在四大计算机系（MIT、CMU、UCB、Stanford）就读是种什么样的体验？

发一个UCB的长篇分享：

part1 学长介绍

本科RPI 伦斯勒理工大学 计算机和数学双专业

当时GPA是3.97

本科除了学习之外主要在做research，包括从大二暑假大三暑假都是在做机器学习相关的研究，主要做的事情是body landmark detection，人体的关键点的检测，因为当时这方面比较火，比如给我一张图片,可以自动通过计算机生成人在哪，各个关键点，比如你的手肘出现在什么地方，可以接很多别的任务，比如做人的动作识别和更进一步的事情。

我还有做HCI，人机互动，当时我们实验室有一个机器人，我就会编一些程序把我们实验室已有的成果写进去，比方说我的body landmark detection就接上了下一步的动作识别，比如机器人在识别到我做一些特殊动作的时候，会跟我有不一样的回应，所以基本上我本科的经历就分为这两块。

因为我在申请研究生的时候主要申请的都是cs相关的，所以我没有改变方向，支撑经历主要还是靠做研究,我在本科包括现在可能实习经历就不是很多,不过在research这方面以外，我在大三暑假的时候去berkeley去做了暑研，是不需要鼠标但是用手去操作屏幕上光标的项目。

part2：ai学习路线

学AI需要学的课程，如果以后想要去往AI方向发展需要做的准备。

我大概列了一下学AI的学习路径，分两块

因为其实AI是很非常需要数学基础做铺垫的，所以我列了一个流程图。

数学从微积分出发，到线性代数再结合概率最终会到达机器学习，因为机器学习当中会涉及到很多数学的内容，比方我会计算到矩阵的微积分相关的知识做propagation，同时肯定要把data structure和algorithm的基础打牢，才可以继续往后面去学机器学习，机器学习作为基础学习相对简单的方法之后，可以进一步学习深度学习。

深度学习其实不会像机器学习一样，包含很多方法，而是纯一条线不断加深，从一开始告诉你什么是forward，什么是propagation，到不同的深度学习的模型，接下来去学习一些AI相关的课程，最终把这两个结合或者也可以学习一些控制论相关的，最终如果你对强化学习感兴趣可以进一步学强化学习。

强化学习，一般指的是不需要人工标注，比方做自动驾驶不可能让人一直去开车。去做一些实际的数据采集，让车子自己去开，自己去学会，但是我只告诉他开的好不好，够不够快，通过打分让他学习如何拿到更高的分数，基本上学习路线就是这样。

我主要的申请优势还是GPA相对高一点。我是向着AI方向去学习和申请的，如果做AI相关在前面打的基础不是很好，后面可能需要重新学一遍或者后面也会遇到很大的困难。

part3：学习方法

在学习方法上，我一直在用费曼学习方法。

能不能把学到的知识清晰的表达，用很简单的文本记下来，如果我无法做到这件事情，可能会重新从头再看一遍，争取知道他和上一个知识点的联系是什么，并且是如何运用的。可以在输出的同时能保证自己的高吸收率，这个方法在很多强相关性的学科的时候会非常重要。

因为有这样的学习方法，可以每一步都打好基础，我之后在学深度学习的时候会经常要用到一些现代的微积分的知识去做支撑，所以我非常推荐大家用这样的方法去学习。

part4：专业课介绍

我后来到的是伯克利的Meng，是工科的硕士，上来就可以开始找工作了，招聘会提前一年，甚至还没到学校就可以把简历投出去了，涉及到他课程上别的内容你都可以少花点时间，专注于申请工作。

一年的安排其实跟很多两年的研究生是不一样的，两年很多项目会侧重于做研究，可能到第二年开始找工作，但是我们一年比较紧凑。

整个CS的或者Meng的项目分为3个部分，一个是课程，一个是研究capstone，还有一个比较独特的bootcamp。

其实这3块都可以水过。你可以通过bootcamp选一些简单好过的教授，可以更自由的分配你的时间或者选择想要获得什么样的收获。

虽然课程可以水过，但也可以选一些不水的课，所以在时间有限，想把工作敲定的时候，可以选择我是想多花点时间在学习课程上还是多花点时间在研究上。Bootcamp是一些MBA相关的课程，虽然不会花一学期去学，但是会很紧凑的把它放在两周的时间，每天都会上课。

专业课

因为我在CS里面的分支是Robotics and Embedded software，但其实我只关注了robotic其中深度学习这一块，所以我上的课基本上是比较硬核的做一些优化，做机器学习，深度学习和强化学习的，这些课的教授都是特别厉害的，比方说最后的强化学习，教课的老师是整一个专业或者说学术分支里面两大派系当中其中的领军人物，所以他会有很多深度的见解，讲的也特别清晰。

其实我原来本科在RPI也学过这些课程，除了强化学习，我会感觉到他们的课程的安排是不一样的，相对伯克利的课会比RPI的要快10%-20%，课总的内容其实是差不多但是剩下来的时间会在最后两周安排一些讲座，请到业内相关的人士或教授去分享他们在这一个领域里面做的最新的研究，然后分享我们的技术发展方向，所以我觉得有的时候如果你在这门课的知识不是特别扎实，也可以重新再学习一下，同时你可以听一下最后的讲座，另外我发现这些课的内容也会随着最新的研究会有迭代，所以也会学习到一些新的知识。

所以在专业课方面，如果你之后要来Meng，推荐你想多花点时间精进你的专业知识，可以选相对硬核一些的课，可能他会花掉很多时间，我原来学machine learning的时候一周可能要花10个小时去学一门课，相对还是比较占用时间的，但是收获的肯定也是多的，我会听到一些课可能只需要做一些报告，演讲，作业会特别简单，相对有更多的时间去做别的事情。

Bootcamp MBA课程体验课

我的暑研教授其实对他的评价是比较低的，因为对他来说研究是真的做研究，不会想做创业，管理相关的知识，他会觉得这个方面的价值特别少，同时我和同学交流也觉得比较水，意义不大。

但其实我在入学的时候会有创业相关的想法，并且我也在一些小公司里面实习过，我会发现创业和我们学习专业知识有非常大的区别，在你考虑创业相关的知识的事情的时候，你会面对专业，法律相关的知识，比如如何获得资金，去管理，采购，都是你在正常的本科或者研究生是无法获得的，所以上Bootcamp课的时候，会第一次感受到这些知识和第一次会见到一些真实的案例，告诉我这个选择该不该做或者要去考虑哪些点。Bootcamp的专业课不一样，会分在每一个学期的前两周，大家集中在线上上课，同时你会上两门课，两周的时间每周一到周五每天上课，一共上两门课加课，选课相对比较自由，所以我选了entrepreneurship和innovation management，对我帮助特别大，让我在创业有了很多知识积累，平时经常听很多名人本科就辍学去创业了，感觉创业很简单，只要学到了学校的尖端知识或者有了特别的想法就可以落地，学到了真实的案例。MBA课程和我们以前学的专业课是非常不一样的，是通过学习不同的case在课上做讨论，学到里面的背景，不同选择会产生什么样的结果，所以可以让我们更多了解到一家公司是如何运作的，这些课特别有意义，虽然不会在我刚毕业的时候产生很大的影响，但是在未来知道公司如何运作对职业发展也是非常有帮助的。

innovation management课程中大公司相对小公司做创新是非常困难的，比方说我在公司要从一个旧的软件换成一个新的软件会遇到种种困难，可能总资金不够，要如何分配资源在不同的项目上。

还有一节课是秋季上的，写作和演讲课可以选择一个，因为我没有这方面的培训，在伯克利的时候我就选了演讲课，大概做了10多次演讲，教授会有一些点评。

在这方面我会发现因为其实在本科的时候一直在学习专业知识，当时我以为专业知识才是进入社会的一个硬道理，但后来发现其实如果你有了思想不去传递给别人，专业的优势是无法发挥的，就算以后想要去读PhD，写论文也是演讲的技巧，所以如果没有相关的写作演讲的经历，我是非常推荐认真上这门课。在学课程的时候，教授也会邀请同学，别的从业人士做一些讲座，这些讲座是特别有帮助的，会告诉你在相关的学科，在真实的业界是如何去运用或者会遇到什么困难？现状是什么样的？

我也是在上课听到了一个来自汽车公司的讲座，让我对一个新的领域产生了很大的兴趣，所以在伯克利我是推荐对创业感兴趣的或者对一个公司管理，怎么运营感兴趣，我是推荐花更多的时间在这上面的。

capstone

第三部分是在伯克利做的研究，一般在入学前大家会选择要跟什么教授做什么项目，每个教授会带一个topic，每个教授会带不同的项目，对于我们来说可选的比较多，我是做AI相关的，可以看右边视频，在simulator虚拟机里面自动驾驶相关的一些研究，因为之前有上过一些课会跟不同组的人交流，遇到工程学科做一些如何让火箭在月球降落，如何在月球做核聚变的或者核裂变的发电厂相关的设施，跟环保，发电相关的。做CS的也会有AI，Block chain区块链相关的，各种热门或者跟商业有关的项目都会让你可选，总体的选择面还是比较大的。最终我们一年结束会把研究总结成团队的报告，也算有一个比较好的结果。

我过去一年做项目是虚拟机里让车学会如何自动驾驶，大家可以看到左上角是我刚开始训练到第100万次的时候，可以看到车开的特别陡，速度也比较慢，在这张图上左下角是总的训练次数，右下角是总的开车的时间，我开一圈所需要的时间，用了5分34秒，其实在整个训练过程中我是没有做任何操作，只是告诉他你应该开的越快越好，并且给了他一些提示，大家可以看到这里右下角，除了告诉他墙壁在哪你不要碰以外，还告诉他正的方向在哪，并且画了一些线让他去努力的去碰这些线，还有告诉他车的位置在哪。通过3个简单的信息，看到在图里通过机器学习的模型让车跟别人进行一个赛跑，最终我们在整个比赛学校内部的比赛获得了一个不错的成绩，因为我们这个方法是我们从0开始搭建的，会比工程的学习成本和做的成本要高一些。最终没有获得第一名，但是取得的成绩也是特别好的，并且其实我们用这个方法更能找到一些野路子，在学习过程中会在一个很窄的路里面学会通过漂移去掉头，观点还是特别好的。

整体项目是相对运用了比较新的技术，模拟学校环境的情况下，教会车如何用更快的时间绕着整个校园去开一圈，整体观感特别好，特别是我们之前在做展示的时候特别多的人喜欢过来看。

part5：适合什么样的学生？

伯克利的项目和别的学校的项目区别

时间是1年的项目

• 更加适合一心想要找工作的人。我会遇到几个同学是在美国有过工作经验，可能想要通过读研来提升学历或者签证方面的事情，那他通过这一年比较短的时间做一个身份的转换，当然一上来也可以开始找工作，其实对他们来说是特别有帮助的。
• 有创业相关的想法，我们也会有社团方面的讨论，创业的环境是比较好的，当然也会有微信群讨论。你可以提前体验到一些MBA相关的课，就会知道你需不需要再去上这个MBA，让自己获得更多更全面的MBA的知识，因为在我们上课的时候也有教授跟我们说，其实并不是所有的人都适合MBA。

这个课程只适合一些特殊的职业或者很明确的需求，特殊职业指金融会特别看MBA相关的背景，特别的需求指想要创业想需要一些人脉或者在某一些方面就是没有办法突破。你在工作的时候如果不能自然的转换成为管理层，那你读MBA可能也会遇到一些很大的门槛，所以这方面也要慎重。研究生可以让你有比较早期的感知。

课安排的比较紧，只有两周的时间，只能就是稍微的体验一下，因为我从本科直接升上来学，可能对总体公司怎样运营的会有一些偏差，所以可能学到的东西像教授批评的一样，不会特别全面和客观。

• 转专业

是很不错的跳板去让你花时间去学习相关的知识，我有一些同学是从非cs的专业转过来，学的一些相对基础的课，找到了一些不错的大厂程序员的工作。

part6：校园生活

租房

rpi比较村，所以租房房源比较多，1,500就可以租一个大概有1,000多sgr的1b，但是伯克利房价其实和旧金山和纽约已经比较接近了，如果2b的价格要4,000朝上，如果拼房可以降价，总之租房的价格特别高。因为房源特别多样，如果你不能实地考察，最好有人帮你去探一下路，看看房子，因为网上有些比较非正规的网站可能会被骗，所以租房要小心。

治安

其实伯克利周围，在过去流浪汉还是比较多的，特别集中于南面和左边西面的市中心，因为左边西面市中心有地铁，地铁有暖气排风口，所以流浪汉会在那边聚集，但这两年流浪汉少了特别多，不是每个流浪汉都是危险的，但是我还是推荐大家晚上10点多之后不要一个人走夜路，因为学校还是经常会发邮件学校的南面会有一些抢劫或者一些事情发生，当然遇到这些事情尽量不要反抗，保住性命最重要，所以我推荐住的地方安全一点，房源不会特别多但是也还好。学校也会有免费的公交让你乘坐，所以你住的相对远，等一下公交去学校也是可以的。

因为伯克利周围的房子其实是特别老的，有的超过100年的历史了，有很多人住的相对远一些的地方，花更低的价格住的条件会更好，然后开车。

玩

比较多，风景会比较好，如果你想去海景有很多国家公园，滑雪也有很多人，周围也有酒庄也有沙滩，拉斯维加斯也不会很远，玩的也不会很缺，但是如果你来，就可能会提前感受到码农工作的生活，因为对他们娱乐可能相对丰富但是单调。

吃

我觉得会是村里里面最好的，想吃的东西会有，但是不会说特别好吃，中餐还是以川菜为主，当然还有一些港式点心。

社交

学校每周五会有一些社交活动，如果你想要去认识一些不同的人，一起上学的同学，定期去参加你也会收获很多朋友。

part 7.问答环节

1 . 学校的科研怎么样？

我们这个项目并不是很科研，虽然会有capstone作为科研，但是如果你的追求是往科研进一步走，其实我没有那么推荐，但是如果你想要在学研进一步，可以来，但如果你想发文章，读PhD，推荐不要来。

我很多同学可能刚入学的时候想花1年的时间去准备申请PhD，但是基本上都失败了，我觉得还是因为时间太短，让自己变得有申请PhD的实力比较困难。去两年的项目做研究尝试发paper，跟教授搞好关系，说不定教授收你。伯克利毕竟就是CS专业好，很多别的学校转过来申请PhD的，所以相对来说和教授有比较好的connection也不一定能让你在他的手底下做PhD。

2 . 老师水平怎么样？

老师的水平是特别高的，不乏学术界的大牛过来授课，教课方面也是比较认真的，所以是可以保证的，如果你选上了你想要选的课相关的你肯定会获得很好的体验。硬件设施我觉得不错，但是基本上我们都是在上网课，所以不会有特别多的体验，上学期其实基本上已经转成线下了但是也有线上的选择，所以我基本都在线上。

3 . 为什么GPA这么高？

可能是我提到的前面的学习方法，我觉得还是花时间从最开始的基础做好，因为CS和数学如果在前面欠下来一些东西，后面是要花更多时间补上的。

我当时rpi学习，其实是特别忙的，每周大概3天睡的比较少，基本都在学习，具体其实看个人，因为我选的课可能也比较多，综合下来只要上这些课就可以支撑起想要往AI方向走的路，剩下的课就是全凭兴趣。如果你要走往AI走，你可以基于框架去搜一些学校的名字，会告诉你对应的课是什么，在网上基本上就有他的在线的一些录像或者什么，谷歌搜就好，

因为一些教授会在网上po，应该是免费课程，如果以后是要学这门课也不太需要提前学。

4 . 有什么书，网站推荐？

如果你要脱离学科去学，我推荐你可以直接找好的学校，比方说网上有搬运的一些课程，伯克利，斯坦福，好的课程直接跟着他学，你可以去直接跟着他们学习，网上也会搜到他们的作业，跟着他们做。

5 . rpi的推荐信好拿吗？

我拿到的3封推荐信，一个是我做研究的教授，教我课的人有拿，但其实我跟他们没有很强的connection，看教授好不好说话。

6 . 陆本怕听不懂英语上课，

虽然标化语言考试已经过了，

我现在该怎么准备？

我觉得首先取决于你是什么专业的，托福听力的场景其实是非常像我们真实上课场景的，如果你觉得在托福听力上可以比较放松的去听，当然不是说一字不漏，也能获得你想要的知识，我觉得已经够了，如果你觉得不够可以上上课感受一下。比如去网上去学你想学的专业的课程，一方面你也可以学到一些专业知识，一方面也可以感受一下上课的氛围，其实节奏快不快是要看教授的，有的教授讲的会特别慢。上课没有跟上看他们的课件有可能也来得及学。

7 . 学长觉得现在学习课程中哪些课对就业来说是有帮助的？去面试有什么建议吗？

如果想要就业，找工作主要是两个岗位，一个是SDE做软件工程，一个是MLE做机器学习，像我的背景申请机器学习工程师也是很吃力，因为他们需要你有发paper或者有研究的能力，在这一块我是很难去证明我自己可以做这件事情，所以如果你想要去做软件工程，伯克利的课不能直接帮助到你。掌握数据结构和算法，就可以找到很好的工作，剩下的基本上都不会问到你。但是如果你入职之后可能会往不同方向走，在这上面不同的背景或者你在之后学习到的不同的知识会有特别有帮助，所以在就业方面帮助不大，当然我还没有工作过，所以不能特别客观的分析。

8 . 国内实习对美国找全职有帮助吗？

相对来讲会比较低，如果你能在一个比较有知名度国外也能听得到的，了解的公司的话会比较有帮助，最好还是在美国有实习。

9 . 以后打算就业吗？

找工作前要做什么准备？

是打算的，因为相对来美国的大厂会我觉得可能在管理和专业方面会相对好一些，所以我觉得有一个比较好的了解，对我未来的这些发展会比较有帮助。找工作其实只要刷好题准备好简历就好了，主要还是刷题，看algorithm和data structure。

还要注意内推，内推的话学校也挺多资源，你可以直接上领英，更新一下你是伯克利的，找到不同的学长学姐搭讪，我也是听之前一个从业的做讲座的人说的，当你去搭讪或者给别人发信息的时候，最好不要上来先说hi，明确告诉他们你想说的点是什么，他们才知道要不要回你并且怎么回你，不然会把对话拖的特别长，你可以写好简历之后学校有相应的资源会帮助你，跟你约在线的zoom帮助你去修改，会challenge你，问这一块你到底做了什么？怎么样写的更好，让读你简历的人可以更方便了解到你在做什么，有什么成就，有什么成果。

如您有个人问题关于 留学规划、申请或文书 希望得到我本人或我的团队辅导，请私信 或 通过 ↓方式沟通，谢谢。

留学系列文章：
【逆袭】麻省理工BA硕士！6大劣势下创校史首例录取！
【精】美国顶尖名校“不为人知”的真正录取标准！（全文6875字，宜深度阅读）
【精】什么样的课外背景对申请名校硕士最有帮助？（4232字纯干货）
【精】读研怎么选？考研 VS 留学（6459字纯干货）
【精】美国硕士申请文书核心要点及启示（4732字纯干货）
【精】如何写好留学申请推荐信？（3878字纯干货）
【精】如何组合选校&项目才能最大化名校申请成功率？（3557字纯干货）
【精】美国硕士申请11大误区—每个坑都是深坑！高能预警！（20173字纯干货）
【留学真相】为进名校，人人都在“作弊”—揭秘影响招生录取的“场外因素X”（5668字纯干货）

相关文章供参考：