美国计算机硕士留学几年

因为互联网时代的迅猛发展，IT产业在社会的各层面都非常广泛普及，留学方面计算机专业也成为了热门之一，尤其是美国的IT专业每年都会吸引大批的留学生，小编为大家整理了美国计算机硕士留学费用。　1.学费美国硕士学位的学制都是两年。一年的学费平均在4万美金左右，不同城市的生活费差别较大，大体在1-2万美金之间。两年的费用支出一共在50-70 万人民币。但是一般来说，美国研究生计算机专业比较好的学校，都设立在工程学院（卡内基梅隆大学除外），工程学院的学费偏低，但是私立比公立学校的学费贵，私立学校奖学金更丰富；私立大学的学费在4-5美元之间，而公立大学多在2.5-4万美元之间。具体费用解读如下表示：卡耐基梅隆大学、加州大学伯克利分校和UIUC并列全美第二。在美国大学计算机专业TOP10中，排名第一的MIT最贵，将近每年5万美元，德克萨斯大学奥斯汀分校最便宜，每年不到2万美元。美国常春藤盟校哈佛大学、哥伦比亚大学的计算机专业每年4.3~4.4万，也算是性价比比较高的了。特别是宾夕法尼亚大学，每年的费用还不到4万美元。但，杜克大学、约翰霍普金斯大学和西北大学相对来说就比较贵，综合排名和专业排名相比之下，这三所学校都算是比较贵的。深受学校声誉和优越的地理位置影响，费用比较高的大学还有布朗大学、波士顿大学、圣路易斯华盛顿大学、达特茅斯学院等。圣母大学和塔夫斯大学的费用也比较高，每年大约5万美元左右。　2.生活费一线城市：如纽约、旧金山、费城、洛杉矶、波士顿、迈阿密、芝加哥、华盛顿特区等城市。生活费大约在￥1000-￥2000美金一个月。二线城市：如匹兹堡、西雅图、达拉斯、亚特兰大等城市。生活费大约在￥800-￥1000美金左右。三线城市：美国南部、中西部、东南部的一些州，如德州、伊利诺伊州、康斯威星州、科罗拉多州、密歇根州、北卡罗来纳州等，生活费在￥600-￥800美金左右。四线城市：如俄克荷拉玛州、密苏里州、路易斯安那州、南卡罗来纳州等，生活费大约在￥450-￥600美金左右。除了生活费，还会有一些其他的费用：综合医疗保险费用在￥300-￥500美金左右吃饭和住宿费大约￥5000美金左右学生活动费用大约￥100-￥300美金左右书本和一些必需品大约￥1000美金左右交通的费用大约￥600美金左右　美国计算机硕士留学条件01GPA/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。　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。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。　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。　02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。　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。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。03GRE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。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。　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。　美国计算机硕士毕业生薪资美国部分大学计算机专业硕士研究生，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。1.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$61，300以上。2.毕业6年内，学生的平均年收入达到了$ 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

CS一直是美国留学非常热门的专业，这两年依然热度不减，关注的同学也比较多，本文我主要对CS专业的申请来进行分解。美国Computer Science学科细分首先给大家介绍一下美国CS学科的分类。平时我们所说的CS其实是一个很广的概念，就像医学一样，很多不同的细的分科，这里我列了一些美国比较常见的分科。软件工程数据库计算机网络人工智能计算机图形学和多媒体体系结构/编译器和并行计算人机交互管理信息系统信息安全理论和算法软件工程，是关于计算机软件开发和维护的一门工程学科，简单一点可以理解为CS+管理科学。是整个CS里最弱化数学能力的分支，但概念性很强，有点像半个文科，而且特别强调实践，是所有分支里就业机会最多的方向，但可能不是最尖端，最有趣的方向。数据库，涉及与数据管理相关的所有方面，可应用的领域有电脑游戏设计，数据隐私与安全等。数据库是CS各领域中最抽象和枯燥的方向。抽象体现在所用的数学知识全部基于离散数学和抽象代数，而不是连续数学，所以要学好并不容易；枯燥体现在它不像很多其它方向那样可以做出非常花哨的结果或图形界面。但学好数据库的话，就业非常稳定。人工智能，AI可以说是目前CS最热门的方向了。说得通俗一点，例如人脸识别，虹膜识别，google的自动驾驶，微软的Hanover系统自动开药，医学领域的自动影像学、金融领域的自动算法交易都是AI的成果。大多数的科技公司，比如亚马逊、特斯拉、谷歌都把AI看成下一个十年里，公司的创新驱动力。学习AI需要非常广泛的知识面和训练，不仅需要CS的雄厚的基础知识，还需要了解一些认知心理学、语言学、哲学和工程学的知识。除此之外，还需要掌握一些技能和工具，例如统计学、神经科学、控制、优化和运筹学。对于大多数计算机科学排名较高的高校，他们往往在人工智能研究方面也会极为出色。包括斯坦福大学，卡内基梅隆大学，麻省理工大学，加州伯克利大学，佐治亚理工大学等。计算机图形学Computer Graphics，多媒体Multimedia。这个专业与人工智能、计算机网络、软件工程全都有交叉。研究图像的表达、处理等。计算机成像，三维动画，甚至网络影像传播都属于这个方向的范畴。学习这个专业的同学可以去游戏设计公司，电影视频制作公司找工作。总之，现在的生活离不开图形图像的数字表达处理，也就离不开学计算机图形学和多媒体的同学。人机交互(HCI)也是最近大热的新兴专业。不过很多人对HCI都存在一个误区——人机交互就是设计界面，这是把人机交互和交互设计（Interactive Design）混为一谈了。事实上HCI是一个大型的交叉学科，它包括认知心理学，社会学，CS，需要涉猎的知识也包括软件，硬件，算法，Machine Learning, Deep Learning, 社会调查等。举个大家熟悉的例子，多点触控技术就是人机交互研究的一大成果，这里面既包括算法的研究也包括硬件设备的开发以及软硬件整合的系统技术，以及手势规则的定义等，而交互设计，则可能是指在设计一个APP时，如何将产品的各个功能与特定的手势操作对应起来，以及实现这些功能的次序和条件是什么样的。HCI有两个大方向: 1) 偏Design的(属于艺术类方向，需要portfolio); 2)偏工程方向。理工科背景的学生一般都申请工程方向。还有比如管理信息系统MIS本质上说就是一个数据库系统，它和其他数据库系统的不同就在于其目的用于整合必要的信息用于决策。MIS专业还分成在工程院(计算机学院)或者商学院(管理)下面。前者偏技术，后者是偏商科了。咱们中国人去美国读Master，当然是偏技术的那种毕业以后路子平坦一些。还有信息安全和计算机网络，其实严格一点说是属于Computer engineering, 一些学校也会放在EE系下面。体系结构/编译器和并行计算，Computer Architecture 计算机架构是讲计算机硬件组成的，属于CE或EE；编译器和并行计算申请的人也很少，理论和算法方向是理论层面的。美国CS学校排名(USNews)和录取要求美国学校排名版本特别多，但大部分参考的都是USNews的排名，而USNews也有两个排名，一个综合排名，一个专业排名。其实综合排名这个说法是不太准确的，因为这本来是属于本科类学科的排名。你会发现在综合排名里，很多公立学校的排名不是很靠前，这主要是因为很多公立学校在招收本科生的时候，会考虑到不同州由于教学水平不一样，学生素质也不太一样，为了相对公平，会招收一部分可能不那么优秀的学生进来，所以就会拉低公立学校的录取水平，所以排名不是很靠前。但我们在申请Master或Ph.D的时候，应该参考专业排名，专业排名能比较准确地反映研究生院的水平。这里我们把学校大概分为三档：Top10这一档是相对是比较难申请的。申请Top10你必须要有一定的亮点，不能有特别明显的短板。拿到录取的学生背景都是非常强的，研究经历、实习经历都很丰富，并且这些学生都很会包装自己，在文书中把自己的特点和优势最大化的展现。申请硬件的话也有一个大概的衡量标准可以给大家参考，当然申请也不是只看硬件，肯定是一个比较综合的过程：GPA3.8 ，T105，G320。虽然Top10学校的CS都不太好申请，但也有相对比较好申的学校，当然只是相对，这种相对是跟斯坦福、麻省理工、伯克利这些学校来比较的。了解计算机专业都会知道CMU， 申请CMU有一个好处，因为这个学校的CS专业很大，所以相对的录取概率也会比较大，UIUC也同理。另外还有Georgia Tech，UT-Austin也会相对容易一点。Top30Top30的申请要求相对会容易一些，你可以有1~2个不太明显的缺点，但是也不能来一个GPA60，这肯定是不行的。这一档里我们会比较推荐哥大、普度、宾大、南加州、加州大学圣地亚哥分校和加州大学欧文分校。这些学校的毕业生还是比较好找工作的。如果你达不到Top10的水平，这些学校是很好的选择。TOP30的话，GPA3.5 、T100 、G 315以上是比较推荐的。Top100TOP100这个档次的学校跨度会比较大，但是在申请难度上的差别却不是特别明显，申请合理、条件中规中矩一些就能拿到录取。GPA3.0、T90、G310以上即可。这里面比较推荐的学校就有UC-Davis，UC-Riverside，TAMU, Stony Brook，NCSU等。在申请这些学校的时候，排名不用看的太重，60名到70名差距不是很大。申请这些学校，首先需要考虑地域条件。地域好的地方，往往工作会比较好找。举个例子，加州部分学校虽然排名比较靠后，但是毕业生的工作也会相当好找。除了加州之外，还有德州。因为德州现在在达拉斯那边已经形成了一个比较强势的IT圈。另外还有亚特兰大，亚特兰大北部的IT公司也是非常多的。还有纽约、波士顿，以及西雅图。如何弥补申请中无法改变的短板?有些申请短板是无法改变的，比如本科学校、GPA。想要大幅度改变GPA，这是比较难的，往往是需要花费很大的力气重修但是还是提升不了多少。所以如果你觉得自己定位是在TOP50，想冲一下TOP30，或者想TOP30冲TOP10，这种情况下，你就要想其他办法来弥补你的不足了。比较有效的方法主要有两个：争取发表学术论文第一个是发表论文，发表论文主要有三个比较好的方法。第一个是进你们学校教授的实验室，这个需要你去和教授谈，一般如果你成绩不错，表明缘由的话，教授一般都不会拒绝你，免费的劳动力一般他们都会要的。如果你进了实验室，他一般会让博士生或者硕士生带你。如果你运气比较好，你碰到一些博士或者硕士师兄，他们正好要发论文，你去帮他们整理一下数据，画画图，哪怕做一些技术含量比较低的活，他们也有可能会把你的名字挂在上面，这样就可以完成你的论文任务了。完成这一步你可以淘汰一大部分的同学。第二个方法，你可以利用暑假去中科院或者其他研究机构去实习，中科院和微软亚洲研究院的论文产量都是非常高的。还有第三个方法，其实你不用把论文想的太难，你可以和你几个成绩好的同学做个项目，组队去出一篇论文，能找到老师指导的话肯定会更好。增加自己的研究经历这个方法其实和以上发表论文的三个方法差不多，但对于工业界的实习来说，最好是能找外资公司，能进名气大并且能接触一些核心工作肯定是比较好的，如果这两者不能兼得时间也比较充分的情况下，也可以做一个大公司类似打杂的实习，然后再去一个小公司接触一些核心，这也是比较好的。找外资公司还有一个好处，有机会可以拿到比较好的推荐信，一般如果学校是要求三封推荐信，最好是一篇来自于自己学校的教授，一篇来自企业，还有一篇来自研究所，这是一个比较好的搭配。CS类交叉学科与跨专业肯定有同学实在没有条件去弥补这些不足，但又想申请比较好的学校怎么办？其实还有一种曲线救国的方法——申请交叉学科。因为如果你想申请CS，你不仅在和国人竞争，还有美国本土学生在和你一起申请，而美国学校在录取的时候肯定会多考虑自己国家的学生，所以CS申请难度相对会比其他专业更难一点。但是我们可以去申请一些交叉的学科，这些学科往往会比CS专业申请要求低一些，竞争也不会那么激烈。比如ECE电子与计算机工程，听起来名字也非常像CS，还有比如计算科学与工程，这主要是偏向于理论计算的一个学科，但这个学科里面都是有偏向于Computer Science部分的。而且这些专业在找工作的时候，在难度和工资收入上和传统的CS没有明显的区别，但是录取要求会低很多，性价比很高。CS如此热门，自然也是吸引了一大批同学想跨专业申请，如果想转CS，有哪些课程可以推荐？具体需要学哪些课程呢？首先，大家可以在MOOC平台，包括Coursera，edx Udacity等等这些平台上修计算机的课，他们的课程是非常全面的，理工和商科类的都有，可以修完拿证书，认可度是比较不错的；另外就是可以去巴鲁克的官网修C++的网课也是可以的，在美国的认可度很高。数学方面：线性代数，概率与统计和离散数学这几门是必修课，基本上国内的工科开设离散数学的比较少，如果没有这门课程的话看看学校可不可以选修，如果不可以选修这门课的话可以在Coursera，edx，Udacity等等平台上修这门课拿到证书也是可以的。另外就是可以参加国赛或者美赛，争取拿到比较好的奖项，也可以很有利于证明自己的数学能力。计算机的课程包括：数据结构和算法，操作系统，数据库；如果时间有限，建议先攻数据结构和算法。编程语言方面最好会C语言，C++，Java和python等；跨专业申请有难度，但也并不完全不可能。还有一种法子，你可以试着到美国后再本校转专业，在美国转专业是比国内容易很多的。这其实是一个比较好的方法，但是也不能够保证是一定可以的，而且你也要付出很多的努力，同时学两个专业的课程是非常累的。其他关于美国CS申请的问题也可以在文末给我留言，我会给大家一一解答

Computer Science（CS）指的是计算机科学，它是一门包含各种各样与计算和信息处理相关的系统学科。计算机科学根植于电子工程、数学和语言学，是科学、工程和艺术的结晶，在20 世纪最后的三十年间兴起成为一门独立的学科，并发展出自己的方法与术语。《启德教育2019美国留学报告》指出，美国开设计算机科学专业的院校众多，每年申请计算机科学的学生也非常多，导致美国计算机专业申请成为了工科申请中竞争最大的专业，常见申请方向包括人工智能、计算机编程、计算、软件工程、计算机图形学、数据库、信息科学、信息系统、信息技术、信息安全、管理信息系统等。考虑到良好的就业前景及高达8万美金的平均起薪，更多中国学生普遍倾向于申请计算机科学排名前100的学校，并且为了一个好的就业前景，会优先选择加州、德州、纽约州和五大湖地区等大公司云集、就业岗位众多的地区。申请人一般建议本科专业为计算机专业，转专业申请需要熟练掌握2-3 个编程语言。常规的先修课要求有Python, C, C++, Java, Verilog, OpenGL, Git, Linux, OSX, Html, CSS, Javascript, PHP, JSP, AE, PR,Mysql, MangoDB, SQLite 等。申请硬件指标包括学生的GPA，GRE，TOEFL 成绩，TOP30 的计算机硕士要求如下：GPA 3.5+ / GRE 320+ / TOEFL 105+。软件背景则包括学生的工作/ 实习经历、学术研究、课外活动。实习经历要选择计算机相关的工作职位，有条件的话建议选择跨国知名公司。一般需要1-2 段较深入的实习经历，着重体现学术运用能力等，每段经历时长在1 个月以上为宜。申请人要选择2-3 个学术型或应用型科研项目，有条件的话建议选择国内外重点实验室科研项目。美国研究生计算机专业排名1 麻省理工学院 Massachusetts Institute of Technology2 卡内基梅隆大学 Carnegie Mellon University2 加州大学伯克利分校 University of California--Berkeley2 伊利诺伊大学香槟分校 University of Illinois—Urbana—Champaign5 佐治亚理工学院 Georgia Institute of Technology6 密歇根大学安娜堡分校 University of Michigan--Ann Arbor7 康奈尔大学 Cornell University7 德州大学奥斯汀分校 University of Texas--Austin9 加州理工学院 California Institute of Technology9 普林斯顿大学 Princeton University（数据来源：2018U.S. News 美国大学专业排名）

美国计算机专业留学费用，美国私立大学普遍较高，每年大多在4~4.5万美元之间，美国公立大学相对较便宜，每年大约在2.5~3万美元之间。一线城市：如纽约、旧金山、费城、洛杉矶、波士顿、迈阿密、芝加哥、华盛顿特区等城市。生活费大约在￥1000-￥2000美金一个月。二线城市：如匹兹堡、西雅图、达拉斯、亚特兰大等城市。生活费大约在￥800-￥1000美金左右。美国计算机专业介绍在美国留学选择计算机专业也要对这个专业有所了解，主要分为计算机科学和计算机工程，计算机科学是研究计算机及其周围各种现象和规律的科学，就是包括研究计算机系统机构，程序system，人工智能和计算性质和问题的学科。计算机工程以电子计算机技术的应用面为主要部分，很少应用自然学科中的统计、数学以及物理理论。大部分的美国大学计算机工程和EE是在一起的，被大家称为ECE。也有一部分的美国院校设有单独的计算机科学专业，也有一部分的美国院校把EE和CS设在一个学院下，比如说：MIT，UC Berkeley。还有一部分的美国院校把CS和CE放在一起，比如说U Washington Seattle，UC San Diego，Penn State等。美国计算机专业推荐软件工程软件工程方向主要研究开发大规模软件系统的原理和技术。大体上分成软件设计、编程语言和软件测试。什么需求分析、结构设计、开发流程、生命周期等等全在此范围内。计算机专业的基础学科，如操作系统、数据结构和算法全部包含。此方向几乎属于计算机专业内部第一大的方向了，录取名额很多，奖学金也有一些。不过由于市场需求巨大，就业也不是什么问题。数据库数据库方向具体又有数据库系统，数据挖掘等等。从很理论的关系数据库、云数据库，到很应用的SQL，全在学习范围之内。毕业生可以做数据库管理工程师。不过请注意这种工程师职位对于经验要求较高，尤其是高薪全职在大公司的数据库管理工程师，刚毕业的学生恐怕有困难。不过工作可以找到，比如说兼职的实习性质，可以作为起步。对于编程序要求不算太高。计算机网络计算机网络甚至包括Telecommunication（通信）。这个范围可就大了。网络应用、网络协议、网络通信、网络理论、网络安全等等全算在内。加密解密、路由算法、甚至编解码都是需要学习的学科。这个学科申请的竞争者非常多，来自EE，ECE背景的同学也都可以申请。不过本学科就业也算不错，从设备商到运营商到第三方软件开发商，都有职位可以选择。

20世纪40年代，世界上第一台真正意义上的现代化计算机诞生于美国。自此，美国一直居于全球计算机科学界的领袖地位；同时，美国计算机产业也在世界计算机行业中占据了绝对优势，美国硅谷几乎成为计算机行业的代名词。在介绍美国大学的计算机科学专业（Computer Science-简称 “CS”）时，不得不提到的是中国高校自建立计算机科学专业和院系以来，从国外引进的原版教材绝大多数都来自美国，这既为中国同学申请美国大学计算机科学系奠定了良好的基础，同时也加剧了中国同学之间的内部竞争，所以计算机科学专业历年来都是赴美留学申请中竞争最为激烈的专业之一。 CS专业在美国计算机专业作为理工科申请中的热门专业之一，对专业知识要求高，竞争激烈。美国计算机专业（简称CS专业）的研究领域极为广阔，美国的各大高校的CS系的专业方向也有不同的侧重点。如何选择适合自己职业发展和兴趣的专业方向和院校便成了众多学子所关注的问题。毫不夸张地说，CS专业是美国就业前景最好的专业。在计算机行业日新月异的今天，CS毕业生基本不愁找不到工作。此外，该专业的毕业生的薪酬水平非常高，而且近些年以来呈不断增加的趋势。在美国计算机科学领域，排名靠前的学校较之排名靠后的学校有着巨大的优势，80%以上的图灵奖（计算机界的诺贝尔奖）得主集中于排名前十位的学校。这些学校无论在学术界还是在计算机工业界均有着举足轻重的影响。因此，对于广大有志赴美攻读计算机科学领域高级学位的中国同学而言，尽可能地进入排名靠前的学校相对于其它专业而言是一个更加现实和迫切的需要。 CS专业在英国英国大学开设的计算机科学课程，覆盖了计算机理论研究以及生产生活实践应用的各个方面，不仅包括了人工智能、计算机系统、数字系统设计、电子系统设计、信息技术与系统、计算机模拟、软件工程、人机互动、多媒体技术、电脑游戏开发、网络信息安全等专业领域，也囊括了金融计算机学、信息系统管理、生物信息学、分子计算学、认知科学等跨学科领域，因此，大家可以根据个人兴趣进行选择。在英国计算机科学领域，University of Oxford、University of Cambridge、Imperial College London、Unviercity College London以及University of Edinburgh是其中最有名的5所大学。 CS专业的主要分支和研究方向1、系统与网络（System and Network）计算机网络是利用通信设备和线路将地理位置不同的、功能独立的多个计算机系统连接起来，以功能完善的网络软件实现网络的硬件、软件及资源共享和信息传递的系统。简单的说 即连接两台或多台计算机进行通信的系统，此分支方向主要的学习内容：网络基础理论、拓扑结构、相关组成硬件、传输媒体，到各种网络协议等2、人工智能与机器人（Artificial Intelligence and Robotics）目前来讲是非常火热的方向。该方向学习的内容主要包括：机器意识（包括机器学习，知识表达与推论，机器人）、动态系统模拟、动力学计算、触觉控制（haptic control）自然语言习得与处理、计算语言、统计语言技术、自动推理、图形图像、人机交互、成像感知与传感器、计算机视觉、视觉场景认知、模式识别、神经网络、信息提取、制造和控制理论等。3、计算机隐私与安全（Privacy and Security）概括地说，计算机安全主要是保护计算机与网络免于滥用和干扰。从过去的历史看来，计算机攻击一般来说包含了攻击系统的完整性，保密性与可用性。而如今的信息安全技术一直在发展中，不单包含了对上述攻击的防御，同时也增加了更多的应用，如垃圾邮件，以及防止身份盗用而导致的信息泄露等。4、编程语言（Programming Language）包括开发新型编程语言以助程序员实用高效地开发可靠的软件，计算机辅助语言学习，计算语言学，从初阶的打字理论，自动定理证明，语义学等。发展到如今的基于语言的途径以解决计算机安全与分布式编程中的重大问题，语言应用，编程分析与优化等，可以从根本上提高软件可靠性与安全性。5、数据库（Database）与数据管理相关的所有方面，包括数据存储，数据检索，数据分析和视觉化，如为超大型数据组开发高效算法，为各种新型的应用领域建立大型的数据系统，也有与其他领域进行跨学科的研究，可应用的领域有电脑游戏设计，数据隐私与安全等。6、计算机图形学（Computer Graphics）计算机图形学（Computer Graphics，简称CG）是一种使用数学算法将二维或三维图形转化为计算机显示器的栅格形式的科学。 如何在计算机中表示图形,以及如何利用计算机进行图形的生成、处理和显示的相关原理与算法，构成了计算机图形学的主要学习内容。图形通常由点、线、面、体等几何元素和灰度、色彩、线型、线宽等非几何属性组成。从处理技术上来看，图形主要分为两类，一类是由线条组成的图形，如工程图、等高线地图、曲面的线框图等，另一类是类似于照片的明暗图（Shading），也就是通常所说的真实感图形。7、生物信息学与计算生物学（Bioinformatics and Computational Biology）人类基因工程的完成对现代生物学中的新型计算和理论工具提出了新的要求。这些计算和理论工具对于分析，理解和控制生命的具体信息都是至关重要的。生物信息学与计算生物学在此历史背景下应运而生。此方向属新兴的研究，主要是利用应用数学，信息学，统计学与计算机科学的方法来研究生物学的问题，因此也需要从事此方向学习和研究的学生有较强的数学和统计背景。目前来说研究方法包括对生物学数据的搜索（收集和筛选），处理（编辑，整理，管理和显示）及利用（计算和模拟）。8、算法（Algorithm）广义上面的算法是指为解决一个问题而采取的方法和步骤，而CS下的算法则是指计算机为了解决某一个问题或者完成某一个任务的一系列清晰的指令。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。现代的算法理论主要的研究目的在于如何开发出更加效率的算法，研究相关的算法的设计方法与实现技术。9、计算机理论（Computer Theory）计算机理论，顾名思义，是为计算机科学的发展与研究提供理论基础的一门学科。这个课程的学习涉及到CS的核心课题，归纳起来涵盖了可计算性、文法与自动机、逻辑学、复杂性及语义学等5个部分，涉及到可计算性理论、形式语言、逻辑学与自动演绎、可计算复杂性和编程语言的语义等内容，并学习和研究这些内容之间的联系。10、科学计算（Scientific Computing）科学计算，又称为计算科学，它的主要学习内容和研究领域是利用数学模型的构造以及数量分析的技术，通过计算机来分析和解决科学问题。在实际的应用中，科学计算经常用于计算机仿真以及其它各种问题的数学计算，包括数值模拟、模型拟合与数据分析以及最优化计算等等。数值分析（Numerical analysis），是科学计算专业方向中所会应用到的核心方法。11、软件工程（Software Engineering）软件工程是一门研究用工程化方法构建和维护有效的、实用的和高质量的软件的学科。它的目标是在时间、资源、人员这3个主要限制条件下构建满足用户需求的软件系统，包括提高软件质量设计新的形式与结构、开发新的科技以降低软件系统的成本、提高软件的正确性与实用性。软件工程的关注点是如何为用户创造价值。在学习内容方面它涉及到程序设计语言、数据库、软件开发工具、系统平台、标准、设计模式等方面。12、计算机视觉（Computer Vision）计算机视觉就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取―信息的人工智能系统。比较经典的计算机视觉应用包括识别（如在巨大的图像集合或视频中寻找包含指定内容的所有图片或视频片段）、运动（图像跟踪：跟踪运动的物体）、场景重建以及图像恢复等等。13、计算机体系结构（Computer Architecture）计算机体系结构主要学习与研究计算机的结构和功能，以及它们在电子技术方面的应用。抽象来说，计算机体系结构是一个系统在其所处环境中最高层次的概念；它确定了一台计算机硬件和软件之间的衔接。具体地说计算机体系结构指的是计算机系统设计的观念与架构。它确定了一台计算机设计的部件、部件功能以及部件间接口。以常见的冯·诺伊曼设计为例，体系结构设计包括了：指令集、微体系结构、数据表示、寻址方式、寄存器定义、指令系统、异常机制、机器工作状态的定义和切换、输入输出结构等。14、人机交互（Human Computer Interaction）人机交互，简称HCI，是一门研究人、计算机以及它们之间的相互影响的学科。人机交互技术是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。它包括机器通过输出或显示设备给人提供大量有关信息及提示请示等，人通过输入设备给机器输入有关信息，回答问题等。人机交互技术是计算机用户界面设计中的重要内容之一。它与认知学、人机工程学、心理学等学科领域有密切的联系。申请要求前言：CS专业，作为一个热门专业，可以说是所有理工科专业中申请难度最大的。故若要申请名校的CS专业，那申请者一定要从多方面去提高自己的背景，这样子才能有更大的希望在激烈的竞争中脱颖而出。申请者专业背景一般来说，除了 CS相关专业，其他，如EE, MIS，数学，物理等专业的同学，也可以申请CS专业。但由于本身该专业的竞争压力大，所以对于转专业申请的同学来说，更是需要有针对性地去提高自己的背景。首先，理工科的转专业需要完成先修课程的准备，针对计算机专业而言，不需要了解复杂的数据结构，“只要了解 LIST, ARRAY, TREE 等基本知识就可以，同时学习些 Object-Oriented Programming ，所以基本入门课程包括数据结构，计算机组成原理， C++/Java 等。建议去各大学校官网了解相关的课本列表，出现次数最多的就是比较推荐的。在此基础上可以根据自己的能力和情况补充其它的相关课程，比如 networks(Computer Networks by Andrew Tanenbaum), operating systems(Operating Systems by Andrew Tanenbaum), database （ Stanford 的经典教材 A First Course in Database System ） 4, Software Engineering 等，整体的计算机专业知识结构就相对比较不错了。” 通常来说，申请者需要掌握以下知识和技能。硬件条件（GPA, TOEFL/IELTS, GRE/GMAT)对于GPA当然是越高越好，但基本上来说，TOP50的CS专业的GPA至少达到3.3，才有比较大的申请可能性。而一些名校的CS专业，建议GPA能够至少是3.5，甚至3.8，才具备一定的竞争力。ü TOEFL/IELTS:申请U.S News的综合排名TOP50之前的学校的学生建议IELTS至少要达到7.0(小分不低于6.0), TOEFL至少达到90（小分不低于20)。而申请TOP30之前学校的学生建议IELTS至少要达到7.5（小分不低于7.0）TOEFL必须达到100以上（不包含100）（小分不低于22）。ü GRE/GMAT:申请CS专业只接受GRE成绩，不接受GMAT成绩。综合排名TOP50之前的学校，综合多个学校的要求来看, GRE的话，建议至少达到320+。 而对于Top 30的学校而言， GRE至少要达到325+。如此一来，才具备一定的竞争力。ü 英国与美国申请的不同之处而对于申请英国大学的CS专业而言，与美国相比略有不同。由于英国大学非常看重申请者所在的学校是不是211,985院校 ，所以，所指定的录取标准也有所区别。不少学校并不接受非211学生的申请。换言之，即便申请者自身背景非常出色，但由于所在院校为非211，必然会收到拒信。当然，英国中，不需要提交GRE成绩。而且，英国学校申请的时候，并不严格要求申请者提供雅思成绩，雅思成绩可以在拿到有条件录取之后再补充。所以，对于没有相关成绩的申请者来说，申请英国也算是一个不错的选择。此外，最为有重要的是，部分英国院校，如帝国理工学院，Newcastle University等院校，开设了针对非CS背景申请者的Computer Science专业。这对于其他背景想转CS的同学来说，无疑是个利好消息。虽然美国也有类似项目，但相对来说，数量没有英国那么多。软件要求（实习，科研，工作等等）虽然大部分的CS项目不强制需要工作经验，但如果有相关的实习经历，对于申请而言是非常有帮助的。而拥有多年全职工作经验的申请者，更是能够取得非常好的录取。此外，科研背景对于申请CS也是极为重要的。申请者一定要在本科期间尽可能地参与CS相关的科研项目。有条件的话，能够发表相关paper，那是最好不过的了。如果我背景不好，但想去好学校，该怎么办？众所周知，CS专业历年都是竞争的热门，所以很有可能出现一些学生拿不到学校录取的情况，当然我指的是缺乏一定研究背景，转专业申请，GT偏低，GPA也偏低的一些申请人，如果你对自己期望也比较高，非名校不去的，其实这样子的一个申请难度是比较高的，虽然你们所制作的文书还可以适当帮他们加分，但毕竟文书的力量还是有限的。所以在这个情况之下如何是好呢？不妨考虑一下MIS专业，该专业都是学习一些系统的开发、网络的设计等内容，偏向于软件方向，与CS不少课程都有交叉和重叠。但从申请难度上来说，MIS相对来说是比CS低一些的。所以建议申请者们必须谨慎选择自己的专业方向和所要申请的学校，申请不同的专业方向和学校可能会有不同的结果。在选校之前最好能分析一下过往学校的录取数据，分析一下学校的招生特点，知己知彼，才能百战百胜。学费介绍前言：由于CS专业为理工科专业，通常来说，学费不会太高，一般会比商科专业便宜一些。以下是美国部分大学CS专业学费的介绍，每年的学费范围基本在 $25,000~$70,000之间。（注：美国大部分CS专业为两年制，剩下基本都是一年制）以下是英国部分大学CS专业学费的介绍，每年的学费范围基本在 16,000~35,000之间。（注：英国CS专业为一年制）典型项目介绍Carnegie Mellon University卡内基梅隆大学，（跟那位心理学家卡耐基没有什么关系哦），由于名字有些拗口，我们一般称之为“CMU”）。这个学校的计算机科学科学系是美国最早建立的计算机科学系，目前已经升级为计算机科学学院。而该学院下包括Computer Science Department, Computational Biology Department，Institute for Software Research，Language Technologies Institute，The Robotics Institute， Machine Learning以及Human-Computer Interaction Institute等七个下属院系，开设了Computer Science，Computational Biology，Automated Science，Software Engineering, Privacy Engineering，Language Technologies, Intelligent Information Systems, Computational Data Science, Artificial Intelligence and Innovation, Robotics, Computer Vision等数十个研究生专业。规模之大，学科之全，可见一斑。在CMU的教学和科研项目中，机器人领域的研究一直处于世界领先地位。在整体课程设计方面，CMU摒弃了对传统离散数学的过分强调，而是在入学之初就注重概率、代数、算法、加密理论、复杂性理论和博弈论等理论的研究，把学习的趣味性和实用性紧密结合。值得一提的是，CMU除了在匹兹堡的主校区之外，2002年在硅谷开设的一个新校区，简称CMU-SV。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。这对于就业而言，简直就是顶级配置。University of Pennsylvania宾夕法尼亚大学（University of Pennsylvania ），简称宾大（UPenn），位于宾夕法尼亚州最大城市--费城。宾大作为藤校之一，同时也是人类历史上第一台通用电子计算机ENIAC的诞生地，故宾大被誉为现代计算机科学文明的发源地。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。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。宾大的计算机硕士项目的设置与其他学校不同。分为CIS，MCIT, CGGT,EMBS,Robotics等。前两者是大家申的比较多的。其中MCIT是针对转专业申请者所开设的，同专业申请可以选择CIS。其他几个项目是小方向的项目，如果学生有兴趣可以申。转专业的背景申请CIS，被拒的概率非常大；对计算机图形学和游戏设计感兴趣，可以申CGGT,对嵌入式感兴趣，可以申EMBS,对robotics感兴趣，可以申请Robotics。宾大所在的城市--费城是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。University of California,Berkeley加州大学伯克利分校(University of California, Berkeley,简称UC Berkeley, Berkeley, California, 或Cal)。伯克利大学是一个被世界熟知的高等学府，排名第一的公立大学，也是加州大学系统里的第一所学校。加州大学伯克利分校电子工程和计算机科学系(EECS)是世界知名的院系，计算机领域在2020 USNews排名第一。EECS的使命是教育、创新和服务社会。自创建以来，为社会培养了大批人才，诞生7位图灵奖得主。EECS认为，其成功的背后，是强大的合作传统、与工业界紧密联系和互助的文化。加州大学伯克利分校其他比较有特点的课程还有：将离散数学和概率论结合讲授的CS70，主讲是名教授Christos Papadimitriou；CS98-1 编程练习课，以主要大学生编程竞赛中的赛题为授课素材；CS 169 软件工程直接用Kent Beck的《极限编程》（人民邮电出版社出版了中译本）作为教材，非常超前，但是既然连Pressman的《软件工程：实践者方法》新版中敏捷方法都已经成为重头戏，既然IEEE都已经开始制定敏捷方法相关标准，这种课程选材也就不显得那么骇世惊俗了。除了软件工程课程常见内容外，教学侧重实际，贯穿了极限编程的思想，涵盖UML、JUnit单元测试、软件架构、设计模式和反模式、重构、CVS版本控制、系统和集成测试，最后要求完成一个实际产品，并进行演示。由于地处加州，加上本身计算机专业十分强势，伯克利计算机专业的毕业生就业可以说是非常好了。不少毕业生都去往了微软，谷歌，甲骨文等世界顶级的IT企业。可以说，对于伯克利的毕业生而言，从来都不需要为就业而担心。Columbia University哥伦比亚大学（Columbia University），正式名称为纽约市哥伦比亚大学（Columbia University in the City of New York），简称为哥大，是一所位于美国纽约曼哈顿的世界顶级私立研究型大学。哥大的计算机系成立于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。由于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汉姆顿、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。Imperial College London帝国理工学院作为一所世界级的理工名校，其计算机专业也是世界著名。帝国理工学院的计算机系是英国教学质量最佳和研究人员最多的计算部门之一，其计算机系不但提供了多种研究方向的项目，比如，人工智能与机器学习，软件工程，管理学与金融学，机器人学等，更是开设了供非计算机背景学生申请的Computing Science项目。该校的毕业生不仅有重要的核心技能,也学会了如何适应技术变革,挑战和机遇。就业来看，在计算机方面的工作可以开启通往广泛范围职业的大门。角色跨越了在许多行业的技术创新、管理，分析、咨询、培训和研究。该校与许多计算机专业毕业生的主要雇主有着密切关系——不仅仅是软件和通信公司如微软、IBM、惠普、Facebook、亚马逊、谷歌和飞利浦——也包括金融计算机用户,包括Goldman Sacks,布隆伯格,瑞银(UBS)、巴克莱资本、瑞士信贷和德意志银行。然后该校的许多毕业生选择继续为小型IT企业工作,并且不少人已经开始自己的生意。一些毕业生进入管理咨询或会计职业,良好的计算机知识可以成为一种优势;有些人从事公司战略和市场营销或在投资银行从事业务分析师的工作以及成为股票经纪人。University College London伦敦大学学院 (University College London），简称UCL，建校于1826年，位于英国伦敦，是一所世界顶尖公立综合研究型大学，排名稳居世界前十，为享有顶级声誉的英国老牌名校。同为英国G5超精英大学之一。伦敦大学学院计算机科学系是实验计算机科学研究的全球领导者。其61％的研究工作被评为世界领先（最高类别），伦敦大学学院的计算机科学在研究层次上的科研水平尤其高，而且业界大佬不在少数。深度学习的教父级人物杰夫·辛顿（Geoffrey Hinton）从1998年开始，花了三年时间在伦敦大学学院建立了盖茨比计算神经科学中心。它与计算机科学系、统计科学系、认知神经科学研究所通力合作，共同让伦敦大学学院成为计算机专业的学术重镇。该系提供计算机科学理学硕士、计算统计学与机器学习理学硕士、计算金融理学硕士、信息安全理学硕士、互联网工程理学硕士等项目。就业方向与平均薪资根据根据PayScale统计，计算机科学专业毕业生在美国早期的平均年薪在$88,000，而中期年薪则达到了$142,200。目前，在美国，计算机科学毕业生主要就业方向如下：第一类：多媒体动漫方向这个专业包括了计算机图形学Computer Graphics，主要研究图像的表达、处理等。计算机成像、三维动画、网络影像传播都属于这个方向的范畴。学习这个专业的同学可以去游戏设计公司，电影视频公司、电子出版、教育软件开发、商业简报、平面广告设计及其它多媒体应用领域的媒体集成与系统设计的工作岗位寻找机会。现在的生活离不开图形图像的数字表达处理，也就离不开学多媒体，计算机图形学的同学。第二类：软件编程方向大体上分成软件设计、编程语言和软件测试。包括需求分析、结构设计、开发流程、生命周期等等相关内容全部在关注范围。计算机专业的基础学科如操作系统、数据结构和算法全部包含。此方向几乎属于CS内部第一大的方向了。这个专业是培养coder的，而计算机专业的从业者大部分就是coder。因此学这个专业工作机会较多，但是起步阶段的收入居于中等。第三类：计算机网络Networking甚至包括Telecommunication这个范围可以说是非常的大。网络应用、网络协议、网络通信、网络理论、网络安全、加密解密、路由算法、甚至编解码都是需要学习的学科。这个学科申请的竞争者非常多，来自EE，ECE背景的同学也都可以申请。Telecommunication就业不错，从设备商到运营商到第三方软件开发商，都有职位可以选择。很多公司的招人广告上写的就是Telecommunication和CS，EE相关专业，可见这个范围达到什么程度，明明是个应用专业，却都快成了与EE，CS平起平坐了。中国国内这方面工作机会也多，中国移动按照用户数量是世界第一大运营商。Networking里面有方向设计及到网络安全方面，这个方向的工作主要是在大型政府、国防、电信、电力、金融、铁路等部门的计算机网络系统——若在美国就业，因受到公民身份等限制不少，回国形势还是不错的。第四类：计算机科学技术方向该方向包括了理论性非常强的计算机理论、计算机科学与工程计算Scientific Computing等。计算理论是完全偏向理论的学科，研究的不只是算法，更加重要的是算法的有效性和可行性。算法可行性，算法复杂度，密码学相关领域都是这个偏理论的方向的研究对象。本专业不太建议美国留学生申请，从各个渠道得来的消息都是这个专业不好找工作。这一点在美国和中国都是一样的，过于偏重理论和科技前沿探索的专业方向往往工作比较难找。计算机科学与工程计算具体包括生物信息学，气象数据处理，数字处理算法，计算物理，计算化学等等。这个专业的特点就是交叉，往往要求申请者除了计算机科学相关的背景还要有一点生物、物理、化学等等方面的背景。目前此类学科属于前沿新生的专业，就业形势不明朗。很多学习此类专业的同学就业的时候还是转向了传统的写代码相关的岗位。第五类：人工智能与人机交互方向人工智能其实是很综合的学科，他的目的就是把人类的智能扩展到信息处理的机器的上。人工智能里面涵盖了计算机专业的很多小方向。比如机器学习系统，计算机语言，图像处理，语音识别，机器人，人机交互等等。对于申请者的计算机科学背景要求较高，包括数据结构算法之类纯计算机专业的课程，都有一定要求。人工智能的产品包括机器人、语言识别、图像识别、自然语言处理和专家系统等。这个方向最近很热，招收的名额也比较多，也有从主要招收PhD向Master转移的趋势。完全对口的工作是纯研发的性质，找起来有一些难度，不过退一步海阔天空，在各类电子设备商处都有大批学习此类专业可以涉足的工作。唯一需要注意的是AI的某些部分在美国也一定程度上应用于国防，所以如果自己要进入的program涉及此类就不推荐了。人机交互和人工智能专业互相交叉。并且此专业是计算机科学、行为科学、人体工程学、设计类的一个交叉领域。这样的专业的特点就是对工作经验比较看重。与人工智能一样，这样的领域如果找完全对口的工作有时候较难，但是凭借着扎实的计算机科学相关专业功底，可以在大量工作机会中寻找突破口。综上所述，美国留学计算机专业，就是由操作系统、算法、架构、编码、电路设计、信息科学、数学等等一大片专业联系起来的一个大平台。计算机专业里面的任何一个方向，都是由组成这个平台的一些小领域结合而成，互相交叉，不可割裂。案例分享案例一毕业院校:美本主修:计算机科学GPA: 3.8/4.0托福/雅思: WaiveGRE/GMAT: 322实习/工作: 一段500强实习科研经历: 一段相关科研+一段游戏开发经历录取院校: University of California, Los Angeles, University of Southern California, Columbia University案例二毕业院校:香港某本科院校主修:计算机科学GPA: 3.1/4.0托福/雅思: 99GRE/GMAT: 324实习/工作: 一段相关实习科研经历: 两段相关科研项目，半年全职RA经历录取院校: Georgetown University, University of Rochester, Boston University, University of Florida案例三毕业院校:国内某985院校主修:土木工程GPA: 2.8/4.0托福/雅思: 95GRE/GMAT: 315实习/工作: 一段相关实习科研经历: 无录取院校: George Washington University，Stevens Institute of Technology案例四毕业院校:国内某985院校主修:物联网工程GPA: 3.5/4.0托福/雅思: 96GRE/GMAT:321实习/工作: 两段相关实习科研经历: 两段相关科研录取院校: University of Southern California, New York University, Boston University案例五毕业院校:国内某二本院校主修: 软件工程GPA: 3.8 /4.0托福/雅思: 102GRE/GMAT: 320实习/工作: 一段相关实习科研经历: 无录取院校: University of California, San Diego, Washington University in St. Louis案例六毕业院校:国内某985院校主修:计算机科学GPA: 2.6/4.0托福/雅思: 95GRE/GMAT: 318实习/工作: 两段相关实习科研经历: 两段相关科研录取院校: Boston University, Southern Methodist University, Syracuse University

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。

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。

很多人选择去美国留学是为了更好的就业前景，因此选择哪个专业就非常重要。计算机专业作为美国留学最热门的专业之一，每年申请的人持续增加，那么它的就业前景是怎么样的呢？是否能够实现人们最初的期望？在美国，计算机专业一直被人们看好。无论你是美国本科留学、美国硕士留学还是美国博士留学，前途都非常不错。根据数据统计，美国就业市场对计算机人才的需求还将继续扩大，计算机专业美国本科留学就业前景令人看好。2013年，美国与计算机相关行业共有雇员 3303690人，在未来几年，美国就业市场对计算机专业人才的需求量会增加27%，而此行业的工作成长和新陈代谢总共需要增加39%的人才。计算机专业毕业生所从事的工作包括数据库主管、软体设计师和资讯科技顾问等。在美国留学的热门专业中，计算机专业的薪资水平远远高于平均水平。计算机行业雇员职业生涯中期的中位年薪为97400美元。2013 年，美国计算机行业雇员的平均年薪为76290美元。计算机行业雇员收入最低10%的人群平均年薪为38590美元，收入最低25%人群的平均年薪为52890美元。接下来收入居于中间50%人群的平均年薪为72900美元，收入最高25%人群的平均年薪为95870美元，而收入最高10%人群的平均年薪为119660美元。谈到计算机行业的高薪酬我们就不能不谈一下计算机行业的竞争。总的来说，这一行业的竞争还是非常激烈的。一般来说，美国名校毕业生更具优势，受到美国企业的青睐。当然，如果你没有美国移民或在美国工作的打算，回国内工作则是一个不错的选择。计算机专业就业方为：计算机基础专业学生毕业后能在企事业单位、政府部门从事计算机应用以及计算机网络系统的开发、维护等工作。软件工程及开发就业前景十分广阔，学生毕业后可以到国内外众多软件企业、国家机关以及各个大、中型企、事业单位的信息技术部门、教育部门等单位从事软件工程领域的技术开发、教学、科研及管理等工作。也可以继续攻读计算机科学与技术类专业研究生和软件工程硕士。　网络信息安全可为政府、国防、军队、电信、电力、金融、铁路等部门的计算机网络系统和信息安全领域进行管理和服务的高级专业工程技术人才。人工和商业智能(AI&BI)现在是很有活力和发展的方向。特别是与“大数据”概念和商业智能融合，现在的一个热门词汇叫做“数据化运营”，这种趋势为很多IT从业者打开另一扇接触业务，解决其他传统行业实际问题的窗口。多媒体技术毕业后能够从事计算机美工、动画制作、影视编辑与制作、广告设计与制作、多媒体综合应用开发、多媒体课件制作等工作。信息系统培养具备现代管理学理论基础、计算机科学技术知识及应用能力，掌握系统思想和信息系统分析与设计方法以及信息管理等方面的知识与能力，能在国家各级管理部门、工商企业、金融机构、科研单位等部门从事信息管理以及信息系统分析、设计、实施管理和评价等方面的高级专门人才，因为涉及到信息的管理，所以学生将来的发展非常好。

选对留学院校对我们的求学之路至关重要。随着中国即将加入WTO，国际经济贸易交流的日益频繁，涉及两国乃至数国之间的经贸纠纷越来越多，为此国家需要培养大量熟悉西方法律制度、通晓国际商事法律规则的涉外法律人才。有远见的法律专业学生，已把目光盯向了国外，尤其是经贸法律制度发达的美国，希望通过在美国法学院的学习，从理论研究到业务素质都获得一个大的提高，同时也为自己的进一步发展打下良好的基础。下面就和选校帝了解一下美国法律研究生留学需要读几年，希望对大家有所帮助。但是，美国属于普通法系国家，法律学制与我国不尽相同，入学条件和学位颁授要求和中国也有较大的区别，因此造成了同学们普遍反映的申请难、拿奖学金难和签证难的“三难”状况。笔者所在的法学院和美国一所大学的法学院建立了友好校际交流关系，因而对办理赴美攻读法律学位的一些手续、要求有较多了解。美国的法律学位分三种：J.D.、LL.M.和S.J.D.，下面分别予以介绍：一、J.D.(Juris Doctor)，中文可译成法律职业博士，相当与我国近年通过全国联考招生的法律硕士。J.D.学制为3年，需要已具有本科学历的人才能申请，在美国，甚至有数学硕士、心理学博士报考J.D.的，可见这一学位的巨大诱惑力和良好职业前景。对于非英语国家的本科毕业生来说，还需参加LSAT(Law School Admission Test，法学院入学考试)和TOEFL(Test Of English as a Foreign Language，即“托福”考试)，达到一定的分数线才有资格申请入学。“托福”考试人们都已熟知，以下着重介绍一下LSAT(法学院入学考试)。LSAT被称为全世界最难的英语考试，其题目难度远远高于TOEFL、GRE、GMAT等专门英语考试，是由位于美国宾夕法尼亚州的法学院入学委员会(Law School Admission Council，简称LSAC)为198所(美国有183所，加拿大15所)法学院成员设置的法学院入学资格考试，用以衡量考生的阅读和逻辑推理的能力。LSAT无报考资格限制，每年举办4次，分别是2月，6月，10月，12月，中国考生只参加12月的考试，报名点在北京大学。LSAT考试主要测试考生在英语基础之上的以下几方面的能力：1、准确阅读并理解复杂文章的能力;2、组织有关信息并得出合理结论的能力;3、批判性的推理能力;4、对他人的推理进行分析和评价的能力。几乎所有的法学院都要求J.D.申请者参加LSAT，其成绩作为法学院评估申请者的条件之一，而且是一项非常重要的衡量标准，尤其对那些已经离开学校工作了几年的人而言，这个标准就更为重要。对于希望攻读J.D.的中国学生来说，有利之处在于它并不要求申请者的本科阶段一定是读的法律，也就是说，任何一名合格的中国大学本科毕业生，只要拥有达到学校要求的托福、LSAT成绩和不错的本科学习记录，一般都能获得美国大学法学院的录取。(但是否颁发奖学金涉及学术能力、知识背景、个人综合素质等多项因素，而且具体情况因人而异，所以这一点还请参看各大学法学院招生简章上的明确要求。)J.D.因为是一种职业学位，课程侧重于法律实务技能的培训，所以就业渠道在美国通常是律师、企业法律顾问、检察官和政府法务人员，中国学生回国后一般从事涉外法律案件的代理及为外国投资者提供法律服务。二、LL.M.(Master of Laws)，中文译成法学硕士，性质上与我国的法学硕士近似。LL.M.是一种学术学位，学制一到两年，在美国，一般是有志于从事法律教学、研究工作，并已获得J.D.学位的人员申请攻读。该学位的招生录取工作较J.D.更为严格：第一，申请者必须已经过了本科阶段的法律学习，获得法学学士学位;第二，证明自己有足够的从事法学研究工作的能力，提交主要出版物和学术作品;第三，参加“托福”考试并达到学校所要求的分数。完成LL.M.学位者毕业前须递交一篇学术论文。一般来说，中国的优秀本科毕业生(含通过联考录取的法律硕士毕业生)如果已经发表了一些法学论文、英语水平又较高的，申请LL.M.得到批准的把握比较大。另外，美国的法学院不太欢迎外国的在读法律研究生申请这个学位，他们的理由很简单：你已经是你们国家的LL.M.了，为什么要放弃学业来美国的法学院呢?这里就牵涉到一个移民倾向的问题，申请者到了美国使领馆往往会被拒签。有的法学专业研究生便以本科生的身份进行申请，但这无论在学业上还是在经济上都是得不偿失的了。由于LL.M.学位获得者在国外从事的都是某一专题的深入研究，所以无论在哪里就业，主要的工作岗位大多是高等学校法律院系的教职人员或科研机构研究人员。值得一提的是，因为美国法学院招收的LL.M.学生数量不多，教学重心也主要放在J.D.的课程上，所以外国的LL.M.申请者较难获得研究生奖学金。三、S.J.D.或J.S.D.(Doctor of Juris Science)，中文译为法学博士，与我国的法学博士学位基本相同。具有LL.M.学位的法学研究生，如果希望在某一专门法律领域有更深的研究，或者其职业目标是成为法学院的高级教员，可以在完成硕士阶段的学习后申请继续攻读S.J.D.法学博士学位。S.J.D.的学制一般为3年，第一年在导师的指导下进行专题研究和理论学习，第二、三学年参加法律实务工作，在实践中加强对所研究课题的理解、认识，最终在毕业前撰写出高质量的学术论文(不少博士生的毕业论文就是一部法学著作)。对于中国学生来说，具有法学硕士学位者，达到学校英语学习要求(一般为“托福”成绩)和学术能力要求(即发表论文或学术著作的数量、质量)的，都可以获得美国大学法学院的录取。同样，法学博士阶段的奖学金也较难申请，但特别优秀者(“托福”高分者和拥有大量学术出版物的人)总能获得丰厚的学业资助。美国是一个很实际的国家，所以鲜有本国的J.D.、LL.M.再攻读S.J.D.的，大多数毕业生参加律师资格考试而成为执业律师(美国律师的平均年薪为8万美元，而最优秀法学教授的收入也比这个数字少得多)。所以S.J.D.中很多都是外国的专家学者。以上是选校帝为你整理的出国留学干货，希望对你有帮助。如果你想要了解更多资讯，欢迎关注选校帝。