去美国读计算机博士

走进武汉纺织大学云计算与大数据研究中心，史爱武教授带的几位研究生因疫情影响刚刚返回学校开始学习。史爱武教授悉心询问学生们的生活、学习状况后，来到自己的办公室——即将挂牌的智慧党建创新研究中心。这位1972年出生的教授，有23年党龄。从小深受红色熏陶的他，在美国纽约学习和工作近10年后毅然回国，将自己擅长的新兴信息技术与党建结合，一头扎进了智慧党建发展的研究中。史爱武，美国纽约大学计算机博士，对外经济贸易大学产业经济博士后。中国电子学会云计算专家委员会委员，中国通信学会云计算专家委员会委员，教育部战略研究中心云计算首席科学家，武汉纺织大学阳光学者特聘教授、云计算与大数据研究中心主任。主要从事云计算、大数据、人工智能等新兴信息技术及应用研究。怀揣报国初心学成归来史爱武出生于红色大别山革命老区黄冈。1994年，他从武汉纺织大学自动化本科专业毕业后去往华中科技大学计算机专业继续深造，并于1997年5月加入中国共产党。硕士毕业后，史爱武选择了改革开放的前沿深圳。工作中，他发现国内计算机水平与世界先进水平差距很大。因此，在2001年获得全额奖学金后，史爱武决定赴美继续攻读计算机科学博士学位。在美国纽约学习和工作近10年后，2009年史爱武又作出一次重大决定——回国从事对外经济贸易大学国际经济研究院应用经济学博士后研究。他说："计算机技术是微观的，企业管理是中观的，经济是宏观的，我在技术和管理方面已经有多年的知识和经验积累，想再学习宏观的经济理论，努力为祖国经济建设做出更多贡献。"此后，史爱武受聘为中国电子学会云计算专家委员会委员，中国通信学会云计算专家委员会委员，科技部专家库专家，教育部对外经济贸易大学战略研究中心云计算首席科学家，华中科技大学管理学院兼职教授，并入选"武汉市人民政府博士资助"。至今，他已主持完成8项国家和省部级云计算和大数据科研课题，出版云计算专著1部，发表10余篇学术论文，申请7项技术专利（5项已授权），授权9项软件著作权。史爱武说，这些都是他回国后真正想做的事情，利用自身学习和工作经验，为祖国贡献一份微薄之力，正是他学成回国的初心。在社会服务中孕育党建新思考2010年开始，史爱武陆续受到一些机关单位和企业的委托，为它们量身定制信息化规划和系统研发。"在社会服务工作中，我意识到思想政治工作的重要性，有时候可能胜过掌握一门技术。而我自己所掌握的现代化技术正好可以利用起来，让党建工作做得更好。"他信心十足地说道。2014年，史爱武进入武汉纺织大学，正式成为了一名高校教师。2019年他筹划成立"武汉纺织大学智慧党建创新研究中心"，运用大数据、云计算、人工智能等新一代信息技术，创新性地开展党建工作。为此，他领衔开发了"多技术融合的党员一键求助系统"，这个系统建有党建云支部，支部党员随时可以互动联系。他还开发了"党员先锋码"，每个党员平时的工作、言行均可作为大数据储存在"先锋大脑"中，史爱武介绍说，"这些数据可以在党组织生活中作为年度述职年度考核使用，使民主评议党员客观化、定量化"。疫情期间，如何开展党建工作成为了一大难题。史爱武充分利用5G技术，领衔开发了"5G新基建新党建"系统，把传统的党员集中开会的形式改变为不论身处何处均能召开视频会议，他说："就算偏远山区老党员，只要当地5G覆盖，也能参加云会议，接受云教育。"这一系统不仅让党员之间的沟通交流更为便利，同时也为常态化疫情防控形势下的党员学习教育提供了途径。然而，要想将新兴信息技术真正融入到党建中，并非一帆风顺。他说："要想真正实现创新，必须把握好理论、内容、形式和技术四个维度。虽然目前在技术方面没有什么障碍，但是另外三个方面却需要寻找外援，尤其是理论研究人员的不足，导致理论方面较为薄弱，因此未来还需要迎接各种挑战。"在教学科研中指引学生前行路将党建融入到育人中，史爱武在人才培养方面做了大量思想引导工作。他说："我每年都会教学2门本科课程，招4-5个硕士研究生，并和身边博士研究员或教师一起组成研究团队，开展一系列的云计算、大数据研发工作。"每周组织的研究生例会上，除了布置每周学习任务外，史爱武还会更多关注学生的思想、学业和就业规划等。谈及带过的学生，第一届学术型硕士研究生苏楠，是他的得意门生之一。苏楠曾获得过国家奖学金，研究生期间参与了多项互联网公司项目，毕业后很多企业都投来橄榄枝，最终他选择了阿里投资的一家上海云计算公司。2019级硕士研究生黄太昊2016年在学校光荣入党，深受史爱武影响的他说："史教授不仅教课，还教我们做人，让我们的目标更清晰、求学之路更有规划。"除了研究生培养，史爱武对本科生的指导也非常用心。从2014年起，他的团队每年都会面向本科生免费开设寒暑假软件开发实践培训班，每次都会挑选10-20名本科生悉心培养。这些学生学习认真刻苦，毕业时多数都能够考上名校研究生，或成为就业达人。在疫情期间和后疫情时期，史爱武围绕全面提高人才培养质量这一核心点，结合专业特点，积极推进思政建设，在学院公众号上推出"云上思政"专栏，专门关注计算机专业大学生的学习与成长。目前，他已完成20多万字的思政内容设置，为学生提供了学习、考研、留学、就业的规划与指导，深受广大师生好评。"学院大多数老师只专心于自己的教学和科研工作，而史教授不仅对自己的学生培养、科研工作很上心，还会投入更多的时间和精力做一些公益类事业，得到了大家的肯定。"武汉纺织大学数学与计算机学院院长胡新荣对他给予高度评价。师者，所以传道、授业、解惑也。史爱武秉持着一颗爱国报国之心，利用自身所学将科研技术运用于党建之中，同时又将党建中的思考融入到人才培养中来，在思政过程中为学生传道授业、答疑解惑。素材来源：武汉纺织大学

虽然华人在西方世界一直表现优秀，但很少有华人能够走进大公司的高级管理层。但有一位华人在三十多年前就因为带队研发出了SQL（关系型数据库）语言，而成为IBM的高管。他就是现任群硕集团总裁，原台湾宏碁电脑总裁、台湾日月光集团总裁、IBM史上最高职位华人——刘英武。图片由（WXH） MWB-Nora 收集整理对于年轻的IT人士来说，刘英武这个名字可能并不熟悉。但打开他的履历，你会惊叹不已：他30多岁就在IBM直接对董事长和执行长负责；他带队发明了世界数据库标准SQL（结构查询语言），在世界软件业留下了浓墨重彩的一笔。他致力推动的IBM软件市场化成为整个IBM转型和成长的重要动力之一。他还曾是宏碁集团和日月光集团的总裁，为宏碁走向世界，日月光问鼎全球立下过卓越功勋。图片由（WXH） MWB-Nora 收集整理这开挂的简历，简直是无数IT从业者心中的梦想人生。超常人生，必有超常之付出。这位传奇华人，是如何一步步走向神坛的呢？1943年，刘英武出生在湖南衡山，少年时跟随父母来到台湾。从读书时代开始，刘英武就像个不断换马驰骋的骑士，从土木到机电，从机电到物理，再从物理到电脑，一口气转了四个系，在决定要报考计算机博士生的时候，离考试只有3个月了。在此之前，刘英武根本没有接触过电脑，而且他要考的是世界著名的普林斯顿大学。其他的报考学生都是来自各个国家的计算机精英。他靠着强大的意志，和过人的天赋，每天早上3：30分开始学习，晚上11：30分睡觉。图片由（WXH） MWB-Nora 收集整理连续高强度的学习，早上实在不好起来，于是他就放了三个闹钟，一个闹钟放在床边上桌子上，手可以伸得到，另外一个放到床到壁柜中间的地上。在壁柜里面再放一个闹钟，把壁柜的门关起来，这样非得起来才能把壁柜里面的闹钟给关了。就这样，刘英武顺利考上了普林斯顿的计算机专业，夜以继日的不懈努力让他顺利拿到了普林斯顿大学的计算机博士学位，并成功到另一所知名大学——密歇根大学执教。在美国大学做老师，是很多华人学生梦寐以求的职业，然而刘英武却在半年之后辞去了这份工作。原因是，他觉得做研究不是只是为了做研究，是要把研究出来的东西能够运用上，能够让社会受益。图片由（WXH） MWB-Nora 收集整理1969年，他进入了世界知名的IBM公司，在纽约总部的研究院工作，那年他刚好26岁。刚进入的时候他只是一个最普通的研究员。在他之前，整个研究院只有一名华裔高管，做了15 年才做到了二级经理人。当时很多人告诉刘英武，华人在IBM研究院里最多只能做到二级经理人，根本不可能进入核心领导层，然而他并没有理会。“我知道我是一个中国人，我不认为这是一个问题。”刘英武一进入IBM，便每天都和那些美国员工一起吃午饭，了解他们的生活方式和习惯。由于自己的英语发音不是很地道，他更是下班之余苦练口语。慢慢地，那些美国人都开始把他当成"美国人"了。图片由（WXH） MWB-Nora 收集整理由于他在电脑方面的独特天赋，1971年，不到30岁的他被派到硅谷创立西部电脑研究部门，组建了一个几乎全由名校博士组成的60余人团队。他们将EdgarCodd的理论和自己对软件要适应人和企业需要的思维结合起来：“当时要去资料库里面拿资料是非常困难的，但是要用资料库的人都是会计、人事工厂里面的人，我就决心要发明一个比较高层的资料库的语言，能够让更多的人可以直接到资料库里面去拿东西。”经过五年的研发，他带领的团队项目，直接导致SQL(关系型数据库)的发明，这个发明对后来全球计算机软件应用影响深远。图片由（WXH） MWB-Nora 收集整理可是当时IBM部门拒绝他将SQL产品化的建议，而且研究院的领导也不赞同这个方案。有一次，他上班去洗手间的时候，刚好碰见一位贵人，那就是IBM的老板卡里。由于初次在公司遇见大人物，他显得很紧张，除了一句简单的礼貌性问候外，似乎不知道该说什么了。回去之后，他开始观察卡里的时间安排。经过一个月的观察，他发现卡里每天下午3点左右的时候会错开员工下午茶时间去趟洗手间。他觉得他应该抓住这样的机会和老板沟通一下。后来的很多天，在那个时间他都装作无意中去洗手间，终于无意中碰见了老板卡里。此时的他已经没有之前的紧张了，而是主动向老板自我介绍，并且将他预见到关系数据库的美好前景和卡里分享。经过几次洗手间的谈话后，老板开始注意到这个小伙子不一般。通过董事会及高层的分析，他们决定破例同意了SQL产品化的建议。图片由（WXH） MWB-Nora 收集整理随着SQL产品的大获成功，也让这位华人技术小伙走上了IBM的管理层，随后他开始主管通讯软件业务，他在大多数人还没有意识到软件重要性的时候，预见到软件的光辉未来。并推动改变IBM过去将软件作为硬件附带赠送品的商业模式，开创了销售IBM通讯软件的先河，不但为IBM创下很可观的营业收入，也间接加速了软件作为一个产业的发展。刘英武也因此一路从一名研发人员上升为IBM全球副总裁。刘英武曾在面对媒体采访时说“我这个人喜欢冲大浪，喜欢开拓新的疆域，其实我的作风也是这样的。我一生过来相当有规律，我不太浪费我的精力，我把我的精力都投资在我要做的事情上。”图片由（WXH） MWB-Nora 收集整理很多同学都有野心和抱负，想要干一番事业，想要出人头地。那么，当我们在面对每一天的人生时，是否有成就一番事业的毅力和勇气呢？

计算机这个行业，现在非常重要。乃至之后的几十年里，计算机这个行业都非常重要。但绝没有你想象中那么好，这其中最大的一个问题就是我们做什么都爱扎推，你说吃喝玩乐扎堆也就算了，最多被忽悠点钱。职业生涯也爱扎堆， 哪个专业好就一股脑进去，这是要影响一辈子的事，因此最好还是头脑冷静一下再做决定。我曾经辅导一个妹子写计算机本科毕业论文，你能相信一个四年计算机专业的人，到毕业快写论文了，我问她计算机相关知识，基本上一问三不知，我很好奇她每门课是咋过的。其实很多正经四年本科毕业的学生，连个开发环境都安装不好，更不要说做其他的了。所以说不是每个专业都适合每个人的.计算机其实门槛比大家想象中要高。现在就业好，收入高，那是建立在高速发展期，别说十年后，就算四年后你毕业计算机行业还指不定如何呢。另外计算机是个学习曲线很长的专业，大一以会写hello world为荣，大二误以为自己精通一门语言，大三开始了解原来还要学现代，离散，统计，编译器，系统数据库，分布式，大四投身机器学习，前端开发不可一世。博一发现原来计算机不是只有可以在google上找到的东西，博二开始发现计算机的世界充满了博弈和可能性，博三开始幻想着自己能为计算机的发展写上自己的一笔……很多人可能都走不到第二步，大部分非985211学校在第三步就歪掉了，大部分计算机专业学生的终极目标可能就是第四步。然而事实上能在计算机行业里活下去并获得竞争力的核心是第四步后面的内容。很多人可能说计算机专业并不需要积累那么多才能入行，但实际上能拿高薪的基本上都用了大量的时间来积累和提升自己。然而我国国情是本科专业不自由，很多人想研究生跨考，但是研究生三年乱七八糟的事情一堆，你真的有时间去积累么？目前计算机好不好？我可以明确告诉你，的确是好.但不一定适合每一个人，也不代表以后会好.虽然我自己是做这一行，但是我自己并不看好这一行适合普通人.现在其实很明显了，顶层的大牛负责核心技术，制订规则.中层好一点的，看懂改改适合自己用，底层的直接拿来用。至于收入和今后的前途，大家可想而知。

我国近些年的成就可以说是有目共睹的，而这与我国全面的发展是分不开的，而能够取得这样的进步，归给到底在于——人才。正是由于人才的不断涌现，才成就了我国的今天。近些年我国涌现的青年才俊可是不在少数的，其中许多大学都是聘请年轻的人才为博导，也是成为了国内的美谈。我们今天介绍的也是其中的一位青年才俊中的佼佼者，他就是清华大学培养了8年的计算机天才：楼天城！名副其实的计算机天才：楼天城！1986年出生的楼天城，在2004年的时候由于成绩非常的优异，因此是被保送进了清华大学的计算机系。我们都知道，清华大学作为理工科大学中的“扛把子”，其计算机系也是在国内一直名列前茅，加上其雄厚的师资力量，楼天城的努力，在2008年的时候，他进入了清华大学理论计算机中心攻读博士。说起楼天城，就不得不说起一个人，他就是中国科学院院士姚期智，正是由于姚期智对他的发掘，楼天城才走上了如今的研究方面，并且姚期智也是鼓励楼天城参加各种的国际学术会议以及比赛。楼天城取得的骄人成绩！楼天城从高中的时候就开始不断的拿到奖项了，其中多数是属于数学、计算机方面的奖项，称得上是拿奖拿到手软。在2003年的时候，他就获得了全国青少年信息学竞赛的一等奖，并入选了国家的集训队；2004年获得了国际信息学奥林匹克竞赛金牌；在清华大学攻读博士之后，也是多次参加Google、FaceBook等全球编程挑战赛，其中最差的成绩都是第三名，由此可见实力的一斑，可以说在计算机领域有着独特的天赋。计算机天才选择去美国继续发展，留下豪言：我会回来的！楼天城是公认的国内公认的大学生编程第一人，时常是以一人挑战一个队，在业内非常的知名，人称“楼教主”。而姚期智也是毫不掩饰对于这位弟子的喜爱，可以说是他最为得意的门生了。毕业后的楼天城顺利进入了百度，成为了最年轻的T10级员工。但是普通的工作并不能抚平它年轻躁动的心，不久之后离开了百度公司，成立了自己的自动驾驶创业公司。虽然他成立了自己的创业公司，但是FaceBook总部并没有放弃人才的打算，向他发来了聘任通知书，并且承诺会送他美国绿卡。楼天城最终是决定去美国，其实即便没有这个聘请，他也是决定去美国的，因为他主攻的是社交网络，而美国的确在这方面是有着优势的，但是他也亲口表示：“过几年后，我一定会回国”！我国真的培养不出出众的人才吗？其实放在国际的角度上看，我们发现我国的高端人才还是偏少的，难道我国真的培养不出出众的人才吗？我们从《美国科学院中的华人院士》名单中不难发现，其中34位的美国科学院中的华人院士，有27位是在国内读完大学之后才去的美国，可见我国并不是培养不出人才，而是没有能够留住人才。而世界上的中国科学家比例是比较少的，但是“华人”科学家却是非常多的，许多人才去了国外而一去不回了，这种状况的确值得我们深思。我们应该怎样看这样的人才呢？小编认为，楼天城这样的人才的确是我国的骄傲，尤其是他这种可贵的要表示以后要回国发展，也是希望他以后能够真正的能够做到他所说的。我国近些年的发展也是取得了巨大的进步，无论是“硬实力”还是“软实力”，与国外相比都是不遑多让的，我们也是真心希望国内培养的人才不再流失。不知道对于楼天城这样的人才，你怎么看呢？

简介吴紫薇，中国科学技术大学2016级计算机科学与技术学院华夏英才班学生。先后在中科大李向阳教授、何向南教授、加州大学洛杉矶分校孙怡舟教授、微软亚洲研究院周明副院长的指导下进行数据挖掘和自然语言处理方向的科研。将赴美国伊利诺伊大学香槟分校攻读信息科学的博士。2020年获郭沫若奖学金。在刚进入计算机科学与技术学院的时候，我还是连C语言都不知道的小白，对计算机专业的选择全凭懵懂的兴趣。从大二开始，我有幸加入了华夏计算机科技英才班，获得了丰富的学习资源和众多宝贵的交流机会。在这些年的学习中，我对计算机不同层次的原理、设计及相关科研进展有了清晰的认知，幸运地找到了自己的科研兴趣所在，并坚定地追寻与热爱自己感兴趣的科研方向。华夏英才班给我们提供了最优质的教学资源与先进的教学模式。每学期开设的荣誉课程都非常受学生的欢迎。在轻松活泼的课堂氛围中，同学们与老师自由讨论、碰撞思想、平等交流，在寓教于乐中老师能很快地判断各部分知识之于学生的难易程度，并及时做出教学上的调整，让我们在积极的思考中如沐春风。在实验的设计与完成上，我们也有相对高的自由度。每年课程实验的设计都会参考学生建议作出一定调整。老师们各有其教学特色，有些老师为学生提供了很多实验项目选择，充分尊重学生兴趣。有些老师设计的实验虽然体量大、难度高，但通过了历练的同学在代码能力和原理理解上都会有很大的提升，所以大家都非常踊跃地参与。除了各位可亲可敬的老师，优秀可爱的同学们也令我印象深刻。一方面，成绩优异的各位同辈鞭策着自己不断精益求精，严格要求自己，坚持不懈地努力。另一方面，出众的动手能力、协作能力和自由的思想让每次课程或项目的成果展示环节都十分引人注目。各种各样精彩的项目每每让我学习到很多新知与经验。感谢华夏班的各位敬业的老师与优秀的同学，让我不断鞭策自己，“高峰要高到无穷”，科大精神在我未来的学习与生活中会一直陪伴我、支撑我，让我不断努力，成就优秀的自己。丰富的交流交换项目与实习机会也是华夏班给我们的宝贵财富。大一暑假，华夏班的学生们有幸获得去北京中关村见习的机会。在微软、爱奇艺等各大公司的游历中，我了解了行业中很多方向的前沿进展，并与学术大牛进行交流。这对于当时尚未接触科研的我来说，有着非常深刻的启蒙作用。也是自那个暑假的经历之后，我开始加入科大李向阳教授的实验室，挖掘自己的科研兴趣。在李老师的实验室里，我在科研上蹒跚学步。所幸李老师和张兰教授对进行科研的本科生给予了非常热情的指导，我也终于在一年半的时间里进行了相对完整的科研探索，明确了自己的科研兴趣。我在大三暑假通过科大提供的合作项目赴加州大学洛杉矶分校跟随孙怡舟教授进行数据挖掘方向的研究。在美国的两个多月，华夏班给我了全方位的资助，是我在异国他乡进行学术研究的坚强后盾。回国后，我通过中科大微软亚洲研究院联合培养项目，获得了在北京实习的机会，在周明老师的指导下进行自然语言处理相关的研究。在微软亚研院里，有很多华夏班的师兄师姐，在科研和生活上给了我很大帮助，让在陌生城市的我感到非常温暖。华夏班虽然每年规模不大，但华夏班成员的足迹却遍布五湖四海。我在国外进行暑研时，以及在公司进行实习时，都遇到了很多学长学姐，得到他们热情友善的指导，听他们分享毕业后的生活，也一起回忆科大的美好时光。在进行博士学位申请的过程中，我也了解到很多华夏班的前辈已经在国内外一流大学取得了教职，在国际上都很有影响力，并对我们华夏班的学生非常友好和欢迎。在我感到孤立无援时，有幸能得到这些前辈们的帮助，万分感激。今年我也要毕业了，我也会积极为学弟学妹们提供力所能及的帮助，也希望未来的自己能够做出令自己和世界满意的工作，不落华夏班的荣光。华夏班为我的本科生涯奠定了扎实的基础，并给我提供了丰富的资源与机会。在课业学习和科学研究上，我都因此受益匪浅。在未来的学习与生活中，我也会不断鞭策自己，不辜负华夏班对自己的培养。也希望未来的学弟学妹们能珍惜并充分利用华夏班给大家的机会，为华夏班增光添彩。来源：中国科大教务

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。

命运总是不如人愿。但往往是在无数的痛苦中，在重重的矛盾和艰辛中，才使人成熟起来。——《平凡的世界》我们常说庸人多自扰，因为没那个脑子，又爱乱想，明明就是个在地头锄草都看不清草和韭菜的智商，非要思考国家大事宇宙运行，才会让自己烦忧。但是聪明人也有聪明人的烦恼，但是他们思考的和我们不一样，他们为世界的不公而烦恼，为人文而烦恼，如果能够自己想明白，那么皆大欢喜，否则只能事与愿违，郁郁不得志。天才王银就是因为看不惯世界的不公，看不惯世界里的黑暗，而不断挑战，变得与众不同，但是方法不对，最终被世界抛弃。离开清华，他想去美国看看美国教育，他通过了GRE考试，考上了美国康奈尔大学的计算机系，康奈尔大学的计算机专业很强，当时在美国能排前六名，如果王垠可以在这好好深造，以后也能有一番作为，可是他看不惯美国的官僚主义，又给学校写信退学了。接着他又去了美国排名五十名以外的印第安大学伯明顿分校读博士，可是他本性不改，以一封《对博士学位说永别》从学校退学，从此结束了求学之路。一家有问题换一家，连续换三个学校，其实哪个学校或者哪个人是完美的呢？可是王垠太过沉醉在自己的世界了，他确实在计算机行业有过建树，但是他只是推进计算机发展的其中之一而已，为计算机发展做出过成就的何止千万。他觉得自己是高级的，所以追求完美，沉浸在理想主义中无法自拔，他没有明白一个道理，如果对一个世界不满，不是退出这个世界，而是要先适应这个世界，在这个世界作出成就获得话语权以后，才有办法改变这个世界，一味地退出不是什么反抗世界的英雄，只是一个不断退缩的胆小鬼而已。王垠自以为自己很了不起，其实他除了让自己变成一个大家都看不惯的异类以外，并没有任何改变。并不是所有人都不认可王垠的，谷歌和微软都给过王垠机会，在谷歌大家认可他的能力，可是他却看不上谷歌系统的漏洞和管理的弊端，在微软他失去了以往的光环，没有人重视他，他就先后辞职了。可是辞职以后他也没有靠自己作出什么成就让大家对他刮目相看，现在已经销声匿迹了。

现在是计算机和互联网时代，无论是我们日常生活，还是各行各业的发展，都离不开计算机相关技术，国家的发展更是离不开高新科技和高素质人才。为了培育更多人才，我国已经投入了很多人力、物力和财力，很多高校都致力于计算机科技的研发以及人才的培养。其中清华姚班更是享誉盛名，培育出无数优秀的计算机领域人才。说到清华姚班，就不得不提到一个人，那就是创始人姚期智院士。他是世界顶尖计算机人才，成就满身，曾经获得过计算机领域的“诺贝尔奖”——图灵奖。他之前一直在美国名校做科研，获得了普林斯顿大学等名校的终身教职机会。然而他一心想要为祖国计算机科技做出贡献，变卖家产后回国。姚期智院士出生于1946年，虽然在上海出生，但在台湾长大，1967年获得台湾大学的物理学士学位。优秀的他之后就去美国深造，五年后获得了哈佛大学博士学位，之后又去美国另一所名校深造，拿到了计算机博士学位，正式走上计算机领域的研究道路。之后的姚期智院士一直生活在美国，曾经在麻省理工、斯坦福、普林斯顿等名校任教。他在计算机领域的科研成就很多，在算法、密码学等领域取得了突出的成果，并且获得了很多奖项。52岁的时候被选为美国科学院院士，54岁这一年更是获得图灵奖，这个奖项的含金量非常高，每年只评选一次，只有贡献突出的科学家才有机会获奖，被称作计算机领域的“诺贝尔奖”，而且姚期智院士还是至今为止唯一一位获奖的亚裔。2004年姚期智被评选为中国科学院的外籍院士，这一年他58岁，做出一个重要决定，那就是回国发展。他看到目前国内的计算机研究领域有很多空缺，包括自己的研究领域，他想要为祖国科学事业做出贡献，毅然决定回国。他辞掉了普林斯顿大学的终身教职，把家产都卖了，没有留后路，立志填补国内计算机领域空白。回国后的他加入清华，并且迅速投入到工作中，不仅创办了计算机科学实验班，也就是我们常说的姚班，还创建了交叉信息研究院、理论计算机科研中心以及量子信息中心。回国后，他还邀请了一些计算机领域的专家，招收了一些优秀的学子。在姚期智院士的努力下，姚班已经成为世界知名的一个精英班级，培育出无数优秀的计算机人才。2017年2月，姚期智教授放弃了外国国籍。近几年他更加勤奋工作，致力于人工智能等领域的研究，在他的带领下，我国计算机领域已经取得了突出的成果，填补了原有的空白。看到姚期智院士的故事，相信很多人都为之感动，这位顶尖的计算机人才如此爱国，为我国科学事业和教育事业做出这么多贡献，值得我们的尊敬。

计算机是当前先进技术的代表，美国教育水平高，技术发达，计算机专业自然是美国大学的超强专业，因此申请美国留学读计算机专业的学生也非常之多，那么美国大学计算机专业的排名又是咋么样呢?本文智课选校帝小编为大家带来美国计算机科学排名top50：各大院校难分伯仲!　排名 大学1 Stanford University 斯坦福大学1 Massachusetts Institute of Technology 麻省理工学院1 Carnegie Mellon University 卡内基梅隆大学1 University of California—Berkeley 加利福尼亚大学伯克利5 University of Illinois—Urbana-Champaign 伊利诺伊大学厄本那-香槟分校6 Cornell University 康奈尔大学6 University of Washington 华盛顿大学6 University of Michigan—Ann Arbor 密歇根大学安娜堡7 Georgia Institute of Technology 乔治亚理工学院8 Princeton University 普林斯顿大学8 Cornell University 康奈尔大学9 Georgia Institute of Technology 乔治亚理工学院9 Pure University—West Lafayette 普渡大学西拉斐特9 University of Texas—Austin 德克萨斯大学奥斯汀11 Princeton University 普林斯顿大学11 University of California—San Diego (Jacobs) 加利福尼亚大学圣迭戈(雅可布)11 California Institute of Technology 加州理工大学11 University of Wisconsin—Madison 威斯康星大学-麦迪逊13 University of Southern California (Viterbi) 南加州大学(维特比)13 University of California—Los Angeles 加利福尼亚大学洛杉矶13 University of Michigan—Ann Arbor 密歇根大学安娜堡15 Columbia University 哥伦比亚大学15 University of Maryland—College Park (Clark) 马里兰大学学院公园(克拉克)15 University of Washington 华盛顿大学15 University of California—San Diego 加利福尼亚大学圣迭戈15 University of Maryland—College Park 马里兰大学学院公园17 Columbia University (Fu Foundation) 哥伦比亚大学(福基金会)18 Harvard University 哈佛大学18 Ohio State University 俄亥俄州立大学18 Rice University (Brown) 莱斯大学(Brown)18 University of California—Santa Barbara 加利福尼亚大学圣塔巴巴拉19 University of Pennsylvania 宾夕法尼亚大学20 Brown University 布朗大学20 Rice University 莱斯大学20 Yale University 耶鲁大学20 University of Southern California 南加州大学21 Johns Hopkins University (Whiting) 约翰霍普金斯大学(鳕鱼)21 Northwestern University (McCormick) 西北大学(约翰·麦考密克)21 Pennsylvania State University—University Park 宾夕法尼亚州立大学大学公园21 University of Minnesota—Twin Cities 明尼苏达大学双城21 University of Pennsylvania 宾夕法尼亚大学25 Duke University 杜克大学25 University of Massachusetts—Amherst 麻州大学阿默斯特25 University of North Carolina—Chapel Hill 北卡罗来那大学教堂山27 Duke University (Pratt) 杜克大学(Pratt)27 Harvard University 哈佛大学27 North Carolina State University 北卡罗来纳州立大学27 Virginia Tech 弗吉尼亚理工大学28 Johns Hopkins University 约翰霍普金斯大学29 University of California—Irvine 加利福尼亚大学欧文29 University of Virginia 弗吉尼亚大学29 Pennsylvania State University—University Park 宾夕法尼亚州立大学大学公园29 University of Minnesota—Twin Cities 明尼苏达大学双城31 Brown University 布朗大学31 Rutgers， the State University of New Jersey 的罗格斯大学，新泽西州立大学31 University of California—Irvine (Samueli) 加利福尼亚大学欧文分校(山麦利)31 University of Florida 佛罗里达大学34 Northwestern University 西北大学34 Ohio State University 俄亥俄州立大学34 University of California—Davis 加利福尼亚大学戴维斯34 University of Chicago 芝加哥大学34 Rutgers， the State University of New Jersey 的罗格斯大学，新泽西州立大学34 University of California—Santa Barbara 加利福尼亚大学圣塔巴巴拉35 Iowa State University 爱荷华州立大学35 Rensselaer Polytechnic Institute 伦斯勒理工学院35 University of California—Davis 加利福尼亚大学戴维斯35 Yale University 耶鲁大学39 University of Arizona 亚利桑那大学39 University of Colorado—Boulder 科罗拉多大学博尔德39 University of Virginia 弗吉尼亚大学40 Dartmouth College 达特茅斯学院40 Stony Brook University—SUNY -纽约州立大学石溪大学40 University of Arizona 亚利桑那大学40 University of Colorado—Boulder 科罗拉多大学博尔德40 University of Utah 犹他大学40 Virginia Tech 弗吉尼亚理工大学40 Texas A 德克萨斯40 Washington University in St. Louis 华盛顿大学-圣路易斯42 Boston University 波士顿大学42 University of Massachusetts—Amherst 麻州大学阿默斯特44 Dartmouth College (Thayer) 达特茅斯学院(塞耶)44 Michigan State University 密歇根州立大学44 Northeastern University 东北大学44 University of Notre Dame 圣母大学44 Washington University in St. Louis 华盛顿大学-圣路易斯48 Arizona State University 亚利桑那州国家大学48 Boston University 波士顿大学48 North Carolina State University 北卡罗来纳州立大学48 University of Florida 佛罗里达大学49 New York University 纽约大学49 University of California—Riverside (Bourns) 加利福尼亚大学河畔(境界)49 University of Iowa 爱荷华大学49 University of Utah 犹他大学以上是小编为大家带来的“美国计算机科学排名top50：各大院校难分伯仲!”的相关内容，希望对大家有帮助。更多美国留学资讯欢迎随时登录智课选校帝平台。