原标题：王瑞涵：专业选择秘籍之美国计算机科学专业大解析

留学申请中我们听到最多的字眼就是“名校”。成绩、实习、文书等等一系列都是为了最终进入名校所做的准备，名校成为了我们意向留学时就开始的奋斗目标。可是在选校时，除了关注学校排名，你还有很多因素需要考量。其中专业方向就是其中另一大难题。

面临选专业时，很多学生会与家长意见相左，一个坚持兴趣，一个要看就业前景。对于兴趣，无可厚非这是学习的动力来源，但你真的了解你所感兴趣的领域吗?选校和选专业都需要综合考量各项因素和指标，找到最适合自己的才是最佳的方案!天道留学顾问王老师为大家深入解析热门专业之一的计算机科学专业，还有独家的活动策划方案哦(针对想申请计算机方向的同学)。

一、计算机科学专业“四大名校”

首先给大家介绍一下计算机专业在美国大学的分布情况。由于计算机科学不是一个传统学科，所以计算机专业排名与U.S News综合排名并不是Highly associated。

这里，给大家先具体介绍下计算机专业“四大名校”：卡内基梅隆，麻省理工，斯坦福，以及加州伯克利。

卡内基梅隆大学

卡内基梅隆大学(CMU)是现代计算机科学的发源地，在CMU，不论学生的专业是社会学，经济学，心理学，商科，还是物理，化学，生物，工程，课程中都会包含系统和详尽的计算机科学和数学的知识。例如，在CMU的Tepper商学院，学生必须完成微积分，多元变量分析，数学建模，商业数值计算，计算机科学与编程等必修课程。

CMU认为，不仅是理工科学者，文社商科学者也需要掌握现代数据分析方法以及工具。简而言之，在卡内基梅隆，一切都和计算机科学专业有关。CMU认为，优秀的人才需要掌握系统而非单一的知识，艺术和科技作为探索世界的不同方式，是协调而非矛盾的。作为一所综合性大学，该学校也以其丰富的interdisciplinary项目而闻名。其中，最具特色的要属Arts & Science和Music&Technology专业。

因此，卡耐基梅隆大学特别适合兴趣广泛以及拥有极强好奇心的同学。

加州大学伯克利分校

与CMU不同，伯克利(UCB)的计算机科学更偏传统的计算机专业教育。但需要注意的是，UCB的计算机专业分为Bachelor of Arts 和Bachelor of Science两个不同的学位。请大家看下图：

其中BS项目隶属于工程学院，属于STEM专业，在抽取工作签(H1B)的时候，会比非STEM专业拥有更多的机会。而BA项目属于文理学院，非STEM专业。两者在课程设置上也有显著不同。

BS项目的知识体系偏于专业且深入的计算机科学，特别适合于对计算机有着狂热的爱好并且致力投身于计算机科学的发展及革命的申请者。而BA项目更像是一个跨学科学位。除了掌握计算机基础知识，学生还需要选择专业方向与自身的计算机背景相融合。

麻省理工学院

麻省理工学院的计算机科学专业，课程设置与UCB基本相似，因此这里就不再赘述。

斯坦福大学

斯坦福的计算机只有BS学位，属于STEM专业。值得注意的是，斯坦福是一个创业氛围非常浓厚的学校，希望学生拥有成为世界领导人的胸襟和抱负。这一特点往往被视作不利于中国的申请者。

根据天道以往的经验，成功申请到斯坦福的学生们往往拥有非常丰富的课外活动经历以及商业头脑。

例如，成功录取斯坦福的M同学拥有一个非常完善的关于植物抑菌剂的商业计划。同时，M同学也在文书中表达了对于现代CG以及动画建模优化的意愿(关于头发的建模，其中涉及到非常复杂的力学模型)，并且在家中做了相应的实验。在天道的帮助下，M同学的活动策划和文书创作展现出了非常明显的“斯坦福气质”，获得如此优秀的录取结果也情理之中了。

斯坦福的计算机专业还有一个非常有趣的特点，就是“9个Track”：

学生在完成大一大二的学习之后，会在Artificial Intelligence，Biocomputation，ComputerEngineering，Graphics，Human Computer Interaction，Information Systems，Theorylimitations，Unspecialized Track中选择自己的兴趣点进行研究。同时，为了不限制学生的想象力和创造力，斯坦福允许学生自创一套课程体系，亦就是所谓的第九Track。

二、计算机科学就业情况概述

计算机(或是IT)产业现在还处于发展时期，美国相关就业缺口巨大，且CS属于STEM专业，在获得就业签证和美国身份方面也有巨大优势。关于就业情况和薪资会在下表中列出，大家可以做下了解。

三、计算机科学专业之人工智能方向

现在越来越多的学生开始讨论有关于人工智能和机器学习方面的知识，觉得人工智能是一个非常Creative的学科，并且表达出强烈地想要学习人工智能的愿望。其实这也不难理解，人工智能和机器学习方面的技术越来越频繁地暴露在大家的视野中。比如Alpha go将众多围棋国手斩于马下。很多学生在兴奋地和我讨论Alpha go之余，甚至还会表达出对于人工智能是否会最终“统治”人类的担忧。

什么是人工智能？

顾名思义，人工智能就是用计算机模仿人类的大脑以及学习过程。而人类的学习过程是一个模式识别的过程。模式识别本质上是分类。比如说，当我们看到一个人时，我们会分辨出他/她是男生，还是女生。

让我们仔细回顾和思考一下这个过程：

当我们看到一个人时，我们提取了一些特征信息。比如说：他/她的眼睛，眉毛，鼻子，嘴巴，脸型，发型是什么样子，他/她有没有化妆，穿的什么衣服，身材是什么样子，他/她说话的音色，响度，和频率是怎样的。基于这些特征值，我们判断出这个人是男生还是女生。

但是，值得思考的是：我们怎样“习得”的这个本领呢?

首先，在我们很小的时候，当我们提取到上面所述的特征值时，我们可能会做出正确或者错误的判断。比如，当婴幼儿时期的我们看到一个长头发的，说话声音比较高，五官比较秀气的人时，我们可能会误判她为一个男生。这时候，外界就会对我们这种判断做出反馈(错误)，我们记住了这个反馈。下次再遇见相同的情况时，我们就会做出所谓“正确”的归类。当我们一遍又一遍的重复上述过程(提取特征值-做出判断-反馈-归类)后，我们会越来越熟练，进而形成所谓的“世界观”。人类的所有学习过程都可以用上述过程来概括(可能这个论断不够辩证……)

看似高大上的Alpha go的基本原理和我们判断男女的基本原理基本相似。目前的机器学习的算法和方式还是基于神经网络的深度学习。目前，对于这个模型，纯计算机专业的人员所能做的只能是优化时间，结果，以及存储空间和算法应用。所以，对于只有计算机背景的人来说，神经网络学习已经成为了一种“停滞不前”的科学。如果想要在根本上进行提升和优化，就需要跨学科背景的人才出马了。这时候CMU作为现代计算机科学的发源地，再一次体现了它在这方面的前瞻性。试想，最初的神经网络算法的搭建过程，一定是有懂神经科学的人才参与的。推荐学生在学习CS的同时，多掌握一下跨学科知识。

申请计算机方向的学生需要具备哪些条件

对于想申请计算机方面专业的学生，要突出自己的专业敏感度，以及用计算机或数学建模手段去解决实际，或社会问题的intention。这样，在回答Why school Why major的问题时，会更加的persuasive。其实，这样的intention并不需要你有多强的数学能力。不是说学生必须懂数论，懂费马小定理，从而去研究公私钥密码。其实，这里举一些学生的活动供大家参考：

A同学对NBA很感兴趣，喜欢杜兰特，我会教他收集杜兰特之前8个赛季的所有数据，通过这些数据，采取插值，拟合，优化过程，预测杜兰特未来几个赛季的表现。这种项目运用范围非常广泛。例如，对于杜兰特，博彩公司怎样开盘口才能保证不亏。

B同学是模联“小能手”，我曾教他用数学建模解决模联中可能会出现的问题。比如，提取国家特征值，进行聚类和分类。有规划性，有针对性的提议会节省很多时间。

C同学喜欢红楼梦。众所周知，红楼梦中人物众多，人物关系复杂。Google的Pagerank算法恰好是计算网络页面的Significance的一个算法。我会教学生怎样利用该算法理清红楼梦中的人物关系，以及谁才是整个红楼梦中最重要的人物(实际证明是贾母)。