话题：计算机

卡耐基梅隆CS项目的简介及申请条件如下：

项目简介

该项目时长为一年半，绝大多数学生都选择在三个学期内完成该项目，但是如果学生本科不是计算机科学专业的，可能需要额外一学期来学习本科阶段的内容。项目人数在30-40人左右，课程安排弹性很大，并不统一排课，而是与课程顾问商量后自选课程。该项目学习压力和课程密度都比较大，毕业率约在85%左右单，但工作前景好，比较容易找到工作，毕业生平均工资为11万美元左右。

申请资料

申请该项目需要的资料包括：

• 申请费

该项目的申请分为两轮。第一轮到11月30日截至，若在该轮提交申请，则申请费为75美元，额外申请一个项目加收50美元。第二轮申请到12月14日，此时，申请费将上涨到125美元，额外申请一个项目加收75美元。

• GRE成绩

根据官网给出的信息，入取学生中，Quant中间50%的成绩为168-170，Verbal中间50%的成绩为160-166，Analytic中间50%的成绩为4.0-4.5，也就是说，只有GRE成绩达到330及以上，才比较有把握收到offer。

• 托福/雅思成绩

该项目要求托福成绩在100分以上，只要母语不是英语，无论是否在取得过以英语为教学语言的学士或硕士学位，都需要提交托福成绩。对于没有取得过以英语为教学语言的学士或硕士学位的申请者，必须提供近两年内取得的托福成绩，若已取得相关学位或在有在以英语为母语的国家工作的经验，则可提交近五年内取得的托福成绩。该项目也接受雅思成绩，但更倾向于托福。

GRE和托福成绩必须在deadline（12月14日）之前提交。

• 大学前三年的成绩单（PDF）

只需提交电子版大学前三年的成绩，不需要将官方成绩单邮寄到学校，最好尽可能的提前上传成绩单。官方成绩单将在注册后提交。

• 简历（PDF）

简历中应包括教育，科研及工作经历，获得奖项，课外活动以及其他能体现个人成就的内容

• 三封推荐信

申请者需要提交三封推荐信，其中至少两封推荐信的推荐人是老师或目前工作单位的上司。

• 目标陈述（Statement of purpose）

目标陈述一到两页，保存为PDF，word或txt格式上传，在文章中需列明申请人姓名及申请ID。若同时申请多个项目，可以针对不同的项目提交不同的目标陈述文章，也可以只提交一篇文章。

在目标陈述中，申请者应谈到其感兴趣的领域，相关经历以及申请该项目的目标。当申请者描述其感兴趣的研究领域时，应解释该领域为什么值得研究以及申请者适合研究该领域的原因。另外申请者还应该讨论攻读计算机科学硕士学位的目的，比如说进一步学习计算机科学是如何与职业规划相符合的。这个问题没有正确的答案，在文章中不需要详细地规划未来的计划。如果申请者有独特的背景，也可以在文中做出解释。

申请费用

该项目的一年的费用为43000美元，其他开支约为22,915美元，共计6.6万美元。

在申请阶段，该项目不提供奖学金申请，但可以在入学后询问奖学金办公室，查找有没有符合自身条件的奖学金项目。

专业介绍

计算机科学专业涉及到计算机系统的设计，分析和实施以及计算的使用。 核心研究领域包括人工智能和机器学习，生物信息学，计算机体系结构，嵌入式系统，图形和视觉计算，数据库和信息管理，多媒体，网络和分布式系统，编程语言和编译器，安全和加密，算法的设计和分析， 科学计算和普适计算。 因此，计算机科学系提供的研究生学位是广泛而灵活的课程，它们将为学生提供计算机科学全方位的研究生学习机会。

计算机系目前提供以下学位：

计算机科学专业硕士（秋季入学）

网络系统专业硕士和博士

申请要求

1.申请费为125美元

2.需要GRE，没有分数限制。

3.托福或雅思

托福至少80，雅思至少7分。

4.需要三封推荐信。

5.成绩单：需要上传成绩单的正面和背面。上传的成绩单包括以下内容：您的姓名，出勤日期，收到的成绩，学分和评分图例。 UCI保留在录取过程中随时要求提供正式成绩单的权利，如果发现上传和正式成绩单之间存在差异，则取消录取的任何录取通知书。

＊本科最低GPA为3.0

6.申请人申请信息的真实性是录取决定的核心。伪造的申请信息可能包括但不限于：对申请作出不准确的陈述，在申请书上要求提供隐瞒信息，提供虚假信息，或提交支持招生申请的欺诈或伪造文件。

7.正确提交官方材料：推荐信必须由信函的作者提交;申请人不得代表信函作者提交推荐信。如果申请人在其UCI申请中提交了不完整或不准确的信息，或者代表另一个人或机构以欺诈方式提交了官方申请材料，则该事项将作为伪造案件进行审核，并将导致申请被取消。

学校的总体环境如何呢？

官网是这样说明的：

“有来自世界各地的优秀研究生来到加州大学欧文分校探索学术。 UCI位于美国最安全的城市欧文，是美国大学协会中最年轻的成员，是北美61个顶级研究机构。曾被泰晤士高等教育认定为美国第一，UCI在全国每年授予的博士学位数中排名第34位。学校欢迎对学习充满热情的学生。每年有来自65个不同国家的近1,000名国际研究生加入加州大学欧文分校。超过60％的博士后学者来自美国以外的国家。凭借学校教师的国际背景和我们多元化的美国学生群体，学校拥有多元文化研究和教育环境。“

申请常见问题

1.我什么时候可以申请？

答：大多数项目都是秋季入学。研究生申请于9月初开始。

2.我可以申请UCI的多个课程吗？

答：可以。但需要为每个项目提交单独的在线申请表，申请费和推荐信。只需提交一次考试成绩，如GRE或TOEFL。

3.我向我的推荐人发送了一封邀请函，但他/她没有收到。 我该怎么办？

答：您的推荐人可能会对其电子邮件进行限制性过滤。 您可能需要再次将电子邮件发送给您的推荐人。

4.我的推荐人无法完成我的在线推荐信。 怎么办？

答：首先，登录您的在线appicaiton系统以确保推荐人收到了提交信件的邀请。 如果您无法确定问题的原因，请让您的推荐人向您的申请部门发送一封电子邮件，其中包含您的姓名，姓名和问题描述。

5.如何查看我的申请状态？

答：登录您的在线申请系统以查看。 在学校做出决定后，您将收到一封电子邮件。

6.我什么时候可以期待听到我的申请决定？

答：每个项目都有自己的入学时间表。 录取通知的截止日期一般是4月15日。

申请概况

2018年卡内基梅隆大学机器学习硕士申请要求：

新生必须有很强的计算机科学背景，包括对复杂理论的扎实理解和良好的编程技巧，以及良好的数学背景。具体而言，一年级课程至少修读一年的大学概率和统计，以及矩阵代数和多元微积分。

对于入门机器学习课程，有一个自我评估测试(PDF)。一般来说，你需要有一些合理的编程技巧，在MATLAB / R / SciPy NumPy特别有用的经验，Java和Python比C更有用，和扎实的数学背景，特别是在概率/统计、线性代数、矩阵和张量微积分。

学制：1.5-2年。

＊2017年秋季被录取申请者的平均分数如下

本科生总平均成绩：3.9/4.0，或9.6/10.0，或92/100。

GRE数学部分：169分(96%)

GRE语文部分：161分(84%)

GRE分析写作部分：4.0(59%)

托福：109分

申请要求

2018年卡内基梅隆大学机器学习硕士申请材料：

1）GRE考试成绩：GRE考试送分的学校代码是2074，院系代码是0402。

2）TOEFL考试成绩：TOEFL考试送分的学校代码是4256，院系代码是78。

3）成绩单　

4）简历

5）目的陈述

6）推荐信

＊2018年卡内基梅隆大学机器学习硕士申请截止日期：

提前申请(ED)的截止日期是11月30日，一个项目的申请费是$75，额外项目的申请费是$50，最终截止日期是12月14日。

申请常见问题

1.ddl之后还能提交申请材料吗？

答：推荐信可以迟到几天而不影响录取审查。 但我们要求申请人加快提交任何缺失的文件。 没有所有申请文件的话，审查过程就无法完成。

另外入学审查可以接受非官方的成绩单和考试报告。

2.gre有最低分数线吗？

答：没有的。 只有最低托福分数线：88分，阅读，听力，口语和写作的分数至少为22分。 最低可接受的雅思成绩是7.5分。

3.我何时知道我的申请状态？

答：可以登陆：https://engineering.cmu.edu/education/graduate-programs/apply.html

提交申请后，工作人员会在3-5个工作日更新申请状态。

4.学生是否有资金补助？

答：请查看此网址：http://www.bme.cmu.edu/gradprog/aid.html

作者Louis Liu, 哥伦比亚大学计算机科学硕士。

专业与选校

首先有三个比较相似的专业大家必须分清楚，那就是：
EE(electrical engineering)
CS(computer science)
CE(computer engineering)
说白了，EE主要是做的硬件，CS主要做软件，CE介于两者之间，软件硬件都会学。在这些专业下面还会有不同的方向，对于硕士申请来说这些方向影响不会太大，而且被录取之后是可以换方向的。但如果你是博士申请，那么你的方向从一开始就会非常重要。
接下来说说关于选校的事。选校的过程中，三种数据非常重要。第一便是专业排名。在2010年USnews发布过一个专门的CS专业全美高校排名，之后再也没有发布过，所以一般按照这个榜单来做参考。一般排名越靠前越难申请。
第二种数据便是录取历史数据，这包括了两小类，首先是本校本专业的数据，包含这个专业往年录取情况、男女比例、国外学生比例、语言成绩均分等，这类数据更有参考意义。其次，中国学生的整体数据也会有一些用处。比如，有些学校虽然排名高竞争激烈，但是招的中国学生比例比较高，那么这个学校就相对没那么难申请。
第三种数据便是一些硬性要求，这其中主要包括托福和GRE这些语言考试的成绩，以及你的GPA和排名。

职业发展

申请的时候就应该把自己的职业发展作为必不可少的考虑因素。CS出去的职位主要有：前端、后台、SDTE（软件开发测试工程师）、数据科学（搜集分析数据）、架构工程师（比较难做到的头衔）。需要注意的一点是，要抓住秋招的这段时间，因为秋招名额很多，春季会少一些。
很多同学都会在假期实习，美国CS行业的实习资源很丰富，主要包括facebook, google, snapchat, apple, uber等。面试时间集中在12月到来年一月。

如何准备

1. 成绩要求：GPA能刷就要造刷，等到现在这个时间点，GPA已经基本成型了。接下来就是语言考试，CS专业一般都要求托福和GRE，过线是最基本的，当然越高越好。
2. 自身挖掘与定位：申请过程就像销售的过程：学校就是客户，要了解学校的需求，招什么样的人再来反观自己有什么经验、品质，再思考如何把自己包装得更好。如果你是跨专业申请者，可以去coursera上看看CS相关的公开课，既能帮你学到很多知识，又能体现你的自学能力和求知欲。
3. 文书写作：文书的一个关键便是，要把你在自身挖掘过程中发现的亮点串成一条线。拿我自己的例子来说，“喜欢不断挑战自己”是我的一条线，于是我就写了从小学到大学的比赛经历和项目经历，其中可以体现我的领导能力、沟通能力以及专业素养。一篇PS就像一个故事，只有好的故事才能吸引别人的目光。
另外，工科生申请的文书不需要语言多华丽，尽量简洁明了，不要有语法错误就好。重要的是，你的文书里要有干货、善于用专业术语。“完成什么任务之后天空都变得五彩斑斓”这种浮夸的话就不要出现在文章里了。招生官看的是文书中能够体现你的个人品质、专业素养的部分，而不是语言的浮夸。

一些建议

第一，希望以职业的角度去选择CS专业。你的读研、读博经历应该是你未来人生、职业发展很重要的一环。有些学校地理位置很好但是可能专业排名不是那么高，这就是一个仁者见仁智者见智的过程，我建议大家可以把地理因素考虑在内，因为这涉及到你的实习和未来的求职。
第二，开始做一个长期的项目。可以使用网站，app或者其他东西，你会有一个很好的收益点。首先你会对CS这个专业未来做得事情熟悉，对行业更加了解。其次项目在文书里也是一大亮点。

-2-

Fanne Yang，卡耐基梅隆大学，MIS

时间规划

6月-8月，大三的暑假，清理你的GRE和TOEFL的成绩，达到一定的标准。
9月份，定选校，联系推荐人。列一张大表，包含所有选中学校的网申信息及注意事项。特别注意的一般学校是发链接到推荐人邮箱，要求推荐人去填一系列的信息，包括问题，对你的印象，以及一张正式的推荐信，这些较耗时，再加上如果申请的项目多，推荐人需要挨个去填，而每个学校需要的信息也会各不相同，所以提前很久联系好推荐人，敲定到时需要填写的有哪些内容，需要花费多少时间。
进入10月，这是一段比较琐碎的细节填写时间，构思各种文书，有的推荐人可能还需要你自己写一份推荐信的草稿。准备各种材料，有的学校仍然需要你寄送纸质版的成绩单，有的学校要求你进行wes的成绩认证，还有些学校会额外需要一些材料证明，这些都是需要准备的。
在11月，进入填写各种申请表，每个学校都有一个网申系统，网申系统的信息也会比较麻烦。有些学校甚至需要你把你上过什么学科，每个学科做过什么大作业，有些学校还需要你提交一些Sample，这些都比较麻烦。
如果一切顺利的话，到12月份的时候你的申请工作就应该是大致完成了。但就我个人经验来说，这只是一个理想的计划表，现实生活中并不是这样操作的。
很多时候会因为有些突发情况打乱计划，这个时候怎么力挽狂澜呢！

我的建议是这样的：
1、建立非标准化模块：
把申请季中所有可能的事情都列出来，分成不同的模块，比如考语言成绩、准备文书、填表格这些都作为一个个单独的模块罗列出来。另外实习、准备毕业设计，这些是额外的，是会打乱你整个申请计划很重要的因素，也罗列出来。这样就不会造成同时有多个模块交叉并行的时候你会很痛苦，不知该做哪个，导致什么都不做。
分清楚每个模块之后，需要注意的是，每一个模块都要结合自身情况。以我的例子来说，我在9月份才开始实习，这个时间特别晚，还要同时兼顾语言考试，让我焦头烂额。所以在划分模块的时候要留出一个缓冲区，就是你假设这个模块需要1个月的时间，但是事实上你前后要多留15天。
还有个重要的事情，就是心理上的调整。当你认为9月份应该可以结束标化考试，10月份能联系好推荐人，11月份开始着手准备各种填表事项。但事实上，你到10月份还没有搞定标化成绩，这时候你的心里就会特别的慌，做事情都特别焦虑，这是一个心理预期的问题，一旦你发现已经有一个出乎意料的情况，就一定要提早心理预期。
2、测试
每一个人计划做一件事情需要的时间和实际去做一件事情所需要的时间是不同，在我的想象中，去填写一个学校的网申表格只需要1天的时间，但实际上我花了1个星期的时间。我们总是过分的高估自己，我的解决措施，先做一个单位值的时间，比方说先填一个学校的网申系统，然后去整个预估填每一项用了多长时间，罗列总共的任务长度，就是你一共要去填多少学校，每个学校的工作量是不是一样的，因为有些学校的工作量会远远大于其他学校，最后再把它根据你现有的空余时间进行均摊，均摊的时候一定要注意给自己留下可以调整的时间。
所以我建议大家找一个不是很喜欢但是在申的学校，作为一个测试，看看用了多长时间，然后再整个看一遍你所有要申请的学校的网申系统，观察有没有和第一个特别不一样的，需要你花费很多时间的，把这些都列好之后，再进行时间分配。
3、分清主次
在做好当非标准化模块和测试之后，你会对自己的申请流程会有一个很清晰的了解，对自己的时间规划非常明白。现在要做的就是如何把这些事情在同一时间进行处理，我给大家的建议就是：分清主次。每个月只安排1件重要的事情和3件不太重要的事情，然后到下一个月要保证这件重要的事情完成85%了，这样他就会变成下个月不太重要的事情，因为下个月也有一件重要的事情在等着你去做。

文书准备
 

PPT中左边是在申请中起到重要作用的部分，我把自己在这些方面做了一个数值化的衡量，这些是对自己的基本评估。最重要的是总结出自己在这些申请者中的优势，这个优势点也会成为你在书写文书时全程贯穿的重要内容。我给自己总结的点是“所学即用”：我的GPA和GT都不高，但是我的实习项目都很强，所以说明我是一个能把学到的知识进行现实应用的人，而不是一个只看重理论成绩的人。这点也一直在我后面的文书中有所体现。
有了核心之后，就是一个多角度挖掘细节的过程，我把它分为四步。
第一步就是列出所有能体现你核心优势的所有经历，这个经历的起因、背景、地点和团队，这是一个基本的描述，这决定了这是否是一段很有说服力的经历，还是只是辅助性的经历。第二步是你在这个经历中被分配到的任务、你所使用到的工具和方法、你学到的东西。那你也不可能一帆风顺把所有事情做下来，肯定会有困难，还有你是如何克服这些困难，在解决困难中又收获到了什么。最后一点要有一个结果和评价，越客观越好。
到这里，你把每个经历的这四点都列出来，文书的基本准备工作就差不多了，也看到自己在每个经历过程中的突出点和弱势。接下来就是文书的书写。
我认为文书表达的是一种供需关系，你想要的和学校能给你最后达到双方共赢的效果。
文书的片段可以从这5段来写。第一段就是你想要的自我，这就是在前面环节总结出来的在你所有经历都贯穿的核心优势，作为所谓的兴趣开发点来进行表述。第二段就是你达到的，就是你为了实现自己的兴趣或者理想，你最后达到了一个什么结果，比方说学了什么专业，培养了什么方面的性格，做到了什么竞赛，掌握了什么样的职业技能。第三段是你还需要什么，这是一个要求体现职业规划的点，因为国外的master都是就业导向的，你需要对自己职业发展有一个清晰的认识。你需要实现一个怎样的自我，什么样的工作能够让你实现这个自我，为了达成这个工作，你觉得你还需要什么。这个需要的就是学校能提供给你的。最后再隐晦的谈下双方能得到的是什么，对于你来说你能实现一个自我导向的人生理想，对于学校来讲，她得到一个非常有潜力的学生，这个学生会在职业上有非常辉煌的成就。这段也可以叫做表忠心，有且只有这个学校能给你这些东西。最后提一两点这个学校很特别的地方来作为总结。

突发情况

在申请中会遇到一些材料没有及时送达到学校、学校要求补寄证明材料等等的突发状况。

我认为比较重要的是这三点：
1、检查邮箱：每天检查2次，且只有两次，每次检查所有的学校的信息。避免不规律查询导致心态起伏波动特别大的情况。
2、联系小秘：如果有什么问题在网上根本查不到靠谱的回答，罗列好你所有的问题，用英文提示好，卡好时差去跟小秘打电话。相比发邮件，打电话的回复率会很高，而且打电话的方式也可以很容易地跟小秘聊到更多的信息。
3、信息搜集：即使你已经在申请尾期，也要进行信息搜集。因为很多学校会有新开的项目，录取的难度相对较小，申请人数也不多。有些时候学校会委托同一个系的学生到bbs上发帖号召同学来申请。这些都是可以作为补申的候选。
搜集这些信息的一般有这些途径，首先就是学校的官方网站：有三点我推荐关注
（1）course set；（2）Class Profile：会有班级的平均成绩、多少中国人、多少外国人的信息；（3）就业情况：一些就业率，就业导向的信息，与你自己设想的进行对比。其次是通过院系的论坛找到那些在读的学长学姐，但是一般都比较主观，需要和官网的内容结合来看。还有就是一亩三分地和太傻这样的留学论坛。
 

专业介绍

CS：很传统，要会一定的数学、算法、系统还有编程，很正经的出路就是所谓的“码农”。
IS：更偏向于在某个场景下的一套信息的模型，还有一些工具以及最后对处理的信息流的分析，business背景下的会多一些，出来之后不仅需要一些model和一些programming的事情，还需要一些管理，包括书写报告的能力还有一些基本的金融头脑。典型的职业就是business analyst。
DS：处于两者中间，更偏向于对数据进行搜集处理和分析决策，数学基本建模知识和算法，同时要用到数据的应用背景和应用流程来进行更合理的分析。这个出来的title就是Data Scientist。
总的来说技术性最强的就是CS，最弱的就是IS。CS也比较辛苦，IS相对轻松一些。每一个类型也有不同的排名，CS的排名看US和times就可以。而DS和IS，由于近年来新开很多专业，所以通过排名来搜学校不是特别靠谱，我的经验是去看课程和就业来判断这个项目的好坏。

作为一名软件工程师，这篇回答主要从找工作需要掌握哪些计算机专业的技能这个角度来谈谈编程语言、操作系统、系统设计、面试&刷题等方向的入门级的经典书籍。我将会介绍一些适合转专业或零基础的小白学习的书籍，也会介绍一些适合计算机专业的学生或者entry level的软件工程师使用的书籍。（内附PDF、课程链接）

我建议学习计算机专业的方法是：

1. 先学习一门语言，比如Java
2. 在熟悉了一门语言之后开始学习基本的数据结构和算法
3. 学习操作系统的基本知识
4. 根据个人兴趣可以选择某一个方向细学，比如计算机网络，数据库，Web基础，系统架构等
5. 如果正在或即将找软件工程师相关的工作，可以学习系统设计、面试常考的数据结构和算法等知识

【编程语言】

工业界常用的编程语言有Java、C++、C，常用的脚本语言有Python，如果从事大数据相关的工作还需要掌握SQL。

1. Head First Java

https://www.oreilly.com/library/view/head-first-java/0596009208/

入门级的学习Java的书，书里面有大量的图片方便理解，内容也涵盖比较全面。

2. Thinking in Java

学完基本的Java后就可以看这本书了。这本不是入门书籍，适合有一定Java基础的人进阶学习Java用。

3. Data Structures and Algorithms in Java

UC Berkeley CS61B data structure这门课的教材。这本书主要讲了基本的数据结构，比如Array，LinkedList，Stack，Queue，Tree，Graph等，并且每章节都附了练习题。

这门课的链接：https://inst.eecs.berkeley.edu/~cs61b/fa19/index.html

4. A First Course in Database Systems

这本书主要教SQL查询数据库的基本技能，适合新手入门。除了计算机专业之外，想做信息系统、Business Analytics方向的人也适合看。

5. Python Crash Course: A Hands-On, Project-Based Introduction to Programming

我自己自学Python时看的书，很适合零基础的人看。内容讲的很全面，也很易懂，前半本书是过一遍Python的基本语法，后半本书会带你做3个project，难度依次递增，做完会很有成就感。

6. C++ primer

C++的经典教材。作者Stanley B. Lippman是微软Visual C++ team的架构师。这本书把很多知识点都写的很细，不适合初学者，适合已经开始使用C++并且想加深对C++理解的人看，因为很多内容太细了反而不便于理解。

7. C Programming Language

C语言学习的经典书籍，作者之一Dennis M. Ritchie是C语言的设计者之一，其他很多C语言的书籍都是以这本书作为参考的。同样这本书也不适合初学者，需要有了一定的C语言基础之后才能慢慢啃下来。

【面试&刷题】

1. Programming Interview Exposed

贴出此书pdf链接：http://taltos.pha.jhu.edu/~gupchup/tmp/app/material/programming-interviews-exposed.pdf

专门讲面试的一本书，内容包括申请职位、面试准备和面试常考的算法、数据结构和technical questions，也列举了很多常考的non-technical questions，比如why should we hire you? Tell me about your experience等问题。

2. Cracking the coding interview

贴出此书pdf链接：http://ahmed-badawy.com/blog/wp-content/uploads/2018/10/Cracking-the-Coding-Interview-6th-Edition-189-Programming-Questions-and-Solutions.pdf

这本书也是在美国找软件工程师工作很有帮助的一本书，介绍了如微软、Amazon、Google、Facebook等大公司的面试流程，讲了面试常考的behavioral questions，也按照数据结构和算法分了十几个章节来详细讲具体的面试题目。在leetcode的题库还没有现在这么丰富的时候，以前面试刷题就主要参考这本书。这本书上的题目现在看来可能有一些老了，但都是很经典的必要掌握的题。

【计算机系统】

1. Computer Systems A Programmer’s Perspective

Carnegie Mellon University神课15213 Introduction to Computer Systems的教材，上课的教授也就是这本书的作者。这本书深入介绍了计算机系统，涉及到内存、编译器、进程、信号、I/O、虚拟内存、动态内存分配等知识。

2. Operating Systems Internals and Design Principles

贴出此书pdf链接：http://dinus.ac.id/repository/docs/ajar/Operating_System.pdf

这本书介绍了操作系统中的设计问题和基本原理，使读者对操作系统的关键结构和机制能有所了解。这本书通过使用Linux、Unix、Android和Windows 系统中的案例来加强读者对操作系统的理解。

【系统设计】

Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems

系统设计也是面试，尤其是跳槽面试中的常考问题。这本书讲了在大数据领域中scalability，consistency，reliability，efficiency和maintainability等这些问题怎么解决，介绍了大数据处理和存储相关的工具有哪些利弊，面对大数据应该选用什么样的数据库才合适。

计算机没有烂大街，女生可以学好计算机。

为什么说计算机没有烂大街？
我自己和周围女生朋友们的经历
硅谷的女性大神
女生学计算机可以选择的学习方向和职业规划

本文大概按照以上思路展开。

计算机所谓的烂大街是指很多人学了一点点编程语言就自称是会计算机这样的现象导致的，让人误以为现在学计算机的门槛越来越低，好像会一点Python就能去做软件工程师，听过一点吴恩达的机器学习就想去做算法工程师。计算机并没有烂大街，不管是不是科班出身，有扎实的计算机基础（包括深入了解一门编程语言，熟悉计算机系统、数据结构、算法、计算机网络、数据库、编译原理等基本知识），能写出可读性高的代码的应届生并不算多。

我是一个学计算机的女生，现在在美国的旧金山湾区做一名软件工程师，身边有不少优秀的Manager（经理）、VP（副总裁）和软件工程师都是女性。在CMU的两年间我也遇到很多学计算机的女生，她们有的是本科计算机专业出身，入学后不久便找到大厂的实习，也有很多转专业的女生，她们本科来自生物、金融、化学、建筑等各种与计算机无关的专业，通过努力在互联网公司找到理想的工作。

答主Yiwen Xu， 2017-08~2019-05就读于卡耐基梅隆大学（CMU）Computational Biology专业，芝士圈留学行家，现在为美国Top4互联网公司软件工程师，从事人工智能语音识别相关的产品开发。

其实计算机分很多方向，也不是学计算机就一定要出来做软件工程师，我将在回答中总结女生学计算机可以选择的学习方向和职业规划，也想通过分享自己和周围女生朋友们的经历来鼓励题主和其他想学计算机但还在犹豫的女生们。

周围女生朋友们的经历：

学姐L本科是国内某985的生物科学专业。虽热转了专业，但学姐计算机课的成绩都很好，曾是我研究生期间一门算法课的助教。学姐在毕业前就拿到了阿里的offer。

学姐M本科是国内某985的化学专业，毕业后去美国读了化工的PhD。她在读博期间想学习数据科学和机器学习，利用科研之外的时间选了很多学校机器学习部门的课，还发表了与机器学习相关的paper，通过努力在毕业后成为了一名硅谷的数据科学家。

同学Z也是国内某学校生物专业的本科，她在研究生期间通过努力和坚持上了我们学校很多很难的计算机课程，比如cloud computing，distributed system，最后她以几乎满绩的成绩毕业，去了字节跳动担任软件工程师。

除了我周围很多优秀的转专业学习计算机的女生，也有很多科班出身的女生，凭借扎实的计算机基础在研究生入学后没多久就拿到了很好的实习机会，有的去了很热门的独角兽公司，也有的去了FLAG一类的大厂。有了不错的实习机会，她们也收获了很多大厂的全职offer。

你可能会觉得我举的例子太极端，都在以那些找工作结果很理想的女生作为例子。其实我身边也有妹子找实习找全职并没有很顺利，但很大一部分原因并不是因为性别，有一些是因为运气不好，有一些是自身不够努力，有一些是由于转专业而导致简历关不好过。不管是男生还是女生，想要在科技公司找到和计算机相关的工作，都离不开扎实的计算机基础和充分的面试准备，这些都需要通过努力，并不分性别。我有一些转专业学习计算机的女生，虽然相对科班的人缺少了些计算机方向的经验，毕业后只拿到小公司或初创公司的软件工程师offer，同样也在职场中学到很多，经过小公司的历炼后跳槽拿到了大公司的offer。

除了我身边的例子，硅谷也有很多大神是女性。

比如斯坦福大学人工智能方向的教授李飞飞，同时也担任Google Cloud的首席科学家；
曾任百度副总裁和Pinterest Senior VP的Li Fan，现在加入初创公司Lime成为VP和head of engineering；
英特尔大数据团队的VP马子雅、原Google AI中国中心总裁现任Snapchat研究主管的李佳，VMWare全球副总裁李严冰。

他们都是在计算机行业的女性工作者。诚然在计算机行业，尤其是在国内，是一个男性占大多数的行业，但这不代表女性学计算机没出路。现在在美国很鼓励Women in Tech或Women in Engineering，相信之后也会有越来越多的妹子来学习计算机相关的专业并在计算机行业就业。

我们通常指的学计算机，对应美国这边的专业叫computer science。除了computer science，其实有很多和计算机结合的学科也可以选择，比如Data Science，Machine Learning，Business Intelligence，Computational Finance，Computational Biology/Bioinformatics，HCI，Robotics。所以女生也可以根据自己的兴趣选择想走的方向，除了软件工程师之外，女生也可以走数据科学家、产品经理、交互设计师、商业分析师等职业道路。

【Computer Science】

就业方向：不同方向的软件工程师

需要掌握的技能：一般给应届生的软件工程师岗位在招聘面试时常考数据结构、算法、计算机系统、计算机网络等方面的基础知识。除此之外，软件工程师其实是一个比较笼统的称呼，这个职位还分很多领域，比如网络安全工程师，系统架构师，前端和后端工程系，测试工程师，嵌入式开发工程师，移动端开发工程师，大数据工程师，算法工程师，运维工程师（DevOps Engineer）。所以除了掌握基础知识外，可以在大三大四或者研究生阶段选择自己感兴趣的方向发展。

一般计算机本科需要学习的课程和知识有：高等数学，数据结构，算法，计算机系统，编程语言，编译原理，程序分析，操作系统，计算机网络，数据库，软件工程，程序设计等。

【Data Science】

就业方向：金融行业、医药公司、科技公司做数据科学家。

需要掌握的技能：数据科学家对学历的要求相对会比较高，一般招聘博士或者硕士为主，需要掌握统计、机器学习和人工智能等方面的知识。在编程语言方面，数据科学家一般用R和Python为主。随着大数据的发展，现在很多数据科学家的岗位也要求求职者掌握Hadoop、Spark等大数据处理工具。数据科学家还需要掌握扎实的数据库知识和SQL语言，熟悉数据可视化的工具（比如ggplot，Matplotlib和Tableau）。

【HCI】

就业方向：UX/UI designer。

需要掌握的技能：UX设计需要有一定的心理学基础，需要了解用户和一个系统（比如手机、电脑）发生交互时的心理感受。除了以用户为中心的设计（User-centered design）技能外，还要学习原型设计与制作，互动设计，用户研究（User research）等方面的知识。

常用的需要掌握的UI设计的工具有Photoshop，Illustrator，Fireworks和InVision等。这个职位还需要很好的沟通能力，因为需要经常与程序员和产品经理合作。

调查显示，在美国担任UX/UI designer这个职位的人，很多本科都是心理学、商科等专业。

【Business Intelligence/Business Analytics】

就业方向：这个专业是商科与数据科学的交叉学科，毕业后一般去互联网公司、金融行业、医疗制药等企业担任商业分析师或数据分析师。

需要掌握的技能：需要学习一些数据科学方面的技能，包括统计推理和建模，数据挖掘、机器学习和统计。同时还要掌握一些计算机方向的技能，如编程，数据库管理，大数据处理。除此之外，一般Business Intelligence专业也会开设很多商业相关的课程，比如E-business，商业管理，金融基础等。

举这些与计算机有关的专业的例子是想说明计算机有很多发展方向和领域，还需要很多的相关专业的人去填补这些行业的空缺。计算机也和很多传统学科组成了交叉学科，比如计算金融学，计算生物学。女生不需要担心学计算机是否有出路，多尝试，确定一个感兴趣的方向并努力掌握该方向的专业知识才是现在应该考虑的事情。

祝每个学计算机的姑娘都能找到满意的工作。