> For the complete documentation index, see [llms.txt](https://seu-abroad.gitbook.io/seu-abroad-2018/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://seu-abroad.gitbook.io/seu-abroad-2018/untitled/dian-zi-dian-qi/us14-yang-yi-ning-cmu-msaii.md).

# \[US]14-杨奕宁-CMU MSAII

## 典型国内EE转CS普通985背景非学术向申请

### 基本背景： 

> 申请时GPA：3.92/4， 百分制92.07/100， ranking 2/112 
>
> 托福：102（22） 
>
> GRE：159+168+3.5 
>
> 科研：一段Math+DS相关科研经历（半年）， 一段传统ML方向科研（一篇会议文章在投） 
>
> 交流：一学期UCB交流 
>
> 实习：2017.8 - 2017.12 上海intel deep learning intern + 2018.4 - 2018.6 旷视南京研究院RSDE 
>
> 推荐信：UCB do well in class *1， intel manager* 1， 东大老师 \* 3.

### 申请结果：

* CS： 
  * **Rej：**Gatech-CSE, NYU-Courant-CS, CMU-INI-{MSIN. MSIT-MOB}, NEU-align-cs 
  * **AD：**CMU-SCS-MSAII (Accept), UCB-EECS-MEng(VCCG方向, 2w scholarship), UCSD-CSE-CE, USC37
* EE： 
  * **Rej：**Stanford-EE, CMU-ECE
  * **AD：**Cornell-ECE-MEng, UMich-ECE, Columbia-EE, UCSD-ECE-CE 

###

### 2018转CS申请形势分析

首先介绍一下2018年转专业申请，尤其是EE转CS申请的形势。

作为从大二（2016fall）就开始常驻地里关注美帝转CS申请形势的申请者，我对这两年CS/转CS申请激增到白热化甚至稍有些不理智的趋势感到害怕，也为自己的申请结果感到庆幸。就我在地里收集的信息来看，2017年和2018年地里已经有不少同学爆出了全聚德的帖子，比往年要多出不少，而且今年就我身边一起申请的背景非常不错同学，也有不少是全聚德 or 大部分 REJ。

CS作为申请热门的原因大体上来说是有两条： 

1. 移动互联网兴起以来带动的产业升级和一大波超大IPO，吸引了无数资本涌入，也创造了无数CS相关就业岗位，15/16年左右毕业的同学们各个轻松（相对而言）进入各大高科技公司，加上相对来说颇高的薪水，吸引了无数准备前来美帝淘金的留学生。 
2. 工业界的发展撬动了学术界相关领域的回暖，回流的资本为学术界创造了不少机会。这对于有志于PhD或者科研向的MS来说也是非常好的机会。

但留学市场的反应向来是要滞后于工业界的行情。针对17年亚马逊大量缩招，个大厂早早用完headcount，有人开始唱衰北美CS招工形势，认为已经开始进入CS寒冬。反应在留学市场上，未来两年CS申请人数增长可能会稍微放缓，难度可能持平或稍稍高于今年。

今年（2019fall）或者明年（2020fall）的学弟学妹们，尤其是准备转CS申请的同学，在申请的时候，如果不是对自己的背景非常有自信，依旧建议不要选择太过激进，海参+EE保底是个不错的选择。

### 申请结果分析

囿于我选校list的保守和申请定位的模糊，其实我的结果并不是很好。总结分析如下： 

首先，EE项目过多。对于一个忠实的转CS选手，其实申请这么多（6所）EE项目是相当没有道理的。在申请时我的考虑是，希望求稳保底，但保底校选择过多，也浪费了不少精力时间和金钱。EE的项目中，除了Stanford和UCSD-ECE，其他项目申请其实即使拿到了，也不会考虑pick。学弟学妹们在选择项目list时可以做好取舍。 

其次，CS项目选择单一，我的选校list遗漏了不少非常好的项目，比如Rice CS，U Wisconsin Madison CS， UIUC MCS，UMD CS等。 对照USNews和CSRanking，可以考虑把top 30 的CS项目都刨一遍，不必要把视角关注在top的几个学校上。同时，我在申请时，关注的基本都是就业型项目。但在申请季结束后，又萌生了继续research的想法，可以因为拿到录取的项目基本都是授课型就业项目，所以若要想继续学术道路需要作出更大的努力，牺牲和一点机遇。学弟学妹在做申请规划的时候可以考虑一下这点，不给自己挖坑。

以下着重介绍几个我拿到的CS项目：

#### UCSD-CS-CS76:

该项目是UCSD CSE学院下的CE项目。（UCSD在申请时可以一份申请费递交多份申请，但一个学院下只能选择一个）。CSE下CE项目编号是CS76，正统CS项目编号是CS75。在授课上两者区别在于，CS76只能选择computer engineering 作为concentration选课，而CS75可以从包括computer engineering在内的多个concentration中选课，即选课自由度会大很多。但是！根据我从学长学姐和学校小米多方打听到的消息，对于CS76的同学，若在UCSD第一学期GPA高于3.2，即可申请转为CS75，且基本没有名额限制，每年想转的同学（基本）都可以转成功。申请难度上应该说CS76略低于CS75，并且对于有硬件背景的EE同学来说更有优势。该项目非常适合EE同学作为跳板申请，且环境优美，花费少，加上近年UCSD有扩招倾向，强推。

#### UCB EECS-MEng (VCCG): 

该项目是Berkeley EECS开始的Master of Engineering项目。 本项目：

1. 时长短（fall+spring共两个学期9个月）。9个月意味着没有时间找实习，需要毕业前寻找到全职工作，压力稍大。且对于一毕业回国在某些城市（如上海市）留学生落户（要求海外365天及以上）可能会有些影响。
2. 包含business和leadership类课程。每学期开学前需要上10天的bootcamp，由两门Haas商学院课程组成，主要内容为读case，做pre，写report，据学长说任务量挺大。学期中课程为2门（或3门）tech课程+1学分Haas课程（据说内容很杂，涵盖会计，审计，创业等）+ capstone（贯穿两个学期）。EECS同学选择Tech课程限制很小，只需满足自己的course list之后即可任选。

![UCB MEng 课程安排](https://914677415-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LEyat8new5hRsibp0PM%2F-LGKzi25tO8jGTlbHHBj%2F-LGL10pafDfrxIwj0tiG%2Fcourse%20schedule.png?alt=media\&token=6afd1692-a796-4cc6-9c3f-c2c22c41a41d)

如果不准备继续深造读PhD的话，此项目确实是一个性价比非常高的找工作跳板。仅需1年不到时间即可获得Berkeley CS学位 + 硅谷location + Opt。该项目下和CS相关的有两个方向，DSS （Data Science and System） 和 VCCG（Visual Computing and Computer Graphics）。两个方向中DSS招人最多，VCCG偏少。但就找工作结果来看职位方向差别不大，所以不用太纠结方向问题。关于招工率，就我了解的VCCG来看，基本全部找到fulltime，且Google，Microsoft，Facebook，Uber等都有。俗套点来讲，只要努力基本都可以找到工作。 

关于延期。今年我组织了约30位录取UCB MEng的同学（主要为DSS和VCCG方向）联名写了一封请愿信，向UCB官方情愿延期。官方回答如下：

![Berkeley Response for Petition](https://914677415-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LEyat8new5hRsibp0PM%2F-LGKzi25tO8jGTlbHHBj%2F-LGL2vuR9M8R6s6EcN_b%2Fucb%20response%20for%20extention.png?alt=media\&token=0bccddba-6d22-45f1-8405-4f6743e9ee55)

 目前来看延期希望不大，学弟学妹暂时还是将之视为9个月项目为好。 

关于申请PhD。往届有同学通过这个项目成功申请Berkeley的PhD。该同学是先在Berkeley完成了一年的科研经历，申上UCB MEng后跟着同一个老师继续做了一年科研，最后得以成功。操作难度挺大，请慎重考虑。 

关于找工作和选课，找工作的黄金时间点在于9-11月份，即初到Berkeley就最好开始投简历找工作面试， which means在去之前就要准备好简历+实习经历+刷好题，所以对于强转CS自身经历能力不是很强的同学来说，请慎重考虑。同时，第一个学期（甚至直到第二个学期）都在准备面试刷题找工作，也意味着不会有很多时间花在上课学习上，必须有所平衡。 

关于奖学金，应该….是完全按照申请的GPA排列。Berkeley给我发了2w刀的奖，也有同学拿到1w6，1w2，1w不等。 

#### CMU-SCS-MSAII ：

CMU今年新改革的就业向（圈钱）项目，也是我最后AC的项目。

该项目全称Master of Science in Artificial Intelligence and Innovation, 前身是CMU SCS下的LTI和CBD合办的MSBIC（Master of Science in Biotechnology Information and Computation）。今年申请季（为了蹭AI热度）改的项目，去除了原来MSBIC中和生物相关的课程。该项目为2年，需要修满192学分，其中至少3门选修课 + 10门必修课 + 1门capstone（每学期3-4门课）。10门必修课中有4门是创业/商业类型的，6门课是ML/AI/DL相关课程，至少3门的选修课可以从CMU的CS课程中任选，总的来说培养目标是AI领域工业界创新创业人才。该项目（MSBIC）之前的学长学姐去向都不错，主要为直接就业（各大厂都有），继续走research的有，但很少（17fall没有，16fall有1位）。

{% hint style="info" %}
Tips：据说该项目对于三维比较看重，尤其是GPA/GRE，录取的同学三维普遍较高。同时比较看重丰富的实习/交流经历。
{% endhint %}

### 申请背景总体介绍

我的申请背景是CS申请大军中比较典型的类型，过线的GPA/T/G+科研+实习+交流+普通985本科背景，全面但缺乏亮点，因此最终的结果也算是中规中矩。

同时，申请准备强调一个“早“字，越早的准备越能够留出足够的时间进行信息收集，也能够有效的提升容错率。

希望我的申请经历对于大家能有所启发。

### Timeline

首先介绍一下我的timeline

> 2016.3 托福 96
>
> 2016.6 申请交流 
>
> 2016.9 托福 99
>
> 2017.1 - 2017.6 海外交流 
>
> 2017\. 8 GRE一战 327 
>
> 2017 8 - 2017. 12月底 上海intel实习 
>
> 2017.9 托福 102 
>
> 2018.4 - present 旷视南京研究院实习 

总的来说基本大三上结束后就没有呆在学校，一直是处于交流+实习+到处乱跑的阶段，虽然是做了不少背景提升的工作，但也稍微影响到GPA和申请工作。这点还请学弟学妹注意平衡。

### GPA准备/先修课

分两块。 

首先对于本专业的学习来说，在SEU获得一个比较看得过去（3.8+/4）的GPA难度并不大，平常听课认真完成作业，考试周多讨要一些往年试卷准备准备，只要老师不坑基本都90+起步。这里有一个建议，遇到比较坑的老师，要不选择别选这个老师的课，要不就早点和老师建立connection，比如上课的时候早点来，多回答些问题，平常下课问问疑惑，等到打分的时候，碍于面子，成绩也都还看得过去。 

注意SEU的实验课，在出国成绩单上优对应A，良对应B，但A和B都是按照4.0计算。所以实验课成绩欠佳压力可以不用太大。 

其次对于转CS同学来说，先修课是一件很头疼但又非常关键的问题，因为部分CS项目对于先修课有一些自己的硬性要求。SEU相对不自由的选课，以及信息沟通渠道的缺乏，限制了同学们的选择。以下是我所收集到的方式，以及我对于选课的了解，供参考： 

1. 先修课对申请的重要性： 
   1. 一门语言课程（C++/Java/C/Python）+ 数据结构 + 离散/几代/线代 + OS 
   2. 计网，计组，数据库，计算机架构，软件工程 
   3. CV， ML，PR，CG，嵌入式，高性能计算，编译原理，分布式等。 1中的CS基础课是最好都能够cover的。
2. 2和3相对来说没有那么必须，在有1的基础上都是加分项。但重要程度都不如1. 对于大部分东大电类同学来说，C++/C我们大一都学过，几代也都有，而修到OS和数据会稍微难一些
3. 我推荐以下几种方式进行补修： 
   1. 如果院系开的跨专业选修课里有，请务必抢到，抢不到就找院教务老师加位置 
   2. 如果自己院系修不到，可以选择跨院系选修超出本专业计划课程。此操作可能稍微会有一些难度，需要首先需要提交申请，其次找本院系教务老师，目标院系教务老师，目标院系授课老师签字，最后上交教务处审批。若经过审批，最后此门课程将会呈现在成绩单上，但不计入总GPA。 3
   3. 选择海外交流。最晚在大四之前交流，课程成绩都能用得上。后文详述。 
   4. 网课。cousera / edX / MooC等资源很多。但用处很有限。

### T/G

对于考了3次托福的选手来说，托福着实是挺恼人的。第一次裸考96，第二次比较认真的复习但仅有99，第三次实习期间边实习边复习考出102，最终也就用102的成绩来申请了。 对于考到99分的同学来说，如果时间允许，可以先考GRE，考完了再回来继续战拖。一般来说，不建议对申请复议涨分抱有很大希望，还是再考一次比较好。

在我的理解中，GRE是三维中最好准备，也是相对来说用处最小的一环，所以集中一两个月考过即可。 我的GRE学习集中在大三暑假完成，分为两个阶段。七月初到八月初学习单词，八月初到八月下旬边巩固单词边做鸡精。

秘诀就是多多多多多背单词，多多多多多做鸡精。over！

### 转专业申请tips

可以说转系转专业对于申请没有任何影响。 

就我个人体会，我大一就读于公共卫生学院，大二转入电子学院。对申请来说，没有体会到任何区别，递交成绩单时也不用担心需要解释课程。

当然，我们也可以打开思路。结合以前的专业经历，根据项目要求润色自己的背景。要知道申请工作在于如何塑造自己的背景，tell a good story。比如申请和生物相关的CS项目时，可以在文书中说明自己的interdisciplinary，大一的生物背景+后来的CS技能培养如何能助力未来的学习，培养成cross-disciplinary人才等等。

### PS/CV

私以为PS/CV在申请中非常重要。尤其是当三维过线，又希望争取top program时，一份match的PS/CV能很好的使申请人脱颖而出。结合我的经验分享一下我的理解： 

首先是PS： 

1. PS中一定要强调出自己和项目是如何match的。可以从自己的生涯规划，学习经历，实习经历，项目经历等入手。比如我在准备CMU的PS时，就着重说明我对于AI产业的理解，同时结合我的ML科研和实习背景，阐述了未来自己的生涯目标也是进入AI工业界进行创业。这种与项目思路的契对我最后拿到录取，在我的理解中，是有不小的帮助的。 
2. PS总篇幅基本都为2 pages，1000-1300words。会根据不同的项目更改首/尾段，以及中间部分段落的顺序和内容，也可酌情大改，但工作量比较大。
3. 分享一下我的PS结构。 
   1. 第一段结合项目设置谈自己的生涯规划。生涯规划可以分为短期（刚毕业），中期（3-5）年和长期规划来说。 
   2. 第二段阐述学习经历。我主要根据自己的课程和海外交流经历，展示了对于EE和CS的学术背景和兴趣。 
   3. 第三段介绍了我的科研经历，为AI/ML技能背书。同时也可以通过科研经历展现出某些学习品质比如勇于探索，思路活跃，知识面广泛等。非常注意，一定要在科研经历时贴出具体的实验数据和专有名词。比如采用了xx技术，在xxx数据集上进行实验，使得原本为xxxx%的AP提升到了xxxx%，和stat-of-the-art相比如何如何等。这会使你的事例更加convicing，更加有说服力。 
   4. 第四段着重讲述实习经历，详述了俩实习中发现问题解决问题总结问题的例子。根据工作经验，也可以多角度展现出你作为申请人的技术能力/分析能力/解决问题能力等。在这一部分，对于就业向申请的选手，还可以根据实习经历，再深入谈一些对于相关产业发展的理解，以及未来自己如何进入产业，做出自己带有impact的工作等。 
   5. 最后一段作为总结，谈谈相比其他项目，你对这个项目的独特优势，并且总结凭借你的技能背景，如何更好的match该项目，以及该项目如何（完美的）match你未来的生涯发展规划。 

其次是CV： 

1. CV的篇幅不宜过长，1页即可，最多最多不要超过两页。 
2. 在CV中清晰的列出:
   1. Education （大学经历，网课，交流经历，奖学金和奖项都可以在该section列出，注意注明时间，附上成绩和排名） 
   2. Work Experience 
   3. Academic Experience (selected research work and projs experience) 
   4. Skills & Other Additionals (leadership experience, volunteer experience. etc.) 即可，课程等内容不用附，committee会直接在你递交的成绩单中参看。 
3. CV的用语精炼简洁：
   1. 申明自己在proj的角色；
   2. 强调技术要点（可加粗标出）；
   3. 多用数字，体现出performance的improvement；
   4. 注意列出proj的时间；
   5. 用语要有多样性，developed/adopted/Ported/Optimized等；
   6. 每个proj写2-3个bullet即可，不宜太多；
   7. 可以讲你认为的和项目最match的proj经验放在top。 
4. CV不用附照片，且黑白即可，切忌花里胡哨。

### 交流

如果操作得当，交流经验将会是申请中不小的加分项。一次海外交流经历可以让你体验到不同的教育模式，开阔眼界和朋友圈，补修课程，获得推荐信和connection，收集到更多机会信息等。所以非常建议学弟学妹们在条件允许的情况下，参与海外交流项目。 东大的交流途径，已经有不少学长学姐做出过总结

[东大的海外交流途径 by 方恒 ](https://seu-abroad.gitbook.io/seu-abroad-2018/~/edit/drafts/-LGKzhtZlcNm7zGziUZ_/hai-wai-jiao-liu-ke-yan/eu14-fang-heng-kth)

[出国交流经历对申研的作用](https://telotic.gitbooks.io/seu_abroad_2016/content/Part%202/Exchange_Student_Sheng_Zeyang.html)

在此不再赘述

介绍一下我在大三下学期（2017.1 - 2017.5）通过SAF参与的UCB的学期交流经历。

该项目走的是UC Berkeley Extension（Berkeley专门负责在职教育和海外交流的部门），SAF在其中充其量是一个牵线搭桥的中介角色。走SAF的好处是校内认证手续方便，直接解决住宿问题，提供签证帮助；坏处是多收不少手续费。

Berkeley的EE课程设置与SEU相差不小，不像SEU根据专业方向划分的如此之细，Berkeley的EE课程走的是比较general的路线，几乎所有的强电/弱点课程课号都在EE之下，可随意选择。大部分工科类课程的授课形式是lec+lab+dis的形式。lec即正常的prof授课，lab是每门课程配套的实验内容，dis是由TA组织的答疑/课外练习时间。同时老师还会提供office hour作为教师答疑时间，建议充分利用office hour勾搭老师，为要推荐信（和进实验室）做准备。根据我的了解为想去Berkeley修EE课程的同学介绍几门课程：

* EE122: introduction to Communication Networks 
  * 网络类课程，偏向软件层面，根据5层协议结构从底向上讲了一学期。主要以授课+考试为主，比较偏理论，涉及到不少数学计算的内容，但实验部分不多。学期后半段需要组队，挑选topic完成一个小项目设计，题目自选。学期最后主要根据该项目展示的成绩+课上quiz+midterm+final+homework给总评，会curve成绩。该门课是我在Berkeley选的三门课之一，最后因为成绩不错，加上多次和老师social，混了一封这门课程的推荐信。
* EE128 Feedback Control System: 
  * 类似自控原理，2017 spring由berkeley robotic方向著名的Ron Fearing授课。（Fearing学术很强，但上过他课程的同学都反映这大哥语速很快咬词不太清晰，对听力要求不低。。）。该课程的Lab内容多，但非常有意思，上过的都说好。最后考核也是按照lab+midtern+final给成绩。
* EE143 Microfabrication Technology:
  * 一门讲授集成电路加工的课程。可以看作电子本科固体物理，半导体物理和电子器件的进阶课程。课程的lab是贯穿整个学期的晶元制作，可以认为基本上是一门化学课。。。据说也是Berkeley神课之一。
* EE192 Mechatronics Design Lab:
  * 看课号就知道不是门简单的课程。作为Fearing著名神课之一，此课程需要在学期时间内，以小组形式完成从最基础的电子元件完成一辆摄像头智能车的软硬件设计，制版，结构设计3D打印，编程，测试和比赛。学期末会有一个比赛，根据小组的比赛成绩给分，非常刺激。该门课是我在Berkeley选的三门课之一，也是花时间最多的一门课，基本时间都花在这门上了。此课程作为一门Lab课，每周只有0-1次Lec，其他时间需要根据课程安排，每周完成相应的lab任务。对于大部分中国学生来说，同外国同学一起组队，交流，完成lab是一个不小的挑战，尤其中国学生一般疏于锻炼动手能力，相比更显吃亏。因此虽然课程内容丰富，也不是很建议选择。（PS：这门课有不少MS/PhD同学选修）
* EE120 Signals and Systems:
  * 类似国内的信号与系统课程。据上过的同学介绍，内容较国内的信号与系统浅，涉及的topic少，但Lab内容比较多，给分良心。
* EECS 149 Introduction to Embedded System:
  * 对于有志于从事嵌入式的同学来说，是一门不可多得的好课，理论+实践内容都很丰富。
* CS 61A/61B/61C 
  * Berkeley著名的三大CS intro课程，是全球转CS爱好者的首选入门课程。 
  * 61A The Structure and Interpretation of Computer Programs. 
    * 是一门用Python作为主力语言的计算机入门课程，介绍了主要的CS概念，抽象，函数，OOP思想等。会有一些有趣的Proj，比如2017 spring要求实现一个简单编译器。这么课绝大部分Berkeley undergraduate都会选修（对！各个专业学生都会选），因此课程size超大。
  * Q61B Data Structures. 
    * 该课程采用Java作为主力语言，前小半部分介绍了Java的基础特性，后半部分介绍了常用的Lists，Queue，Hash，Trees，Map等数据结构和常用Search，Sort等算法，还会涉及一部分正则表达式内容。此门课的Proj不错，对于刚入门的同学来说是不小的挑战，且数据结构是EE转CS同学必修的基础课，强烈建议去UCB交流准备转CS的同学选修。
  * 61C Great Ideas of Computer Architecture. 
    * 类似国内的计算机组成原理。采用C作为主力语言，介绍计算机架构，偏底层和系统，有兴趣可以选修。
  * 以上三门课是最容易enroll的CS课程，因此容易见到超过1000人甚至2000人的课程size，授课质量其实难以保证，需要自己主动看slides，完成lab和proj。
* CS162 Operating Systems and System Programming 
  * Berkeley的操作系统课程据说是四大的OS中偏简单的，但任务量也很重，需要team work。有兴趣可以现在youtube上看看往年的视频。
* CS 189 Introduction to Machine Learning 
  * 机器学习入门课程。因为Jordan大神坐镇，所以UCB的这门ML课程比较偏向贝叶斯ML学派，对于目前特别火热的DL/CNN/GAN等内容涉及可能不会很多，主要起到lead in作用。数学推导偏多。但不失为一门好课，若有机会enroll值得一上。

在UC Berkeley选课，尤其是选择high level的CS/Stat课程，难度不小，需要做好选不上这些热门课程的准备。相对的，绝大部分EE/ME/Math等课程基本随便选，并没有那么多人一起抢。（在UCB，课号100一下的为introduction性质的课程，100以上200以下为undergraduate high level课程，200以上为graduate level课程，理论上课号越高难度越大）。且作为Extension的交流生，我们的优先级在整个选课系统的最底层，so。。。

当然Berkeley的EECS还有很多其他非常非常棒的课程，限于我了解不到位不能一一介绍。学弟学妹可以通过BerkeleyTime了解该门课程的导师打分/上课时间/注册情况等。

同时，走Extension交流的同学需要强制另选一门extension开设的课程。我选择的是Haas商学院开设的一门课程，主要任务是读case回答问题，每节课做pre，虽然我经常翘课，但最后也有A-，因此可以用来水GPA。。

对于想延期的同学来说，SAF只能cover一个学期，which means如果第一个学期结束后想延期，需要自己联系或院系，完成校内交流手续。在SEU这样的操作挺麻烦，可以考虑联系院系，将该交流项目从个人名义转为院系名义进行操作。每个院系每年政策都不同，此处不做赘述。

对于推荐信，一般分为两种，即课程推荐信和科研推荐信。课程推荐信是指在课堂上有着不错的表现，和老师关系不错即可获得。这要求我们在上课的时候多和老师互动，下课时间比如office hour多去刷刷脸问问题，final结束后也可以和老师继续保持邮件联系，一般老师都会愿意为你写一封推荐信。科研推荐信则需要首先找到进lab的机会，跟老师做半年到一年的research（或者summer留在学校做research）后，找老师套到。

对于海外考GT，很后悔没有趁着在国外语言环境中刷高GT。学弟学妹们若有机会，请务必顺便把这俩在国外给解决了。

### 实习

我一直认为实习的作用不只在于申请。经历过实习之后，会对未来自己的生涯规划有着更全面的认识。观察大公司的运行情况，我还需要补充哪些课堂中学不到的技术？工业界的工作是否和我想象的大相径庭？朝九晚十的工作生活是否是我渴望的？也许我更prefer自由的学术生活？不一而足。 对于目标在于就业的同学来说，请早一些去实习，不用把太多时间花在纠结“我是应该联系老师进实验室还是实习”上（同理也适用于目标科研的同学）。

目前国内AI浪潮火热，大量资本涌入，有相关经验（复现过base model，熟悉一两种框架）的同学找一份DL/AI（主要是CV方向）的research岗位难度不大。尤其是南京这两年开始大力扶持AI产业，吸引了Face++，地平线，京东，网易，腾讯等企业开设南研院，华为也有不少相关的深度学习算法岗位，学弟学妹在找实习的时候机会比前几届学长学姐更多了。

但需要注意的是，国内和国外对于research岗位的招聘要求不尽相同。国内对学位没有过高的要求，喜欢以数量取胜，因此凭借本科/硕士学位找到research岗位工作的大有人在。但是在国外，企业更prefer PhD进行research的工作。因此，对于目标在美国找到research岗位工作的同学，也许直接申请PhD是一个更好的选择。

有些同学可能会纠结实习时间和上课/语言考试冲突的问题。我的经验是，大四若课程不多，可以水过，大可利用大四上课时间实习。（这么说会有一些政治不正确，不太符合学校规定，但大四时间浪费在上课睡觉上实在划不来）。就我个人的经历，在和各科老师沟通好的情况下，翘了大四上几乎所有的课程去上海实习（选择去上海是因为离南京近，跑回来方便，同理苏州/杭州也可以考虑，北京有点远了），大四下也选择在企业完成毕设作为实习经历。虽然最终大四成绩受到一点影响，但有舍有得，这8个多月的实习经历对于我来说非常宝贵。

### 科研

科研我不是很有心得，但同实习一样，若有志于走research的道路，就尽早联系老师进入实验室。对于科研重点热门方向如CV/DL/NLP等，因为申请该方向MS/PhD难度巨大，所以可以稍微功利一些（虽然这种心态非常不可取），以结果为导向，灌出顶会。

进入实验室的途径很多，若是在吴院，则直接会有选择分配的导师。其他院系同学其实并没有什么区别，大可自己发邮件，附上自己的CV和科研兴趣，大胆联系（勾搭）老师。

### 其他背景

除了主流的科研/实习/交流外，其实还有非常多的途径证明自己的学科实力，同时也是非常好的拓展事业和圈子的途径。 比如参加Hackathon，各种国家/国际性学科竞赛，kaggle等线上竞赛，刷数据集，做开源项目，参与书籍文档翻译，参与独立开发等等。操作繁多大可尝试，也是为毕业后开展副业做做准备。 这些背景，在PS/CV中提到一笔，都是不错的加分项，若能做出成绩就更好了。

### 选校

申请学校时，一定请**多！申！请！**因为每年每所学校每个项目的录取情况都难以预测，比如今年，虽然CS人数进一步增长，但CMU的MCDS，UCSD CS，UCB MEng等项目也都在扩招，如果因为畏惧难度就没有申请，等彩票开奖时才懊恼没有买票，岂不是非常可惜。

其次，location也是老生常谈的话题。经济发达地区 加州和纽约的诸多学校申请热度异常火爆，此时可考虑多申请村点的学校。

这里提一句CMU，CMU作为四大，却完全没有四大的高冷范，每年招生千把。CMU主要的CS项目分属于三个院，SCS，INI和ECE。

SCS（School of Computer Science）下分属7个department，分别是CBD（Computational Biology Department）， CSD（Computer Science Department）， HCI（Human-Computer interaction Institute）， ISR（Institute for Software Research），MLD（Machine Learning Department）和RI（Robotics Institute）。每个department下都有分属于自己的program。可以去官网查询。需要注意的是比如RI下的项目会非常的偏research，ISR的项目代码量并不是很大，会有很多reading的工作，CBD和bio关联性很强。LTI下的MCDS，MIIS和MSAII（:->）都是很不错的项目可以尝试。CSD下的MSCS则非常难。

INI下主要是三个项目，即MSIN（Master of Science in Information Network）,MSIT-MOB（Master of Science in Information Technology - Mobility）和MSIT-IS（Master of Science in Information Security）。其中MSIN项目性价比很高，选课自由度也不小，非常值得尝试。MSIT-IS在日本神户和University of Hyogo有一个合作项目，授课为远程授课，偏向信息安全，不好的一点在于毕业前需要回到日本，因此会耽误在美国找全职工作。

ECE下主要是就是ECE，根据入学时间分为Spring和Fall两个项目，ECE Spring相比Fall难度小不少，历年东大都有不少同学申上，衷心EE转CS的同学可以尝试。

CMU在硅谷的校区也有不少不错的项目，如ECE-SV和SE-SV。因为深处硅谷腹地，onsite非常方便，遂有着不凡的找工数据。ECE项目从2018年开始对于跨院系选课有了学分限制，但因为ECE的curriculum中本身就有不少CS课程，因此限制并没有很大。SE-SV录取了很多清北复交浙和美本大佬，因此找工作数据非常好。

当然CMU项目太多难以列举，建议学弟学妹们参考官网，或在一亩三分地中搜索“CMU”进行检索。

### 总结

不知不觉也写了有近万字，平时很闷的人也有许多经验希望分享给学弟学妹，发挥老学长的余热。：）

感谢在申请季各位学长学姐，老师同学的帮助，也非常感谢飞跃群的小伙伴们互相鼓励解答疑问。希望这个形式能够一直传承下去，帮助一代又一代东大学子实现飞跃梦想。

申请只是万里长征的第一步，未来的可能性也不会因为没有申到Top10而变得单调。

### 联系方式

> 以上拙见，学弟学妹若有任何疑问，欢迎联系
>
> Wechat：yyn19951228 
>
> QQ：724057674