想转入这个行业，问到最多的问题就是计算机专业可以学到哪些技术能力？到底好不好申？ 本文就以中国学生常申的知名院校，2020USNEWS综合排名第三的哥伦比亚大学的计算机专业为例，为同学们详细分析计算机专业的课程，申请要求以及就业情况。 一、项目介绍 哥大计算机科学硕士项目是为那些希望扩大和加深对计算机科学的理解的专业人士而设置的，项目主要研究方向包括软件工程、计算机理论、人工智能、机器学习、计算机视觉/图形学、自然语言处理等热门领域。 二、课程设置： 哥大培养方式非常灵活。具体来说，哥大计算机系要求学生们在硕士阶段完成30个学生的课程，同时还要求学生们满足计算机生物，计算机安全，机器学习等“广度课程”的要求。 那么什么是广度课程呢？可以理解为要求学生们完成一系列选定方向的课程。比如学生选择了计算机安全方向，除了需要完成共15学分的5门计算机安全的必修课程外，还需要完成共6学分的2门计算机安全专业选修课， 剩下的9学分才可以选择其它的选修课。 三、计算机安全方向的课程设置： 1、必修课程 2、计算机安全专业选修课程（部分） 总的来说，哥大的计算机硕士课程十分丰富，可以允许学生根据自己的兴趣领域灵活选择自己的课程安排。 四、申请要求 官方成绩单 三封推荐信 GRE 个人陈述 简历 可能要求面试 85美金申请费 国际学生要求托福或者雅思成绩，申请2020秋入学的学生可以接受多邻国考试 五、就业优势 地处纽约市, 哥大优越的地理位置也为学生们提供了良好的就业环境。同时学校还提供了就业指导相关资源。 此外，哥大计算机系和一些知名的企业建立信息渠道，方便学生们和企业直接沟通。 美国留学选校定位想试试以自己的个人成绩能申请到美国什么层次的大学？可以使用留学志愿参考系统（如下小程序）一键定位。使用方法：把你的GPA、托福/雅思成绩、专业名称、院校背景（211/985/双非）等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，参考他们的案例对比一下自己的情况，这样子就可以对自己进行精准的定位。

去美国读研究生选计算机科学专业怎么样?计算机科学专业是非常好就业的，这个专业申请要求不低，同学们一定要好好准备。今天为大家介绍的是2019年USnews美国研究生计算机科学专业排名TOP30，美国不少大学都开设有计算机专业，大家要根据自己的实际情况选择合适的申请目标。

虽然不是藤校，但是跟同在加州的伯克利组合起来几乎构成了美国西海岸的学术中心。计算机系成立于 1965 年，与 MIT 、 UCB 、 CMU 三所大学计算机系并称为计算机专业的四大。可以说没有斯坦福，就没有现在的美国硅谷。著名的李飞飞教授就是该校的计算机系终身教授，是斯坦福人工智能实验室的主管，一位处于金字塔顶端的学者。 早期 MIT 的 AI 实验室做了一些开拓性的工作，冷战期间美国国防部搞了无数超大的 AI 项目，一时各校纷纷以做 AI 为时髦。现在 Texas(Austin) 和 UMass(Amherst) 的 CS 系便是那个时代的产物。但好景不长，随着在 AI 领域的投入产出被证明是国防部的一大败笔，大师们一一归隐。为了生存，后来的 AI 也发展了一些面向应用的方向。从那以后， Stanford 大学在 AI 领域应该算最强的。除了 AI ，Stanford 的计算机系以拥有最强的计算机体系结构和数据库团队而闻名。学校明确给出的标准只有： TOEFL ： 89-100 ，研究生申请截止日期：每年 1 月 19 日，博士申请截止日期：每年 12 月 8 日。开设 Ms 和 PhD 两个项目，申请时需要递交 GPA 、 GRE 成绩，分数不做最低要求，但最好有非常出彩的 GRE 数学和物理成绩。需要强调的是，斯坦佛的学费很贵，研究生段计算机相关专业学费： $47,073/ 年。如果没有奖学金支持对有些同学是比不小的开支，两年研究生下来加生活费可能需要 100 万左右人民币。Stanford 计算机科学研究生招生没有特定申请者本科一定有计算机背景。（一年一人只允许申请一次，在其他学校读过 Master 的学生也不能再申请）没有计算机专业背景的情况下，需要有一定的定量分析能力，学过编程，熟悉 JAVA ， C ， C++ ，精通一门算法，上过组成原理等课，然后有非常好的英语水平，假定申请到了如果跟不上或者没有干活的能力很有可能只是打杂而什么重点都学不到，所以如果有转专业想法要尽早行动。

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。