EE转CS申请经验

日记

案例分享

硬背景

专业: 电子信息工程
GPA: 88.5 / 100
Ranking: 20/200, 10%
GRE: 325 (160 + 165), 3.0 ; 320(155+165),3.5 ; 320(153+167),3.0 ; （3次都送了，毕竟每次都有单项最高。）
Toefl: 101(20)

软背景

第一次申请

简历

• 国光-计算机学院-存储实验室-SSD组实习
• 电信学院-互联网中心-P2P/WebRTC
• 电工基地
  
  • Web开发
  • Linux嵌入式开发

文书

• 目标：分布式系统工程师
• 网络P2P - WebRTC研究经历
• 课外电工基地，动手实践、参与比赛。

结果

AD: CMU ECE SV SE, Purdue ECE, NEU CS
Rej: CMU MSIN, UCSD CS-CE, UMich CS, Columbia CE, UMD CS, USC CS General, UCI CS, NYU CS, UVa CS, UMN CS, TAMU CS, NCSU CS, SUNY-StonyBrook CS,

评论

比较减分的点：
文书不足以证明我在朝着“分布式系统工程师”目标而努力。
实验室时间没泡够，懂得细节太少，写的不真实。
当时强转CS，对CS的认识很少，写出来的东西，显得非常外行。

转专业前一定要提前做足功课。平时没有关注CS，学习CS，到申请的时候突然决定转，会导致拿不出什么经历来佐证，也写不出很内行的话。

提前做功课，还能确定自己是不是真心转。很多时候我们是受环境、热门趋势的影响决定学习一个方向，接触之后可能会发现所需的能力自己并不擅长，或者并不爱这样的工作。比如现在的机器学习火了，但会有同学做了机器学习应用之后发现，大多数时间用在写爬虫、清洗数据、特征工程、调参数、模型就那么常用几种，开始怀疑自己的工作不过是调包侠、数据民工，完全忘掉了进入这个领域之前那种挖掘有价值信息的初衷。针对这个困惑，如果提前做足功课，做几次Kaggle竞赛，就会认识到如果想在这个领域做算法研究，一定是要读博的，对于硕士，去做大数据计算/存储系统，可能更愉快一些，心里会踏实很多。

这一次我找了个在美国的一帮学长办的留学申请服务公司，定价2.5wRMB。(考虑服务质量太差，我只付了一半的钱。下面解释为何差)
分配了一个在TAMU读完去Amazon工作的华科计算机学院前辈来指导我。

结果他们亚马逊经常加班，一直在拖拉文书修改。直到deadline，这位学长也没能紧张起来，到最后文书都没能给我改完。

自己的事情，还是要自己操心。万万不可找了中介就指望他们能给做好。

另外平日里的交流，也没有给我带来很多意识上的提高，前辈已经不关注申请太多年，实在是不清楚当前形势。这样兼职做申请服务的公司，甚至不如传统中介。传统中介还能给你介绍：一个项目好不好申，有什么隐性要求；用往年数据看这个项目有没有同学校相似背景的人申请到，从而给出相当靠谱的选校。

像SUNY, TAMU, NCSU, NEU其实我根本就没有兴趣的。这位学长当年加权应该不高，他按照他当年的情况给我选校。因此申了好多很靠后的学校，这样虽然申到了NEU CS，我是直接不考虑去的，现在想来好浪费钱。

保底一定要保自己愿意去的，USC是个不错的保底项。

选校还是要多问几个前辈，综合意见，才好得到对于自己的level有高有低的最终选校。

EE只申了个Purdue，明显申低了。

如果要申两个专业，那还是多申一点好了，免得有遗憾。

CMU这个写代码做项目最后也没决定去（找工作一流，但是我想上课学理论）（对大多数同学来说，这个项目很好）。

所以Gap了。

第二次申请

简历

• 实验室，生物信息
  
  • Deep Learning on Sequences Analysis
  • Information Retrieval / Semantics / Ontology
• 实习，机器学习
  
  • 机器学习应用于验证码
• 项目，Web
  
  • 车辆监控
  • 内容管理系统

文书

• 引子
  
  • 解释为何对生物信息感兴趣：
    
    • 生物领域对DNA的理解现在面临大数据信息爆炸
    • 计算机领域的大数据与机器学习技术可以解决这个问题；
  • 提出个人发展目标：希望致力于将机器学习应用到生物科研上
• Deep Learning on Sequences Analysis
  
  • 问题、挑战、解决方案、阶段性成果
• Information Retrieval / Semantics / Ontology
  
  • 问题、挑战、解决方案、阶段性成果
• 从这两段经历总结对科研的理解
  
  • 科研意味着什么
  • 科研需要怎样的能力
  • 我的上述经历能够证明我已经在这个领域做了足够准备。
• 解释为什么选择该校
  
  • 有符合我兴趣的课程、老师、实验室。能够帮助我实现我的发展目标。

结果

AD: CS@UCLA,UCSD,USC,NYU,UChicago,WUSTL EE@Umich,Columbia
Rej: CS@CMU MSIN(WL),CMU BIC,UIUC CS BioInfo,Dartmouth. EE@UCSD,Duke

评论

这次我把第一次申请的经历抛在脑后，以最近一年的经历为主要内容重做了文书。

这样的转CS结果对我来说很成功，主要靠两点：

1. 选一个小众（自然也就简单）的方向进入CS学院（CMU除外。除了那几个众所周知的黄金项目选课很幸福。其他项目比如MSIT-eBusiness、MSIT-Privacy Engineering由于项目分的太细，选课定的很死）反正去了选课是没限制的。到时候再根据自己的需要选。类似的冷门方向目测还有security\privacy\theory等等大家都不做的。
2. 目标明确。文书只写生物信息这一CS小方向，避而不谈自己的工程实践经历(只在简历里在最后提了一下，表明自己在写代码方面有足够实践)。

心得与建议

意识

从留学申请、保研、申博、找工作开始，人生进入到一个新的阶段，意识需要转变，再也没有应试教育那种被学校催着学习的舒适区了。

我去年的失败很大程度是因为我一直是那种考试机器型的人，闷头刷分，以为成绩好了自然就有学校要，忽视了转专业的难度，也没有注意文书技巧和选校策略。Naive!

处在这样一个重要的人生抉择点，还没有动力做出改变吗？更勇敢些，多向前辈打听，多跟同伴讨论，会收获很多不为人知的小细节。同样的背景，多打听一些信息，就比别人多一点点机会。

学会批判性思维，独立思考，多信息源比对，不然容易受到感性的人的主观判断和数据的偏差bias的影响。比如我这里提到的各种观点，一定再找其他学长验证一遍。

英语

英语的准备技巧没有太多，刷题还是硬道理。
刷题最大的难点就是个人的执行力和决心。
建议GT的每一项给自己考3次的机会。如果没考好或者考过线就不要再考了。

虽然在准备出国的路上，GT的准备与考试跨越了最长的时间，非常辛苦。
但是比较令人失望的可能是GT分数在整个材料评审过程中相对不重要。

第一关是小米整理材料，可能会把学生按国家、本科学校划分一下。如果英语成绩没有过线，又没有很突出的背景有逆袭的可能的，这一关就被淘汰掉了。

下一关是教授评审，大多数教授都不太关注英语成绩。如果个别学校教授要拿英语成绩考虑的，小米一定会帮忙加到材料里的，你的英语成绩不够好的话，没必要在简历上写出来。

如果没考好，先不要考了。坚持背单词的同时转去做科研，提升背景，这才是对提升你的PS内容更重要的事情。（这一点我有惨痛的教训，第一次申请，我托福考了5次，可以想象我没有心思认真在实验室做事情，背景算是废了，PS里只能泛泛而谈）
把自己的下一次考试放在11月、12月，文书基本准备好的时候，这样只有最后的机会，自己就会拼尽全力。（我在12月1日，距上一次考GRE7个月后，又考了一次GRE，成绩从320提到了325，7个月一只在坚持背单词，最后11月刷了一个月Magoosh）

如果考过线了，就行了，不用和同学攀比，追求过高的分数。（不过凡事都有例外，CMU BIC项目对GT要求极高（G325，T105(22)），通常申这个项目的最大瓶颈反而是英语）

文书

中介写作水平很低，我花了4.5wRMB，最后中介老师给我的文书水平极差。

讲述“对目标方向的理解”的段落直接粘贴别人的（大忌，UCLA已经启动了文书防抄袭系统，发现抄袭直接拒），跟我的经历并不吻合（比如我做的是DNA，它给我粘来的是对蛋白质的理解）。
而且老师的英语水平目测过不了4级，专业名词翻译90%都是错的，动词、形容词各种瞎乱用。
我把这段全部删掉，写了一年来科研的心得与理解。

精力允许范围内可以帮大家看看文书给给建议，联系方式见最后。不愿看到再有同学翻车gap一年。

你可以通过反复重试到达你想要的位置，但是付出的时间和机会成本是再也回不来的。

文书中需要你展现出自己的研究方向、兴趣与目标，
围绕这个方向，用自己过去一两年的经历，证明自己在坚定不移的朝着这个方向努力，展现自己在这个领域多年来的探索与坚持。

方向最多2个，再多减分（哥大EE项目以特斯拉学者身份被录取的同学在师生交流晚宴上向负责招生的教授当面问出来的）。因为看你文书的是教授，学术界讲究一个方向做精做深（除非大势所趋，不然教授是不随便换方向的），因此教授在录硕士的时候，也依然是这样的标准。

很多同学，项目经历丰富，迫不及待地想把所有做过的事情一股脑全部写到文书中，这是万万不可取的。一定要集中火力展示跟自己未来目标相关的内容。

科研略优于工程

做的工程项目多，在进工业界找工作的时候是好事。但是，大多学校的项目是科研经历优于企业实习经历的（USC招生交流会上招生小秘当面明说的）。

一般(90%)MS项目，授课为主，既可以Thesis-based，也可以Course-based/Project-based。选Thesis的话，就少上一门课，论文当这门课的学分。
这样的项目，虽然看似可以只图毕业找工作，上上课就好，但是，由于也有Thesis选项，所以教授录取的时候会很自私地尽量选愿意做论文，同时以后有希望能成为自己博士生的学生。

研究型MS项目(2%)。你说以后是当工程师，肯定是不会录你。比如UIUC MS。

职业型（Professinal）MS项目(8%)。没有Thesis选项。文书非常的工程化是没有任何问题的。这样的项目非常喜欢实践经历丰富，能在技术领域做领导者的同学。比如CMU INI MSIT, CMU SCS MSIT，CMU ECE SV SE。Cornell Tech NYC可能也算吧？

因为我是看到有论文的同学，申请的绝对不会差。给我的印象是，拥有科研背景，一般、偏学术的硕士项目都能通吃，绝大多数项目就cover住了。

学会投其所好。教授的录取标准与企业用人观点不同，在申请这一关，必须顺从教授的喜好，把自己说成兴趣非常专一。纵使你有全栈工程师的心，在这一关先收敛一下自己过于分散的兴趣，等到找工作的那一关，再展现出来。

也有同学是把时间都用在做工程项目、比赛动手之类上面了，如果兴趣确实在工程，倒也不是不行。就是写文书要注意找一个方向把自己的经历概括起来。

讲述经历的时候一定要格外自信地表现自己，最好还有点膨胀。成绩是客观部分，自己没有发挥余地。文书作为主观部分，恰恰就是展现自己的好机会。千万不要有任何谦虚和客气，文书中对自己水平的丝毫犹豫和否定都会严重减分。

EE转CS现状

如果你要申Artificial intelligence、Computer Vision、Data Mining、Data Science这种比较热门的方向的话。注意调整心理预期，往年申的略惨。记得申个USC CS37保个底。

上面也提到了，可以走security\privacy\theory等冷门方向先进入CS学院。CS学院各track之间互相选课是没限制的，不像EE/ECE学院各个track定死了必修课。

项目介绍

这里分享一些我了解到的项目细节。

转CS友好的CS MS项目

UCI，UCSB，UMass，USC(37 credits)，Upenn(MCIT)，UChicago，NWU，NEU

EE项目选CS课

不想牺牲自己申请的学校质量的同学，还是会申EE/ECE。（申EE/ECE的时候不要暴露自己的转CS倾向，大部分学校CS和ECE是两个分立的学院，有转院倾向可能会减印象分）

但是为了找工作，身体还是要诚实地尽量多学CS的内容。
我觉的ECE和CS的课程差距还是挺大的，还是要选CS院开的课，才能真正学到CS的内容。
这里介绍一下我了解过的EE项目，选CS课的可行情况。

EE学院录取分Track，不同的Track限定了不同的必修课内容。

EE里面唯一一个好找工作的Track是VLSI（Very-Large-Scale Integration），专注数电、Verilog、CPU、芯片、大规模集成电路的设计和验证。CS里的CE也包含这个方向。就业公司有Intel、Qualcomm、NVIDIA、Apple等。

Umich：3门track内，多数学课。7门自由，可以选ECE其他Track的课，也可以选CS系的课。不过选课优先级没有CS的同学高，等能选了基本就没有想上的课了，因为大家都想选的课就那么几门，数据库、。
其他Track可以去了转入，但是VLSI例外，它是Umich ECE的强势方向，被限制转入，要求上一门VLSI的入门课并且拿A才允许转入。

UCSD：ECE-CE，CE这个专业名字比较好找工作，回国可以声称自己是学计算机的，不过课非常偏底层硬件，见课程列表，可以看到CE和CS的内容差得非常远。另外UCSD的竞争激烈程度可以想象。ECE-Medical Devices必修没填满，可以上几门ECE-CE课，不能跨学院选CS院的课。其他Track必修课都排满了，没啥选CE课的机会。

Columbia：5门EE课+5门自由，可以选CS院课，但是优先级不高，像NLP、CV的课开的是几十个人的小课堂，EE的同学死活选不上，算法、计算机网络之类的还是能选上的，另外5门EE的课可以选Artificial Neural Network、Big Data Analysis这样的课，对不想学硬件的同学算是一个解脱。

Duke：EE学院简直善良，自己院就开了好多做软件的课，想转专业的同学可以放心来上他的EE。

其他Track的话，想找工作，那只能说课内学的EE里的数学对找工作没啥用，GPA维持3.5以上，剩下的精力用来刷题。

自己如何了解项目？

1. 查看学院有哪些Track：这个在学院的网站比较容易找到，也可能叫Research Areas。一个学校有A、B、C、D，另一个学校有B、C、D、E。所以先确定好选校清单，再写文书指定目标研究方向比较稳妥。这样可以确保清单上的学校都有你PS里选择的这个方向。
2. 搜索项目要求：谷歌Columbia EE degree requirement/Columbia EE handbook，能够找到这个，这样就知道能否选CS课程了。
3. 搜索提供的课程：谷歌Columbia EE bulletin/Columbia EE courses，能够找到这个，提前搞明白这个项目能不能满足自己的需求（比如我就是看了EE的开课情况之后，下定决心，绝对不去EE）。

各项目录取难度与特点

GaTech：CSE\EE MS，能各录华科1个，GRE作文至少3.5

Columbia EE：从15fall开始，加权85好申。T至少100，不然要面试，面试大多过不了。

Umich ECE：从16fall开始，加权85好申。

UIUC：MS是博士预备生，需要陶瓷。从16fall开始，新开ECE Meng和CS MCS授课项目，一定要试一试。UIUC Career Fair相当热闹，找工作非常强势。
CMU ECE 从16fall开始，会把申Fall的同学（主要是女生）放到Spring。虽然第二年暑假的实习不允许实习（法律规定的CPT规则），不过能上CMU的课，还是很幸福的。好申一点的方向，信号处理，电子器件，医疗设备。
UCSD CS 从15fall开始，扩招了不少。

Stanford：要专业第一，GT无死角，如果你是专业第二，专业第一没申，那也请你试一试。

USC：G可拼分，T不作为录取标准，不够上语言班。不卡学校出身，只要加权有3.5就会要，华科加权83.84也是能申到的，所以拿它保个地。转专业同学申不到general的，只能申CS 37。

Brown:卡T105

UCLA:喜欢清北和华东牛校，（清华4，上交6，复济浙各2），其他（中科大、北邮、西交、电子科大、华科），只录1个。
EE，华科顶多录一个，多半专业第一第二。

UMD、UVa、UMN的CS MS基本不招国际学生，大概10个大陆学生的数量级。

给大一大二同学建议的规划

加权成绩是第一位的！
成绩是一个基准（base），直接定位了你能申的学校的档次。
软背景是加减分（penalty/bonus），在加权成绩的基准上下，影响你的最终结果。
因此，无论你做什么提升软背景的努力，一定不要影响加权。

英语在大二尽早搞定（托福先考了，GRE单词提前背起来），大三可能还需要再考几次GRE。

这样大二升大三的暑假就可以联系个导师，加入实验室，学习科研，做论文。我这里默认了走科研比较好。

申博，拿到一篇有分量的论文几乎是必须，我发现老师录取博士生的搭配，大概是选2个有牛论文的（这样的学生有学术兴趣与天赋），再选1个加权极高的学霸（这样的学生能很好的钻研课本和完成任务）

申硕，对于本科生，拿到论文是有利加分项。（对于硕士生，有论文是理所应当。）

选择实验室一定要慎重，我换过几个实验室，不是随便选一个老师那就能拿到论文的。

提前打听这个实验室的学生每年能出一两篇论文不。
有的实验室是不出论文的，老师可能远离了学术界，只是接工程项目赚钱，把学生作劳动力锻炼工程技能，并不是学术路线。

优先选在美国读博的老师，更懂得怎么发符合国际水准的论文。

其实是有两种做论文的模式。

一种是做系统类的，需要多个人配合，博士生经验丰富见得方法多，负责在数学方法上创新，硕士生做代码实现，做费时费力的测试验证。计算机视觉就是这样。一定要找对实验室，找对老师，找对博士学长，成功与否也不完全取决于自己，队友坑了，自己想出结果也出不来的。
可以打听到实验室有很强的博士，正在做很有希望的东西，可以帮博士打打下手，搭顺风车。

另一种是做数学模型类的，一个人就能完成，是做数学模型、数学方法上的创新，在一个应用场景下，抽象概念为数学符号定义，把实际问题转化为数学最优化问题，给出一个解法并证明出来，实验只是辅佐一下数学证明，或者看看运行性能/收敛速度。机器学习算法、通信网络模型就是这样。这种靠自己的智力。
不过成功的前辈，都是有负责的老师指导的，会找一堆相关论文，每天催命一样逼着你看，你只要努力完成任务，加上一些智力天赋，还是能得到成果的。因此，注意在找老师的时候一定要说清楚自己想拿到论文，不然进去了就放羊管理了，老师忙自己的工作，才不在乎你一个本科生到底能出成果不。

联系方式

QQ：345651607
微信：xsh6528