我希望旗帜鲜明的摆明我的观点


我建议所有人尽量都自己DIY申请硕士

没必要花钱啊
没必要花钱啊
没必要花钱啊



因为我的确认为这个服务费,动辄几万人民币,真心不便宜,而节约也的确是美德。

但是我也知道每年都存在着大量的需要帮助的人:

因为,美国CS硕士申请这个东西,国内是没有的(国内是考研保研什么的),所以很多人(不管是学生还是家长)特别容易对美国硕士申请有错误的认知、也特别容易轻信某些错误结论但自己浑然不知。

我希望你明白,人在对待陌生的事物、甚至是未知的事物的时候,是没有判断力的。
所以培养关于硕士申请的认知是很必要的!这样不仅可以防骗,也可以知道自己要如何走好CS硕士申请的道路~


所以你需要先培养针对CS硕士申请的正确认知,然后再看自己要如何成长、如何发展。


——————————————————

那么,在面对美国CS硕士申请这个节点,那些优秀的人会沿着怎么样的思路去思考如何走通CS硕士申请?

根据肖哥的观察,这样的人的思维框架如下:

思考的流程
在思考所有问题之前我希望你能明白,CS申硕这个领域,杂音太多、胡说八道的人太多、骗术太多、“披着羊皮的狼”一样的说辞太多。。。所以你需要先提高下自己的认知,这样才能防骗、才能对接收到的信息有准确的判断力、以及判断自己要如何提升背景。
1.CS申硕认知扫盲
2.你需要认清CS硕士申请的本质。只有这样,才能看清CS硕士申请的真相,才能拥有独立思考问题的能力。
2.1 认清美国CS硕士申请的极其重要策略是证明自己很优秀,然后就去学习了解极其优秀的CS大神的能力与申硕材料质量
2.2 瞄准CS大神的能力画像,构思适合自己的CS硕士申请的人物形象与人设应该采用什么方法和思路
3.当你看穿美国CS硕士申请后,你就能区分出不靠谱和靠谱的说辞,然后明确CS硕士申请应该采用什么极致策略。
3.1 不靠谱的说辞,与常见的骗术
3.2 靠谱的说辞,与CS硕士申请应该做到的极致——DIY的人要自行实现这个极致、找中介的人要让中介帮自己实现这个极致
3.3 判断自己是否有必要花钱购买任何服务
4.沿着正常而准确的逻辑去思考和执行CS硕士申请的所有事情。
4.1 思考自己的读CS硕士的动机
4.2 了解并执行真实有效(而非买来的)的背景提升
4.3 针对自己背景的劣势做出弥补,甚至在劣势的那个方面创造出优势
4.4 选校定位与选校原则
4.5 从美国CS求职,推导出申硕->读硕->就业的时间线,以及毕业后的个人积蓄与跳槽时间线


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html

声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

0

比较维度

CS博士

CS硕士

(Research Master)

CS硕士

(Course Master)

0

名额

极少

极少


0

是否最好有科研经历、有论文

大概率是

大概率是

是,但是没有也行

申请

是否有面试

大概率是

大概率是

否(即便是有,也是non technical面试)

0

是否要套磁




0

文书能否包装

不能

不能


0

读书是否有奖学金

有,全奖

有,全奖半奖都有可能

大概率没有,即便是有,钱也很少

0

读书时长

4-5年,甚至6年

2年最常见

1年、1.5年、2年都有可能,以后两者为主

0

毕业的时候是否有论文要求


大概率有

大概率没有

读书

读书期间能否同时拿硕博学历

大概率是修够了CS课程就可以在读博期间顺便修一个硕士。
如果你符合上面右侧的这6个原因,你最好是读一个博士,因为如果你的目标/喜好,满足这六点中的一点或者多点,那读博是一个基本上必须要走的人生路径。肖哥认为,因为这些目标/喜好而去读博,是理性的。
在北美,很少有那种正式的“硕博连读”。在读完硕士后,如果想要继续读博士,大概率还是要走一下博士申请的流程。只不过如果你读的是Research Master,只要你的导师还算喜欢你,的确有可能拿到这个导师的PhD录取。

0

0

读书期间能否去实习

看导师的意思,导师同意就行,不同意就不太行。

看导师的意思,导师同意就行,不同意就不太行。

大概率可以,除非program只有1年(1年的项目就是刚去读书就要主要找全职)。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html

声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~






俯视你的一生,你会发现,如下的四件事是左右你人生轨迹的关键节点:

美国CS硕士申请这个节点,肖哥认为,这是最容易实现屌丝逆袭、咸鱼翻身的人生节点。

因为这个节点是上述四个节点中唯一一个不太需要考试/面试的节点,你需要做的只是【想方设法证明自己很优秀】即可。我们把这种优秀,说的稍微具象一下,应该就是一种【已经能够解决美国互联网公司Software Engineer工作职责里难到爆炸的工作任务】的优秀,毕竟在肖哥看来这是你在美国硕士申请之后的最重要的节点,你要让人相信你已经能把下一个节点走好,大学才会同意你去他那里读书。


因此,要么你就DIY申请美国CS硕士,证明自己是一个技术帝/CS疯子要么你就找一个人帮你证明
你是技术帝/CS疯子。

别无他法。



我想要在这里向你二次强调,申请的本质真的是证明自己很优秀







那么问题就来了:

想要申请名校CS硕士,我们需要证明我们的CS能力很优秀,那需要证明到什么程度呢?

前方高能预警
申请经验总结
1.一些”废话“的经验:优秀的时间管理能力、踏实肯干的做事态度、强烈的上进心... 

2.硕士申请取胜的本质:

做了多段优质的大型经历而且大部分大型经历都对应着非常深奥的CS问题的解决,所以这些经历构建起的文书形象,是有可能让录取委员会的老师也读起来很吃力的一种「CS疯子」的形象。而且这种形象已经超过了美国业界公司(例如Google、Facebook)的招人标准,从而让录取委员会100%相信这个硕士申请者是一个CS大神
对其他申硕申请者的启示
想要和上面这种「CS疯子」去竞争,你的申硕的文书形象也要很深奥,也要展露出你拥有那些解决过那些很难很难的任务的经历,而且是多段这种经历。这样就可以让录取委员会相信你不是一个普通的CS选手,而是看起来的确和一个CS疯子/CS大神是一样的, 而且录取委员会相信你铁定能够成功找到那种在文书里说的那种特定类型的美国互联网公司的Software Engineer工作、解决特定类型的难度巨大的工作任务,所以这是一个很了解美国CS求职的CS疯子/大神,所以就可以形成对其他硕士申请者的“打击”。

因此,你要么就自己努力提升背景,成为真正的CS疯子,然后申请美国名校CS硕士;要么你就找一个能够帮助你证明你是这么优秀的CS疯子的机构,然后申请美国名校CS硕士。

如果一个机构不能对你的文书形象进行挖深(挖深到别人看不懂的程度)而且把美国CS硕士申请与美国CS求职做一个完美结合(把美国互联网公司的Software Engineer的职责以及难到爆炸的工作任务都写明白,而且证明自己已经能胜任这种极具挑战的工作了) 来吊打美国CS硕士申请的其他申请者,那就无法对你的硕士申请起到质的改变,从而无法帮助你以一种更大的概率去拿下名校的CS硕士录取。

只要你走好了背景提升之路,能够和上面这种人平起平坐、直接竞争,那么请放心大胆的DIY自己的硕士申请之路,你不需要任何机构的帮助,你也不用来找我,因为这钱花的完全没有意义。


所以如果单说CS硕士申请这件事,希望大家记住


申请CS硕士的本质是——不管一个人优秀还是平庸,几乎都是用一纸文书证明自己的优秀去赢得录取。反正,我带学员做这件事的目标也很简单,就是以写出admission committee(录取委员会)可能都看不懂的文书为目标,而且这种文书可以让人相信这个人已经远远超过了美国CS求职的能力要求,能解决美国互联网公司Software Engineer工作中难到爆炸的工作任务,哈哈这样名校的录取就来了。

CS DS学科有一个很神奇的特点,就是,我们把学科知识难度分为10个等级(1级的知识难度最低,10级的知识难度最高),那如果一个人学到了4级,的确很难写出5级的难度的文书,因为4级和5级之间的知识甚至都不一样——5级可能是全新的东西。所以 文书的深度,可以证明一个人优秀,所以对硕士录取委员会来说,可以用文书去筛选人才。文书越深,证明这个人越来越接近、或者越来越大幅超过美国CS求职的标准。 因此,如果是diy的话,就尽全力让自己达到5级 6级 ,甚至8级 9级,就能一点点的逐渐超越 弱背景、普通背景和强背景的人;如果是找中介的话,就尽量让这个中介至少是8级 9级 甚至10级的水平。

-----------------------------------------------

如果你依然理解不了我说这个感觉,那我给你举个例子你就懂了:

(1)我们假设小明本科是学会计专业的,那你觉得小明能有能力写的了化学专业的申硕文书么?不行的,因为小明对高深的化学知识大概都不了解,他只有学了深入的化学,才能写的了深入的化学申硕文书,对吧。

(2)那我们继续假设小红本科是学计算机的但是4年下来也就是上上课,没学太多其他的深入的东西,那你觉得小红能直接写基于深入CS知识的文书么,写不了的,因为虽然她是学计算机的,但是高深的知识她没碰过,那请问她如何基于高深的知识写文书,写不了的,对吧。






所以。。。。。。

写申硕文书这件事有极高的知识门槛,不是学X专业的就写不了X专业的申硕文书、甚至即便是学X专业的都有可能写不好X专业的申硕文书。


虽然这件事很难,但是你也要努力想方设法拥有优质文书,降低申硕的不确定性以及面对申硕的激烈的竞争。



总之,基于深入的CS知识写深入的CS文书,并结合用美国求职降维打击美国申硕的思想,你的名校CS硕士录取就稳了。

————————————————

你可能会问:“听说录取委员会看文书的时候,因为申请人数太多了,所以平均每个人的文书也就被看个2-3分钟,文书作用能有那么大吗?”

嗯,的确有可能出现这个情况。由于申请人数实在是太多了,所以分到每一个人人头上的时间的确可能不多。对于顶级的名校的申请者,的确可能每个申请者就只被分配个几分钟的时间,供录取委员会审核材料。


嗯,但是其实你不觉得么,此情此景,似曾相识?


没错!高考作文!


高考作文阅卷的话,平均每个考生的作文也就被审核个两三分钟,然后作文分数就确定了!


那接下来我们就详细比较一下这两件事的相似程度吧!

高考作文
申请CS硕士的文书
考察的什么科目
语文
CS(计算机科学)
平均审核时间
2-3分钟
2-3分钟
题目要求与特点

会给一个相对固定的情景(情景的可发散方向很多,所以写作思路其实是很多的),然后围绕这个情景,写一篇作文。


例子1:


每个人都有自己的人生坐标,也有对未来的美好期望。家庭可能对我们有不同的预期,社会也可能会赋予我们别样的角色。在不断变化的现实生活中,个人与家庭、社会之间的落差或错位难免会产生。

对此,你有怎样的体验与思考?写一篇文章,谈谈自己的看法。


例子2:


世上许多重要的转折是在意想不到时发生的,这是否意味着人对事物发展进程无能为力?

请写一篇文章,谈谈你对这个问题的认识和思考。

会给一个固定但是模糊的要求(在这个要求下,不同人可能会有完全不同的写作思路),然后在这个要求下,写文书。


例子1:Stanford


Your Statement of Purpose should be concise, focused, and well-written. It should describe succinctly your reasons for applying to the proposed program at Stanford, your preparation for this field of study, research interests, future career plans, and other aspects of your background and interests which may aid the admissions committee in evaluating your aptitude and motivation for graduate study. The Statement of Purpose must be no more than two pages long, single-spaced. It will be submitted as part of the online application.


例子2:UIUC


Please write a statement that answers the following questions: a. How has your academic and professional background, including any professional training, prepared you for graduate study? b. How will our program help you achieve your intellectual and professional goals? c. What are your academic interests, and why do you wish to pursue graduate studies in this specific program?

审核文章的是谁
各个名校高中的语文名师
各个大学的计算机系的计算机教授
书写文章的人是谁
必须只能是考生自己
可以是申请者自己,也可以是申请者和别人共同完成(反正录取委员会也不知道你到底是找人写的,还是自己写的,哈哈哈哈哈哈哈哈哈对不对)
极其牛逼的人会写出什么样的文章/什么样的文章势必会脱颖而出
思想深刻、语言精湛(甚至有可能是文言文)的作文————这个可以证明这个人的语文功底深厚
CS知识深度极其大、且英文语言非常地道的文书————这个可以证明这个人的CS功底深厚
区分人才的逻辑
语文功底深厚的人,写的作文一定很精彩、深刻;语文功底不好(胸无点墨)的人,写的作文一定平平无奇,没有什么深刻思想
计算机功底深厚的人,写的文书一定知识量很大很深;计算机功底不深的人,其实是无法写计算机文书的,就算写了,也无法令人觉得这是惊艳的CS文书。

怎么样,是不是惊人的相似?


所以如果你一定要说,CS申硕的文书(PS、简历、推荐信)一共几千字,2-3分钟能不能详细的逐字逐句的看详细,我认为这个的确不现实的,人的阅读速度没有那么快。所以的确应该是宏观的那么一扫,扫的时候如果能看到CS知识深刻的段落、对CS的感悟/理解深刻的句子,还是会一下子让人有眼前一亮、耳目一新的感觉的。此时他就会愿意花更多时间仔细看看你是何方人圣、何许人也,然后也许就会仔细读你的材料,也许录取委员会的老师就会愿意花5分钟、甚至10分钟的时间去仔细阅读你的材料了。我们就是要在录取委员会第一眼看到你的材料的时候,就不仔细看,就是那么打眼一看,就能发现这个人貌似是CS大神,然后就想要招他。嗯,就是要这个效果!


如果通篇看上去基本都是浅浅的CS知识,然后语言也不是很地道(是那种中式英语痕迹比较重的英语),这就让人没有想要招这个学生的想法。。。


所以结论就是,即便是平均来看,每个人的文书被审核的时间只有2-3分钟,但是,只要你的文书足够深刻,是一定能够脱颖而出(Stand out)的,然后就会让录取委员会有欲望在你的文书上多花一些时间去阅读,然后阅读完了就相信你是CS大神了,从而拿下录取就变得有希望了。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html

声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

我希望你能明白,CS有这么多的技术,那就会导致CS文书有一万种写法,那CS Master的申请者理论上最应该展现给录取委员会的CS人设到底是什么,有什么呈现方法,不是学CS的人,是不知道的。比如我们在下面随便举几个例子,你就能明白了。
比如如下是计算机学科下常见的12个领域的顶级会议(顶会)的不完全统计。

想要写好优质的CS申硕文书,你最好是能看懂这些顶会的paper里的一些模型/算法/解决/思路/方案,这样才能有可能基于顶会的paper里的知识,写出优质的CS申硕文书:

你可能会觉得这太难了。。。你自己看不太懂。那没事啊,你找能看懂顶会paper的人(比如申硕导师/中介)给你写CS申硕文书,我相信他如果能看懂顶会paper的话,那他写出的CS申硕文书的质量一定不会低。

你可能会觉得这种导师或者中介,太难找了。。。

那没事,我们退而求其次,你(或者你找的申硕导师/中介)需要非常懂你那个领域的CS知识,是一个起码要守住的底线

比如我们用AI的CNN模型举个例子吧,你(或者你找的申硕导师/中介)需要懂:

或者是,你找的中介最好能够帮助你把下面的技术(或者更多更难的技术)串在一起,再增添一些深奥的素材,来证明你的Full-stack Web能力是顶级的:
或者是,你找的中介最好能懂信息安全 - 例如Audit Log Analysis,然后大概都能知道这些paper是讲的什么的以及如何演化的:
或者是,你找的中介最好能够帮助你把下面的Linux内核知识里的某些点提取出来,再增添一些深奥的素材,来证明你的Linux的系统开发能力是顶级的:
那比如,就拿这个Linux内核这件事来说,与它有关的深入知识有什么呢?

我们先纵向看下内核的组成:
那这些不同的层大概会发生什么交互或者操作呢?

那就是得看这个图了:
那如果打系统内核这种形象申CS硕士的话,那这个中介起码得从这个图里的一些知识点里抽取一些难度大的加入到你的文书素材吧?你说对吧~



所以,通过刚猛的CS文书证明自己的CS能力的优秀、去干翻CS硕士录取委员会,并且证明自己可以解决美国互联网公司Software Engineer工作中难到爆炸的工作任务,才是申请美国CS硕士取胜的核心。  

那互联网公司都有啥任务要解决呢?我们以ML Platform组为例,一起看一看:
比如一个常见的ML System是Ads System(广告系统),这个系统大概的组成部分以及每一个部分业务要处理的事情包括:


——————————————————————————


我提醒一下啊,就是不管你构思什么形象,你在申请CS硕士的时候,基本都要确保你申的CS硕士是有你的形象对应的方向的~


我的意思是,如果你的形象是NLP,但你申的大学的CS硕士没有NLP方向,那你如果真的想申这个学校的CS硕士的话,你还是换成一个这个学校有的方向的技术形象去申,别用NLP去申。


那问题就来了,美国大学的CS硕士们,都有什么CS子方向?我们看一下CS专排40的学校的CS方向吧:


  • CS四大
  • CS专排5-10
  • CS专排11-15
  • CS专排16-20
  • CS专排21-26
  • CS专排27-30
  • CS专排31-35
  • CS专排36-40
1 - Massachusetts Institute of Technology 麻省理工学院
(1) AI and Society (2) AI for Healthcare and Life Sciences (3) Biological and Medical Devices and Systems (4) Communications Systems (5) Computational Fabrication and Manufacturing (6) Computer Architecture (7) Educational Technology (8) Electronic, Magnetic, Optical and Quantum Materials and Devices (9) Energy (10) Graphics and Vision (11) Human-Computer Interaction (12) Information Science and Systems (13) Integrated Circuits and Systems (14) Nanoscale Materials, Devices, and Systems (15) Natural Language and Speech Processing (16) Optics + Photonics (17) Optimization and Game Theory (18) Programming Languages and Software Engineering (19) Quantum Computing, Communication, and Sensing (20) Robotics (21) Security and Cryptography (22) Signal Processing (23) Systems and Networking (24) Systems Theory, Control, and Autonomy (25) Theory of Computation





2 - Carnegie Mellon University 卡耐基梅隆大学
College of Engineering: (1) Advanced Manufacturing (2) Artificial Intelligence (3) COVID-19 (4) Cyberphysical Systems (5) Cybersecurity (6) Energy & Environment (7) Health & Biomedicine (8) Robotics Heinz College of Information Systems and Public Policy: (1) Arts & Entertainment (2) Crime & Drug Policy (3) Cyber Security & Data Privacy (4) Digital Consumer Behavior (5) International & Labor Economics (6) Energy & Environment (7) Health Care (8) Information Technology (9) Smart Cities Mellon College of Science: (1) Sustainability Science (2) Computational Finance (3) Cosmology (4) Life Sciences Breakthroughs (5) Quantum Computing (6) Materials of the Future (7) Neuroscience (8) Mathematical Foundations of Artificial Intelligence School of Computer Science - Computational Biology Department: (1) Algorithms in Nature (2) Statistical Machine Learning Methods for Genetical Genomics Analysis (3) Bringing machine learning to the clinic (4) Molecular Design and Simulation (5) Computational Medicine (6) Active learning of cell organization (7) How The Genome Evolved for Vocal Learning and Speech Production (8) The Immune Basis of Alzheimer’s Disease School of Computer Science - Computer Science Department: (1) Artificial Intelligence (2) Graphics (3) Programming Languages (4) Security (5) Systems (6) Theory School of Computer Science - Human-Computer Interaction Institute: (1) Accessibility (2) Applied Machine Learning (3) Artificial Intelligence (AI) (4) Augmented Reality (AR) (5) Computational Creativity (6) Computational Fabrication (7) Context-Aware Computing (8) Crowdsourcing (9) Design Research (10) Education (11) Enabling Technologies (12) Fairness,Accountability,Transparency,and Ethics (FATE) (13) Future of Work (14) Game Design (15) Healthcare (16) Human Assistance (17) Human-Centered Al (18) Learning Sciences and Technologies (19) Security and Privacy (20) Service Design (21) Social Computing (22) Social Good (23) Societal Problems (24) Tools (25) Virtual Reality (VR) (26) Wearables School of Computer Science - Language Technologies Institute: (1) Natural Language Processing and Computational Linguistics (2) Information Retrieval, Text Mining and Analytics (3) Information Extraction, Summarization and Question Answering (4) Speech Processing (5) Spoken Interfaces and Dialogue Processing (6) Multimodal Computing and Interaction (7) Language Technologies for Education (8) Machine Translation (9) Machine Learning (10) Computational Biology (11) Knowledge Representation, Reasoning and Acquisition (12) Knowledge Representation and Reasoning School of Computer Science - Machine Learning Department
官网没细写方向 https://www.ml.cmu.edu/research/ School of Computer Science - Robotics Institute: (1) Field & Service Robotics (2) Graphics & Creative Tools (3) Human-Centered Robotics (4) Manipulation & Interfaces (5) Robot Structures (6) Robotics Foundations (7) Sensing & Perception School of Computer Science - Software and Societal Systems Department: (1) Analysis & Assurance (2) APIs & Frameworks (3) Applied Systems and Infrastructure (4) Architecture & Design (5) Autonomous Systems (6) Complex Socio-Technical Systems (7) Computing Technology and Policy (8) Developer Tools (9) Distributed Systems (10) Languages (11) Network Science and Social Networks (12) Organizations (13) Privacy and Security (14) Requirements (15) Software Data Analysis Entertainment Technology Center
官网没细写方向 https://www.etc.cmu.edu/ Integrated Innovation Institute
官网没细写方向 https://www.cmu.edu/iii/projects-research/index.html



2 - Stanford University 斯坦福大学
(1) Artificial Intelligence (2) Architecture (3) Biomedicine and Health Computational Biology (4) Computational Cognitive&Neuro-science (5) Computer Graphics (6) Computer Security (7) Computer Systems (8) Computer Vision (9) Data Science (10) Computational Education (11) Empirical Machine Learning (12) Human-Centered and Creative Al (13) Human-Computer Interaction (HCI) (14) Machine Learning (15) Natural Language Processing and Speech (16) Networking (17) Operating/Distributed Systems (18) Programming Systems and Verification (19) Reinforcement Learning (20) Robotics (21) Statistical or Theoretical Machine Learning Theory





2 - University of California - Berkeley 加州大学伯克利分校
(1) Artificial Intelligence (AI) (2) Computer Architecture & Engineering (ARC) (3) Biosystems & Computational Biology (BIO) (4) Control, Intelligent Systems, and Robotics (CIR) (5) Cyber-Physical Systems and Design Automation (CPSDA) (6) Database Management Systems (DBMS) (7) Education (EDUC) (8) Power and Energy (ENE) (9) Graphics (GR) (10) Human-Computer Interaction (HCI) (11) Information, Data, Network, and Communication
(12) Sciences (IDNCS) (13) Integrated Circuits (INC) (14) Micro/Nano Electro Mechanical Systems (MEMS) (15) Operating Systems & Networking (OSNT) (16) Physical Electronics (PHY) (17) Programming Systems (PS) (18) Scientific Computing (SCI) (19) Security (SEC) (20) Signal Processing (SP) (21) Theory (THY)




5 - University of Illinois - Urbana Champaign 伊利诺伊大学厄本那-香槟分校
(1) Architecture, Compilers, and Parallel Computing (2) Artificial Intelligence (3) Bioinformatics and Computational Biology (4) Computers and Education (5) Data and Information Systems (6) Interactive Computing (7) Programming Languages, Formal Methods, and (8) Software Engineering (9) Scientific Computing (10) Security and Privacy (11) Systems and Networking (12) Theory and Algorithms



6 - Cornell University 康奈尔大学 Ithaca: (1) Architecture (2) Artificial Intelligence (3) Computational Biology (4) Database Systems (5) Graphics (6) Human Interaction (7) Machine Learning (8) Natural Language Processing (9) Programming Languages (10) Robotics (11) Scientific Computing (12) Security (13) Software Engineering (14) Systems and Networking (15) Theory of Computing (16) Vision NYC: (1) Artificial Intelligence (2) Business & Entrepreneurship (3) Data & Modeling (4) Human-Centered Computing (5) Law & Policy (6) Security & Privacy (7) Technology, Society & Ethics



6 - Georgia Institute of Technology 佐治亚理工学院 (1) Computer Architecture (2) Databases (3) Foundations of Artificial Intelligence (4) Information Security (5) Programming Languages and Compilers (6) Networks (7) Software Engineering (8) Systems (9) Theory (10) Artificial Intelligence & Machine Learning (11) Geometry, Graphics & Animation (12) Human-Centered Computing & Cognitive Science (13) Information Visualization & Visual Analytics (14) Robotics and Computational Perception (15) Social Computing & Computational Journalism (16) Ubiquitous and Wearable Computing (17) Virtual and Augmented Environments (18) Applied and Mathematical Cryptography (19) Cybersecurity and International Affairs (20) Cyber-Physical Systems (21) Cybersecurity Policy and Law (22) Election Security (23) Forensics and Attribution (24) Hardware Security and Sidechannel Analysis (25) Malware (26) Network and System Security (27) Privacy and Data Protection



6 - University of Washington - Seattle 华盛顿大学 Seattle: (1) Artificial Intelligence (2) Augmented & Virtual Reality (3) Computational & Synthetic Biology (4) Computer Architecture (5) Computer Graphics, Vision, Animation & Game Science (6) Computing for Development (7) Data Science (8) Data Management & Visualization (9) Fabrication (10) Human Computer Interaction & Accessible Technology (11) Machine Learning (12) Molecular Information Systems (13) Natural Language Processing (14) Programming Languages & Software Engineering (15) Robotics (16) Security & Privacy (17) Systems & Networking (18) Theory of Computation (19) Ubiquitous Computing (20) Wireless & Sensor Systems Tacoma和Bothell: 方向与老师都很少: https://www.tacoma.uw.edu/set/facultyresearch https://www.uwb.edu/stem/faculty/css-faculty

6 - Princeton University 普林斯顿大学 (1) Computational Biology (2) Computer Architecture (3) Economics / Computation (4) Human-Computer Interaction (5) Machine Learning (6) Natural Language Processing (7) Policy (8) Programming Languages / Compilers (9) Robotics (10) Security & Privacy (11) Systems (12) Theory (13) Vision / Graphics

9 - University of Texas - Austin 德克萨斯大学奥斯汀分校 (1) Artificial Intelligence (2) Bioinformantics and Computational Biology (3) Computer Architecture (4) Computer Vision (5) Formal Methods (6) Graphics and Visualization (7) Human-Computer Interaction (8) Intelligent Robotics (9) Machine Learning (10) Natural Language Processing (11) Operating Systems, Distributed Systems,& Networking (12) Parallel Computing (13) Programming Languages & Compilers (14) Scientific Computing (15) Security & Privacy (16) Theoretical Computer Science






11 - California Institute of Technology 加州理工学院
(1) Algorithmic Economics (2) Artificial Intelligence and Machine Learning (3) Computational Biology (4) Graphics and Geometry (5) Information Theory and Applied Probability (6) Mathematics of Data (7) Mathematical Modeling and Analysis (8) Molecular Programming and Synthetic Biology (9) Networked and Distributed Systems (10) Optimization (11) Quantum Information and Computation (12) Robotics and Autonomous Control (13) Scientific Computing and Numerical Analysis (14) Theoretical Computer Science








11 - Columbia University 哥伦毕业大学 (1) Theory (2) Graphics and User Interfaces (3) NLP & Speech (4) Security & Privacy (5) Computational Biology (6) Software Systems (7) Computer Engineering (8) Networking (9) Vision & Robotics (10) Machine Learning (11) Artificial Intelligence







11 - University of California - Los Angeles 加州大学洛杉矶分校 CS: (1) Artificial Intelligence (2) Computer System Architecture & CAD (3) Computational Systems Biology (4) Graphics & Vision (5) Information & Data Management (6) Network Systems (7) Software Systems (8) Computer Science Theory M.Eng. (1) Artificial Intelligence (2) Autonomous Systems (3) Data Science (4) Digital Health Technology (5) Green Energy Systems (6) IoT Systems (7) Translational Medicine







11 - University of California - San Diego 加州大学圣地亚哥分校 (1) Algorithms, Complexity and Cryptography (Theory group) (2) Artificial Intelligence (3) Bioinformatics (4) Computer Architecture and Compilers (5) Computing Education Research (6) Databases and Information Management (7) Embedded Systems & Software (8) Human-Computer Interaction / The Design Lab (9) Programming Systems (10) Robotics (11) Security and Cryptography (12) Software Engineering (13) Systems and Networking (14) Ubiquitous Computing and eXtended Intelligence (15) Visual Computing (Computer Graphics and Computer Vision) (16) VLSI/CAD (Computer-Aided Design)







11 - University of Michigan - Ann Arbor 密歇根大学安娜堡分校 Ann Arbor: (1) Artificial Intelligence (2) Chip Design, Architecture, & Emerging Devices (3) Databases & Data Mining (4) Embedded & Mobile Systems (5) Formal Methods & Automated Reasoning (6) Human-Computer Interaction (7) Languages, Compilers, & Runtime Systems (8) Networking, Operating Systems, & Distributed Systems (9) Robotics (10) Secure, Trustworthy, & Reliable Systems (11) Theory of Computation (12) Warehouse-Scale & Parallel Systems Dearborn: (1) Automotive Engineering (2) Bioengineering (3) Computing and Networks (4) Cybersecurity (5) Data Management (6) Data Science (7) Game Design (8) Heat and Mass Transfer in Energy Technology (9) Human Factors and Ergonomics (10) Integrated Design & Manufacturing (11) Machine Learning, Optimization, and Intelligent Systems (12) Materials and Material Processing (13) Nano Electronics and Photonic Materials and Devices (14) Operations Research and Decision Science (15) Power Electronics and Energy Systems (16) Robotics (17) Software Engineering (18) Vibrations and Mechanics (19) Wearable Sensors

Flint: 方向与老师都较少













16 - Harvard University 哈佛大学
(1) Artificial Intelligence (2) Computation and Society (3) Computational and Data Science (4) Computational Neuroscience (5) Computer Architecture (6) Economics and Computation (7) Graphics, Vision, and Visualization (8) Human-Computer Interaction (9) Machine Learning (10) Programming Languages (11) Systems, Networks, and Databases (12) Theory of Computation

17 - University of Maryland - College Park 马里兰大学帕克分校 College Park: (1) AI And Robotics (2) Algorithms And Theory (3) Bioinformatics And Computational Biology (4) Computer Vision And Machine Perception (5) Cybersecurity And Cryptography (6) Databases And Big Data (7) Graphics, Visualization, And VR/AR (8) High Performance And Scientific Computing (9) Human Computer Interaction (10) Information Retrieval And Geographic Information Systems (GIS) (11) IoT And Wearables Technology (12) Machine Learning And Data Science (13) Natural Language Processing (14) Programming Languages And Software Engineering (15) Quantum Computing (16) Systems And Networking Baltimore County: (1) Artificial Intelligence (2) Machine Learning and Data Mining (3) Multi-Agent Systems (4) Wireless Sensor Networks (5) Web 2.0 (6) Graphics and Visualization (7) Game Development (8) Systems (9) Security

17 - University of Pennsylvania 宾夕法尼亚大学 (1) Machine Learning and Artificial Intelligence (2) Natural Language Processing (Computational Linguistics) (3) Robotics (4) Computer Vision and Graphics (5) AI for Health, Computational Biology and Biomedical/Clinical Informatics (6) Data Science Platforms, Machine Learning Systems, and Databases (7) Algorithmic Fairness and Data Privacy (8) Human-Computer Interaction (9) Computational Social Science (10) Computer Architecture and Quantum Computing Systems (11) Compilers and Program Analysis (12) Distributed Systems, Networks, and Operating Systems (13) Real-Time, Cyber-Physical, IoT, and Autonomous Systems (14) Computer Security and Cryptography (15) Algorithms and Computational Complexity (16) Formal Methods and Logic (17) Programming Languages

17 - University of Wisconsin - Madison 威斯康辛大学麦迪逊分校 Madison: (1) Computer Architecture (2) Computer Vision (3) Data Science (4) Database Systems (5) Graphics / Visual Computing (6) Human-Computer Interaction (7) Machine Learning (8) Networks (9) Numerical Analysis (10) Optimization (11) Programming Languages and Software Engineering (12) Robotics (13) Security and Privacy (14) Systems (15) Theory Milwaukee: (1) Artificial Intelligence, Machine Learning, and Natural Language Processing (2) Database and Information Systems (3) Image Processing and Computer Graphics (4) Medical and Bio Informatics (5) Programming Language and Compilers (6) Theory and Algorithms Whitewater与La Crosse:
方向与老师都较少

20 - Johns Hopkins University 约翰霍普金斯大学 (1) Theory & Programming Languages (2) Systems (3) Computational Biology and Medicine (4) Information Security (5) Natural Language Processing (6) Machine Learning and Data Intensive Computing (7) Robotics, Vision, and Graphics

20 - Purdue University - West Lafayette 普渡大学西拉法叶分校 West Lafeyette: (1) Bioinformatics and Computational Biology (2) Computer Architecture (3) Computational Science and Engineering (4) Databases and Data Mining (5) Distributed Systems (6) Graphics and Visualization (7) Human-Computer Interaction (8) Information Security and Assurance (9) Artificial Intelligence, Machine Learning, and Natural Language Processing (10) Networking and Operating Systems (11) Programming Languages and Compilers (12) Software Engineering (13) Robotics and Computer Vision (14) Theory of Computing, Algorithms, and Quantum Computing Northwest与Fort Wayne: 教授和方向都较少

20 - Yale University 耶鲁大学 (1) Algorithms and Complexity Theory (2) Artificial Intelligence and Machine Learning (3) Computer Architecture (4) Computer Graphics (5) Computer Music (6) Computer Networks (7) Database Systems (8) Distributed Computing (9) Natural Language Processing (10) Operating Systems (11) Programming Languages and Compilers (12) Quantum Computing (13) Robotics (14) Scientific Computing and Applied Math (15) Security and Cryptography (16) Societal and Humanistic Aspects of Computation

















23 - Duke University 杜克大学
(1) Artificial Intelligence (2) Computation + X (3) Computer Science Education (4) Data Science (5) Systems (6) Theoretical Computer Science

23 - University of Massachusetts - Amherst 马萨诸塞大学阿默斯特分校 Amherst: (1) Artificial Intelligence (2) Computational Biology and Bioinformatics (3) Data Management (4) Electronic Teaching (5) Health Informatics (6) Human Language Technologies (7) Human-Computer Interactions (8) Information Visualization (9) Machine Learning (10) Mobile and Sensor Systems (11) Networking and Distributed Systems (12) Robotics, Computer Vision, and Graphics (13) Security and Privacy (14) Software Systems and Architecture (15) Theoretical Computer Science Boston: (1) Computational Biology (2) Data Mining (3) Databases (4) Distributed Software Systems (5) High Performance Computing (6) Knowledge Discovery (7) Mobile Security and Privacy (8) Network Information Systems (9) Service Computing (10) Software Verification (11) Visual Atttention Dartmouth: (1) Advanced Materials & Manufacturing Innovation (2) Biomedical/Healthcare Engineering (3) Computational Science & Engineering (4) Cybersecurity (5) Intelligent Systems & Communication (6) Mobility (7) Sustainability Engineering Lowell: (1) Biotech, Life Sciences (2) Cybersecurity (3) Flexible Electronics & Smart Textiles (4) Robotics (5) Public Health (6) Energy

23 - University of Southern California 南加州大学 CS: (1) Artificial Intelligence, Machine Learning, Privacy/FATE and Security (2) Theory and Computation (3) Systems, Databases, Software Engineering and CyberPhysical Systems (4) Computer Vision, Robotics, Graphics and HCI
CE: (1) Biological, Medical, and Biomedical (2) Communications, Information Theory, and Machine Learning (3) Computer Engineering (4) Control Systems (5) Electromagnetics and Energy Conversion (6) Integrated Circuits and Systems (7) Nanotechnology & Micro Electrical-Mechanical Systems (8) Networks (9) Parallel and Distributed Computing (10) Photon and Quantum Electronics (11) Quantum Information Processing (12) Signal and Image Processing

26 - University of North Carolina - Chapel Hill 北卡罗来纳大学教堂山分校 Chaper Hill: (1) Autonomous and Cyber-Physical Systems (2) Bioinformatics and Computational Biology (3) Computer Architecture (4) Computer Graphics (5) Computer-Supported Collaborative Work (6) Computer Vision (7) Geometric Computing (8) High-Performance Computing (9) Human-Computer Interaction (10) Machine Learning and Data Science (11) Medical Image Analysis (12) Natural Language Processing (13) Networking (14) Operating Systems (15) Real-Time Systems (16) Robotics (17) Security (18) Software (19) Theory Charlotte: (1) Theory, Algorithms and Complexity of Computing, Computing Cryptography, Quantum Computing (2) Computer System and Networking (3) Parallel Computing, High Performance Computing, Distributed and Cloud Computing (4) Computer Vision, Graphics, Visualization and HCI (5) Security and Privacy (6) Artificial Intelligence, Machine Learning and Deep Learning (7) Human Language Processing (8) Embedded, Real-time, Robotics, and IoT (9) Database, Data Mining, Big Data, and Informatics (10) Programming Language Theory and Software Engineering (11) CS Education, Computer Ethics and Cognition Greensboro: (1) Algorithms and Theory of Computing (2) Artificial Intelligence (3) Data Science and Machine Learning (4) Database Systems (5) Extended Reality (6) Image Processing (7) Networking (8) Online Social Networks (9) Security and Cryptography Wilmington: (1) Biometrics (2) Software Development (3) Information Security (4) Mobile Development (5) Natural Language Processing (6) Parallel Computing (7) Wireless Sensor Networks (8) Computer Vision (9) Unmanned Aerial Vehicles




















28 - Northwestern University 西北大学 (1) Systems and Networking (2) Security and Privacy (3) Programming Languages (4) Theory (5) Artificial Intelligence and Machine Learning (6) Human-Computer Interaction and Information Visualization (7) Vision and Graphics (8) Robotics (9) Computer Engineering


28 - Rice University 莱斯大学 (1) Computational Biology & Bioinformatics (2) Robotics & AI (3) Computer Systems & Engineering (4) Programming Languages, HPC & Formal Methods (5) Machine Learning & Data Science (6) Quantum Computing


28 - University of California - Irvine 加州大学尔湾分校
CS:
(1) Algorithms and Complexity Theory (2) Artificial Intelligence and Machine Learning (3) Biomedical Informatics And Computational Biology (4) Computational-Social Relationships (5) Computer Architecture (6) Computer Games and Virtual Worlds (7) Computer Graphics and Visualization (8) Computer-Supported Cooperative Work (9) Computer Vision (10) Database Systems (11) Design (12) Educational Technology (13) Embedded Systems (14) Environmental Informatics (15) Health Informatics (16) Human-Computer Interaction (17) Information Retrieval and Visualization (18) Interactive and Collaborative Technologies (19) Medical Informatics (20) Mobile and Ubiquitous Computing (21) Multimedia Computing (22) Networks and Distributed Systems (23) Operating Systems (24) Organization Studies (25) Privacy and Personalization (26) Programming Languages and Software Engineering (27) Science and Technology Studies (28) Scientific and Numerical Computing (29) Security, Privacy, Cryptography (30) Social Informatics (31) Software Engineering (32) Software Systems (33) Statistics and Statistical Theory (34) Sustainability and Green IT (35) Ubiquitous Computing

Networked System:
(1) Middleware/Real-Time Networks (2) Mobile Ad-Hoc Networks/Sensor Networks/Peer to Peer Networks
(3) Network Performance/Traffic Engineering (4) Network Security Wireless Networks




28 - University of California - Santa Barbara 加州大学圣塔芭芭拉分校 (1) Algorithms & Theory (2) Computational Science and Engineering (3) Computer Architecture (4) Database and Information Systems (5) Human Centered and Social Computing (6) Machine Learning and Data Mining (7) Networking (8) Operating Systems and Distributed Systems (9) Programming Languages and Software Engineering (10) Security and Cryptography (11) Visual Computing and Interaction


28 - University of Chicago 芝加哥大学 (1) AI & Machine Learning (2) Computing Education (3) Data & Databases (4) Human Computer Interaction (5) Scientific & High Performance Computing (6) Security & Privacy (7) Programming Languages (8) Systems, Architecture & Networking (9) Theory (10) Visual Computing


28 - University of Virginia 弗吉尼亚大学 (1) Computer Systems, Architecture, and Networks (2) Cyber Physical Systems (3) Artificial Intelligence (4) Security (5) Software Engineering (6) Theory























34 - Northeastern University 东北大学
(1) Algorithms & Theory (2) Artificial Intelligence (3) Computational Biology (4) Data Science (5) Data Visualization (6) Formal Methods (7) Games (8) Human-Computer Interaction (9) Machine Learning (10) Natural Language Processing and Information Retrieval (11) Network Science (12) Personal Health Informatics (13) Programming Languages (14) Robotics (15) Security and Privacy (16) Software Engineering (17) Systems and Networking





34 - Ohio State University 俄亥俄州立大学 (1) Artificial Intelligence (2) Computer Graphics (3) Networking & Distributed Computing (4) Software Engineering & Programming Languages (5) Systems (6) Theory & Algorithms







34 - Pennsylvania State University - University Park 宾州州立大学公园分校 University Park: (1) Biomedical Devices and Systems (2) Communications, Information Theory, and Coding over Networked Systems (3) Computational Science (4) Computer Architecture (5) Control and Decision Systems (6) Data Science and Artificial Intelligence (7) Electromagnetics (8) Electronic Materials and Devices (9) Integrated Circuits and Systems (10) Network and Mobile Systems (11) Operating Systems and Cloud Computing (12) Optical Materials, Devices, and Systems (13) Power and Energy Systems (14) Programming Languages and Compilers (15) Remote Sensing and Space Systems (16) Security and Privacy (17) Signal and Image Processing (18) Theoretical Computer Science Harrisburg: 方向和老师都很少







34 - University of Minnesota - Twin Cities 明尼苏达大学双城分校
Twin Cities: (1) Architectures, Compiler Optimization, and Embedded Systems (2) Bioinformatics and Computational Biology (3) Data Mining, Databases, and Geographical Information Systems (4) Graphics and Immersive Computing (5) High Performance Computing (6) Human Computer Interaction (HCI) (7) Networks, Distributed Systems, and Security (8) Robotics and Artificial Intelligence (9) Robotics and Artificial Intelligence (10) Theoretical Foundations Duluth: (1) Biomedical and Health Informatics: Combining computer science, engineering, and medicine (2) Computational Linguistics (3) Computer Networking (4) Data Mining and Machine Learning (5) Data Mining, Database Management and Parallel Algorithms for GPU’s (6) Software Engineering and Human-Computer Interaction (HCI) (7) Analysis of Algorithms, Theory of Evolutionary Computation (8) Information Retrieval (9) Natural Language Processing (10) Operating Systems & Security (11) Perception and Computer Graphics (12) Simulation and Environment Representation for Virtual Environments





























38 - New York University 纽约大学 Courant: (1) Algorithms & Theory (2) Computational Biology (3) Formal Methods & Verification (4) Graphics, Vision & User Interfaces (5) Machine Learning (6) Natural Language & Speech Processing (7) Networks, Operating & Distributed Systems (8) Scientific Computing Tandon: (1) Communications/IT (2) Cybersecurity (3) Data Science/AI/Robotics (4) Emerging Media (5) Health (6) Sustainability (7) Urban

38 - Rutgers, The State University of New Jersey - New Brunswick 罗格斯新泽西州立大学新布伦瑞克分校 New Brunswick: (1) Computer and Network Systems (2) Intelligent Systems (3) Theory of Computing Camden: 方向和老师都很少

38 - Texas A&M University - College Station 德州农工大学 - 大学城 College Station/Galveston: (1) Algorithms and Theory (2) Artificial Intelligence, Intelligent Systems, Machine Learning, Natural Language Processing (3) Bioinformatics, Computational Biology (4) Computational Science (5) Computer Architecture (6) Computer Science Education (7) Computer Vision (8) Cyber-Physical Systems (9) Cybersecurity (10) Data Science (11) Databases, Data Mining, Information Retrieval Systems (12) Digital Humanities (13) Electronic Design Automation and VLSI (14) Embedded Systems (15) Gaming (16) Graphics, Visualization and Computational Fabrication (17) Health (18) Human-Centered Systems (19) Networks (20) Parallel and Distributed Computing (21) Programming Languages, Compilers (22) Robotics, Human-Robot Interaction (23) Software and Software Engineering (24) Systems

38 - University of Colorado - Boulder 科罗拉多大学博尔德分校 Boulder: (1) Artificial Intelligence (2) Complex Systems (3) Computational Biology (4) Cyber-Physical and Autonomous Systems (5) Human-Centered Computing (6) Numerical & Scientific Computing (7) Programming Languages & Software Engineering (8) Robotics (9) Systems & Networking (10) Theory of Computing Colorado Springs: (1) Cyber Security, Physical Security, and Homeland Security (2) Machine Learning and Computer Vision (3) Software Engineering and Software Testing (4) Computer Graphics and Human-Computer Interaction (5) High Performance Computing, Compilers, and Programming Languages (6) Computer Networks, Systems, and Distributed Computing (7) Cloud Computing and BigData Processing (8) Computer Science Education (9) Computational Economics and Algorithmic Game Theory (10) Cyber-Physical Systems (11) Bioinformatics/Computation Biology Denver: (1) Animation, Neuroscience, and Al Computer Graphics & VR (2) Cyber-Physical Systems (3) Cybersecurity & Secure Computing (4) Data Science,Big Data Management and Mining (5) High-Performance Distributed Computing (6) Machine Learning (7) Parallel and Distributed Systems Theory and Algorithms

38 - Virginia Tech - Blacksburg 弗吉尼亚理工大学 Blacksburg: (1) Computational Biology and Bioinformatics (2) Data Analytics, Machine Learning, NLP, and Vision (3) Digital Education (4) HPC and Computational Science (5) Human Computer Interaction (6) Quantum Computing (7) Security (8) Software Engineering (9) Systems (10) Theory and Algorithms Northern: 方向和老师都很少

——————————————————————————


那我们自己的文书形象,到底如何确定?


我们先看一下错误的思维:

0

你的父母的专业与工作

0

+

0

你的本科GPA/成绩单/课程/专业/学校

0

+

你的背景

你的大型经历(比如科研/实习/比赛等)

0

+

0

你的推荐人

0

+

0

你的出入境记录

0

=

0

你的形象

上面是错误的。因为上面这个图的本质是【你的背景 = 你的形象】,但是其实正确的是【你的背景 ≠  你的形象】。


所以,正确的思维是:

0

你的父母的专业与工作

0

+

0

你的本科GPA/成绩单/课程/专业/学校

0

+

你的背景

你的大型经历(比如科研/实习/比赛等)

0

+

0

你的推荐人

0

+

0

你的出入境记录

0


0

如果在这5个因素都满足的前提下,这个人会有怎样的career goal(职业目标)

0


0

如果这5个因素都满足且这个人拥有这样的career goal的话,那,此时,这个人还是一个CS疯子,那这会是一个怎么样的疯子?这个疯子形象(大神形象)才是适合你的CS申硕形象。


所以,你的背景 ≠  你的形象。


你的背景只是产生一个CS疯子形象的前提。


这个CS疯子形象,是由CS技能的展示,支撑起来的。你需要动用一切方法构思出这个技能,然后写在你的文书里。

但是,其实文书远远不只是由专业化的CS知识写出的文字 这么简单。。。

还有更“花里胡哨”的东西。。。

为了说明白这些,我们还是看一下肖哥在做申硕上的成长、以及对CS申硕文书的认知升级过程吧:


然后,经过进一步的深入思考,肖哥发现电影和文书在本质上的确一模一样:

总结一下~

书写CS申硕文书,需要动用一个人的智商与情商。而在智商层面,又要动用一个人的理工科能力和文商科能力。

所以CS申硕服务想要做好,导师/提供服务的人需要能文能武、智勇双全、才华横溢。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

——————————————————————————

因此,如果一个中介,只是单纯的展示了下面的信息,大概率都不足以证明他靠谱:

毕竟,这些素材大概率都没有做到最本质的专业能力的展示,所以它们基本都无法100%证明这个中介是靠谱机构。这些专门用于市场营销的素材大概率都太表面了,而且太容易就夸大甚至编造了。
那如何才能站在中介的上帝视角,去俯视一个中介的能力到底是不是优秀呢? 
请看下图:






为了方便你透彻理解上图这个道理,我们看一下医生与CS申硕导师的对比吧:





对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html

声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~





如果你认可上述道理,那么,下面的3个问题,你知道如何回答了么?

什么才是牛逼的美国CS申硕中介? 什么才是能力顶级的美国CS申硕中介? 什么才是有真本事的美国CS申硕中介?
总之,不管你是DIY,还是使用任何CS硕士申请服务,你都需要明白,你奋斗的目标就是实现初级目标或者高级目标:
所以你现在明白了:自证优秀很重要,他证优秀如果能有的话就更重要。
总之,大家一定尽自己能力要想方设法写出优质的CS文书,去塑造一个优质的人设,因为这可以提升我们的人物形象,并且令录取委员会对我们产生一个良好印象。

多说一句,其实我们人在国外所遭遇的很多人生节点,大概率都牵扯到了“形象上浮”这件事。它真的贯穿于我们在北美的人生道路的方方面面。

身份的形象上浮(例子1)
在准备签证材料的时候懂得在必要的时候脱敏,是一门学问。网上有各种签证的建议,谁更会利用,谁就能更大概率拿到签证。
为了能够稳稳的拿到美国签证,我们需要好好准备签证材料。为了降低被check的概率,更为了降低签证被拒的概率,我们需要对我们的真实经历进行脱敏,把其中敏感的经历重写一下,让它看着不是那么敏感,隐藏敏感细节。

哪怕你的工作内容真的包括敏感的成分,你也要说自己的工作很普通、很常见、很大众(你要明白,大家在面签的时候,大概率都这么说,你不这么说你就吃大亏了)。你即便是说你不敏感,你可能都不一定稳稳的拿到签证,你要是直接直白的说你的工作就是敏感的,你就可能更拿不到签证了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。
身份的形象上浮(例子2)
在准备学生签证材料的时候不要提及移民倾向,是一门学问。网上有各种论述建议,谁更会利用,谁就能更大概率拿到学生签证。
为了能够稳稳的拿到美国学生签证,我们需要好好准备签证材料。为了降低被拒的概率,我们需要旗帜鲜明的在面签的时候证明我们是没有移民倾向的,所以你需要准备一套说辞,把去美国读书这件事的目的,说成单纯是读书,去美国读书毕业后是打算回国的。

哪怕你去美国读书的目的是为了在美国找工作、然后抽H1B、然后最终办绿卡,你也要说自己读书的目的是为了学习而不是为了读书毕业之后那些事(你要明白,大家在面签的时候,大概率都这么说,你不这么说你就吃大亏了)。你即便是说你读书的目的是纯粹为了读书、毕业后就回国,你可能都不一定稳稳的拿到签证,你要是直接直白的说你的读书的目的就是为了最终去办绿卡,你就可能更拿不到签证了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

美国身份律师,也会做出这样的建议。

但是你也别光看我这么写,万一我说的不靠谱呢hhhh。

肖哥认为你最好是自己去问问律师你就知道这几种形象上浮是不是对的、是不是必须得这样做了。
身份的形象上浮(例子3)
在准备OPT延期申请材料的时候论述job major的关联,是一门学问。网上有各种论述建议,谁更会利用,谁就能更大概率拿到OPT Extension。
为了能够在OPT第一年即将结束的时候顺利的申下OPT Extension,我们需要好好准备OPT Extension申请材料。为了降低被拒的概率,我们需要在申请表(I-983)中,努力论述自己的job是如何与major相关的。

哪怕你的工作内容和你的major没那么相关,你都要说成是非常相关(你要明白,大家在写I-983的时候,大概率都这么说,你不这么说你就吃大亏了)。你即便是说你job与major,你可能都不一定稳稳的拿到OPT Extension,你要是直接直白的说你的job与major是不相关的,你就更拿不到OPT Extension了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

升职的形象上浮(例子1)
在绩效考核中论述自己的价值与影响,是一门学问。网上有各种升职建议,谁更会利用,谁就能更大概率早日升职。
为了能够更快升职,我们需要好好工作且认真准备performance review(绩效考核)。为了更好的通过performance review环节对我们的考察,我们不仅需要总结自己这一年的工作内容、以及自己对公司的贡献,我们还需要选择一种极其有利于论述我们的优势的角度,去论述我们的工作与贡献对公司产生了深远影响与巨大意义。

哪怕你其实对这个公司并没有做出巨大贡献,你也要说自己做了巨大贡献且有深远影响(你要明白,大家在写self review report文书和准备presentation时候,大概率都这么说,你不这么说你就吃大亏了)。你即便是说你有巨大贡献且有深远影响,老板可能都不一定给你升职,你要是说你做的工作都是可有可无的、没有意义的,你更进无法升职了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

求职的形象上浮(例子1)
积极利用网上的面经,是一门学问。网上有各种面经且基本都是公开的,谁更会利用,谁就更能早日提升面过概率。
为了能让自己更大概率地通过面试的考核,我们需要努力备战面试,且在面前看面经。中文面经和英文面经都要看。(面经是指的面过这个公司的网友,在面试结束后发在网上的面试题目复盘。)面试有可能可以帮到你提升面试表现。

哪怕你其实想完全独立的凭借自己的本事去面试,你也要看面经(你要明白,大家大概率都会看,你不看你就吃大亏了)。你即便是看了面经,你可能都不一定100%提升面试表现、拿到offer,你要是不看面经,你想早日拿到offer就更难了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

美国求职/职场的career mentor,也会做出这样的建议。
求职的形象上浮(例子2)
在cover letter中表达兴趣/匹配,是一门学问。网上有各种模版,谁更会利用,谁就更能大概率拿到面试邀请。
但是你也别光看我这么写,万一我说的不靠谱呢hhhh。
为了投递某些需要递交cover letter的公司,我们需要书写cover letter这个文书,并且在cover letter文书里书写我们对这个公司有多感兴趣、自己的技能与公司的岗位是如何match的,让这个公司的recruiter和hiring manager感受到你对这个公司的真爱。

哪怕你其实对这个公司并非真的感兴趣,你也要说感兴趣(你要明白,大家在写cover letter文书时候,大概率都这么说,你不这么说你就吃大亏了)。你即便是说你感兴趣,他可能都不一定给你发面试,你要是说你不感兴趣,你就更拿不到面试邀请了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

肖哥认为你最好是自己去问问在美国大厂工作至少5年的程序员,你就知道这几种形象上浮是不是对的、是不是必须得这样做了。
求职的形象上浮(例子3)
好好利用内推资源,是一门学问。网上有各种寻找内推人来帮自己内推的教程,谁更会利用,谁就能更大概率拿到面试邀请。
为了能采用更优质的职位投递渠道来增加自己拿到面试邀请的概率,我们如果能找到内推资源的话,还是要优先使用内推的方式去投递职位的。经过内推渠道投递出去的简历,有更大的概率会被优先审核以及优先发面试。

哪怕你其实与内推人并不认识,你也要麻烦内推人在内推信中写他认识你、而且他觉得你很优秀(你要明白,内推人在写内推信的时候,大概率都这么说,不这么说就吃大亏了)。即便是内推人说认识你、认为你优秀,公司可能都不一定给你发面试,内推人如果说其实不认识你、或者你不优秀,你就更拿到面试邀请了。


如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

求职的形象上浮(例子4)
在面试过程中能灵活巧妙沟通,是一门学问。网上有各种沟通与情商的教程,谁更会利用,谁就能更大概率拿到 offer。
为了在面试中给面试官留下好印象,我们需要提高自己的面试竞技能力,并且在面试中我们发挥的不好的环节,用一些说辞,去挽救面试官对我们形成的坏印象。

例如你有个算法题没有给出最优解,而且做的磕磕巴巴的,那么,你一方面你要说“再给我10-20分钟你应该能写出来最优解”,另一方面还要说“做这个题目的这种磕磕巴巴,让我想到了我曾经在做XXX特别牛逼的一个cs project的时候,那难度也是难到爆炸,也是做的磕磕巴巴的,但是最终我也做出来了,所以技术这东西如果一时没搞出来,就继续狂搞,肯定能把解决方案弄出来”。


哪怕你的算法能力并不扎实、哪怕再给你10-20分钟你也写不出来最优解、哪怕你不曾做过牛逼的cs project并且解决过实际的问题,你也不能直接说“我浑身上下都是劣势、我很不优秀”、“我技术能力很差的”,你更不能不去努力强调你的技术能力其实是过关的,你需要在面试中论述你的优秀(你要明白,大家在求职的时候,大概率都这么说,你不这么说你就吃大亏了)。你即便是说你优秀,你可能都不一定能拿到求职offer,你要是说你不优秀,你就更拿不到offer了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

申硕的形象上浮(例子1)
积极利用网上的机经,是一门学问。网上有各种机经且基本都是公开的,谁更会利用,谁就更能早日提分。
为了在托福和GRE上拿高分,我们需要努力备战这两个英语考试,且在考前看机经。大范围机经和小范围机经都要看。(机经是指的托福或者GRE的考试网友在结束考试后发在网上的考试题目复盘。)机经有可能可以帮到你提分。

哪怕你其实想完全独立的凭借自己的本事去考托福和GRE,你也要看机经(你要明白,大家大概率都会看,你不看你就吃大亏了)。你即便是看了机经,你可能都不一定100%考够分数,你要是不看机经,你想早日刷出来成绩就更难了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

申硕的形象上浮(例子2)
在邮件中表达兴趣/匹配,是一门学问。网上有各种邮件模版和写作工具,谁更会利用,谁就更能大概率进老师组。
美国学界的professor和录取委员会,也会做出这样的建议。
为了拥有名校CS教授的推荐信,我们需要跟着名校的CS教授做project。为了拿到这种project机会,我们需要对名校的CS教授 发邮件广撒网,并且对每一个教授说“我对您的方向感兴趣,我想跟着您做projects,我和您是如何match的,您考虑下我吧”。

哪怕你其实对这个教授做的东西并非真的感兴趣,你也要说感兴趣(你要明白,大家在套老师的时候,大概率都这么说,你不这么说你就吃大亏了)。你即便是说你感兴趣,他可能都不一定同意你进组,你要是说你不感兴趣,你更进不去他的组了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

但是你也别光看我这么写,万一我说的不靠谱呢hhhh。

肖哥认为你最好是自己去问问美国大学CS教授,你就知道这几种形象上浮是不是对的、是不是必须得这样做了。
申硕的形象上浮(例子3)
在申硕文书中自证优秀,是一门学问。网上有各种文书建议和写作教程,谁更会利用,谁就能更大概率拿到录取。
为了塑造一个优质的人设,我们需要好好写CS文书,去树立人物形象。这种优质的文书是基于深入的CS知识,以及逻辑串联和技术串联的。

哪怕你并不优秀、甚至有很多劣势,你也不能直接的在文书里说“我浑身上下都是劣势、我很不优秀”,你更不能不去努力挖深、串联你的文书,你需要在文书中论述你的优秀(你要明白,大家在申硕的时候,大概率都这么写,你不这么写你就吃大亏了)。你即便是说你优秀,你可能都不一定能拿到录取,你要是说你不优秀,你就更拿不到录取了。

如果你对这个行为无法接受,你还是不要继续看我的网站了hhhhhh~我怕你越看越气。

总结:

形象上浮是一个common practice,是我们在北美生存与发展的基础。但是需要提醒的是,在执行这个行为的时候,我们的确需要确保其操作是有节操的、无风险的。还有一点需要嘱咐,就是形象上浮这件事,是与诚信/道德,无关的一件事,不要给自己带上沉重的枷锁,否则就会陷入故步自封、画地为牢的死局。

举个实际的例子吧
再看个例子
再看个例子


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~




但是美国CS申硕这件事,我们是否一定要通过购买某个CS申硕中介的高付费产品呢?
请跟着我的思维,一起往下走。
申硕本质是什么?
美国CS申硕的本质,是用可以碾压Top CS本科生的刚猛深刻的CS申硕文书来证明自己的优秀。

刚猛深刻的文书~

这种深刻的文书,不是随便一拍脑袋、随便一顿胡写八写就写的出来的。因为这种文书需要能够帮助申硕者去干翻Top的CS本科生,需要能够帮我们证明我们能解决美国大厂的Software Engineer职责中难到爆炸的任务。所以这种素材真的很不好构思,需要很耗时才能想出来。


而且肖哥认为最好是找北美的CS人来写这个文书,这样才能用求职降维打击硕士申请。


***注意:CS水平一般的人、CS道行不够的人,是构思不出来的。


文书耗时有多少?

我们就看看这种文书写出来究竟有多耗时。


至少四十个小时~

根据肖哥的经验,能碾压Top的CS本科生的文书,至少需要整整一周的时间,即40个工作小时。


***注意:只算写的时间是40小时;沟通时间未算,但是其实是要算的。


他会怎么收费用?

能写出碾压Top的CS本科生的文书的人,他会按照时薪多少来收费呢?我们揣测一下他的心态。


猜猜他的钱预期~

这样的人是一个懂身份、懂CS求职、懂CS申硕的人,所以他内心对时薪的预期,应该和一个在美国硅谷的互联网大厂工作了N年(N>5)的人无异。


大厂薪资多少钱?

那我们就看下在硅谷的互联网大厂工作了N年后,薪水大概率会到多少吧。


我们以Google和Facebook的工资为例(本图来自https://www.levels.fyi/charts.html# ):

时薪大约两百刀~

所以,一个人在Facebook或者Google工作N年后,他的工资大概率可以到达40万美元上下(甚至更多)。那就按年薪是40万美元计算,对应时薪是多少呢?没错,是400000÷每年有52周÷每周有40小时=193美元/小时。


所以,他大概的心里预期应该是,时薪200美元/小时(或者以上)。


***注意:美国某些特别火的Startup(创业公司)可能给的更多。


总价至少多少钱?

有了以上数据,我们就可以计算一下,如果他帮助我们写出碾压Top CS本科生的申硕文书,他会至少收多少钱了。


总价至少八千刀~

按照40小时书写,每小时200美元计算,这就已经8000美元的服务费就出去了。而且这个价格实在是很难压下去。


***注意:这还没算沟通的时间,但是其实是要算的。


文书服务都值钱?

那是不是意味着任何文书机构的任何文书服务都值这么多钱呢?


仔细鉴别不被骗~

并非所有的文书服务都值8000美元。只有那种能够为我们营造出刚猛深刻的CS大神形象的CS申硕文书服务,值8000美元。所以千万要仔细鉴别,不要花冤枉钱,更不要被骗。


到底找不找中介?

我们终于可以回到一开始的问题了:美国CS申硕这件事,我们是否一定要通过购买某个CS申硕中介的高付费产品呢?


自己不行再找人~

如果你自己能写出来优质的可以碾压Top CS本科生的文书,我强烈建议你DIY;如果你写不出来可以碾压Top CS本科生的文书,那你再考虑考虑是不是找一个人来帮你。


注意:写出碾压Top CS本科生的文书的能力,是可遇不可求的,所以盲目的认中介的牌子是毫无意义的。毕竟,中介是老字号并不意味着他能给你找到一个人来帮你写出碾压Top CS本科生的文书。所以这件事你需要寻找某一个人来帮你,而不是只盯着某一个机构是不是老字号。

那,如果你找了肖哥的话,肖哥操作每一个学员的文书,耗时大吗?



但是这个服务实在是太耗费时间了,所以肖哥不得不针对申硕服务设定为X万人民币的价位、限制申硕服务的学员人数。

这真不是饥饿营销。。。

为了更直观的展示出我全年的工作节奏,那就看下下面这个图吧:

肖哥有个普通人不具备的本事——说不睡觉就可以不睡觉了。

再加上,肖哥毕业于CMU,而CMU出来的人什么苦基本都能吃(这种非人的日子其实和CMU的学习压力差不多大),所以能扛得住这种庞大的压力。


所以相信你也能看明白。。做这个业务的确在申请季会出现耗时巨大的情况,学员会并发的一起找我。所以的确有学员名额限制。

因此,如果我满了你就签约其他机构吧,希望你牢记上面我提到的鉴别机构的3个方法~如果你筛到了靠谱的机构或者比我还靠谱的机构,麻烦你告诉我一下,我会无条件的把后面找到我的(但是我不能接了)的客户全都推荐到那里去。


~~~~~~~

但是我又担心你问别人的时候,别人对你没有嘱咐到位,所以我还是继续多分享一些我对美国CS硕士申请的一些结论吧。

请继续看:


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~



那读美国CS硕士的动机应该是什么呢?

或者说,我们对于读美国CS硕士这件事,应该怀有怎样的心态和目的?

在正式说读CS硕士的动机之前,我们先需要明白出国留学的动机
哎,上面这个逻辑其实稍微有点抽象,,,,我不确定我能否让大家理解我的意思。。。

简单来说,就是:中美的几百种/几千种差异,彻底的让一个人在面对见过和没见过的任务的时候,能够基于经验或者基于凭空想象地去提出并执行更优的解决方案,因为你的能力“内核”得到了彻底的锻炼。

这种影响对人是一种非常隐性的积极影响————表面上来看你依然是你,但是其实你的内在、你解决问题的能力,早就和之前的你完全不一样了。

没错,你脱胎换骨、改头换面了。


所以只要你出国后不是混日子的,而是好好认真的成长,经历在国外的人生里的每一件事,那么,你迟早会从里到外地、彻彻底底地成为了一个全新的人,一个更优秀、思维更灵活、能力更强大的人。




——————————————————————


然后,我们再来看一下读美国名校CS硕士的动机:
其实积累人脉、积累资源,要从现在开始做起,这是为自己以后会遇到的各种challenges做准备。而且不要吝惜自己手上的人脉与资源,要多多与人分享、互换,这样能实现双赢,大家一起共同进步、共同繁荣。 我的意思是:
不过,不管你去没去成名校、不管你身边的人的水平与能力都是如何的,我都建议你从现在开始积累人脉。而且你在积累人脉资源的时候,一定尽可能要把目光放的长远一些,用发展的眼光看待你认识的每一个人:
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

但是,我还希望进一步提醒你,优质的人脉,不仅能直接帮到你(比如你遇到一个困难,然后你参考了这个优质的人脉的解决方案,或者就是这个优质人脉直接替你解决了这个问题),而且还能间接帮到你。

什么叫间接帮到你呢?也就是说,如果你的朋友圈、人脉圈,优质的人脉特别多,那这样你去结识其他人、甚至求助其他人的时候,这些优质人脉也是你求助他人的资本。换句话说,当你想要求助某个人(比如他叫小明)的时候,小明本来可能不想帮你、或者不尽全力帮你,但是
当小明看到你的圈子如此顶级、你拥有如此多优质人脉的时候,小明就有可能会用心并全力帮助你,因为小明可能会觉得他以后也可能会求你或者你的人脉办事。

为了进一步给大家说明白这个道理,我们需要谈一谈“死亡”这个话题:

一旦你硕士毕业,你会发现“死亡”这件事,开始闯进了你的世界。你的世界观、人生观,也在一点点被“死亡”二字改变。

虽然这是一个沉重且哀伤的话题,但是我不得不在这里展示出来与之相关的细节,以及你的心态变化。

接下来我们就看下下面的例子吧(我们假设父母不出国,要在国内工作、生活、养老):

你离开学校的头一两年内:
发生的事情
你的当时刚遭遇这个事情的时候,内心的感受
若干年后,你更成熟后,你会对当时的自己说什么
某次和父母聊天的时候,你听父母说,某个老头/老太太去世了。

但是你似乎想不起来这位老人到底是谁,因为你实在是和他/她太不熟了,甚至你可能都没和这位老人见过面。
你的心中并没有泛起太大的波澜,因为你甚至都不记得有这个人、也根本对不上号父母到底在说什么人。
你想对当年的你自己说:“你要注意啊,这是老天爷在提醒你,死亡这个事情迟早会开始侵袭你的父母啊。虽然你现在在国外,但是我强烈建议你,你应该开始疯狂积累国内的职场人脉和医疗人脉。以后你自己和你父母会用上啊!而且你提前琢磨琢磨国内国外身份同时维系的问题!这以后都是一堆事儿啊!”
你离开学校的三四年内:
发生的事情
你的当时刚遭遇这个事情的时候,内心的感受
若干年后,你更成熟后,你会对当时的自己说什么
某次和父母聊天的时候,你听父母说,又有个老头/老太太去世了。

这位老人是你非常熟悉的老人
(例如他可能就住在你家楼下,他特别慈祥,之前每次见到你,他都笑眯眯的、非常热情友善)。

你一下子记起了这位老人的模样,你记得他说话的语气、在长椅上闲坐的姿态,你甚至记得他眼角的皱纹、灰白且带点卷儿的头发。然后,你心中会默念一句:“以后我就见不到这位老人了。”

你似乎想要使劲的在脑海中记住他,记住他的音容笑貌、记住他的和蔼可亲。因为你在潜意识里似乎是惧怕失去对这个人的印象。但是这件事也很快在你脑子中就过去了,毕竟他不是你的亲人、只是众多邻居中的一员,你也不会频繁的想起他。

你想对当年的你自己说:“你看,你又发现死亡这件事其实就是已经会在你的世界里发生了,不能再继续活的没心没肺了啊。你得早点开始琢磨这些事啊,得做准备啊,得做规划啊。不能整天吊儿郎当、半瓶子咣当啊。”
你离开学校的六七年内:
发生的事情
你的当时刚遭遇这个事情的时候,内心的感受
若干年后,你更成熟后,你会对当时的自己说什么
某次和父母聊天的时候,你听父母说,自己的某个远房亲人,去世了。

你的父母的情绪虽然难过,但是还是在他们承受范围内的,因为毕竟是远房亲戚。

你心中闪过一丝难过,你不仅想要努力的记住他的样子,而且你逐渐发现,每当你想起这个亲戚的时候,你都会与此同时就会想起“这个人已经死了”。然后你又意识到,你认识这位去世的亲人的后代,你知道这个后代失去了自己的长辈,所以你非常同情他。

然后,你也第一次开始正式的思考一件非常重要的事情:“我的父母也在老去,他们会什么时候就突然离开我吗?”

当你第一次开始想这个问题的时候,你是拒绝继续思考的————因为:

(1)你的理性告诉你自己:“我还小,父母也还没有那么老,我先别想这些了,想了也没用。。。”;

(2)你的感性告诉你自己:“我不接受我不接受,我的父母怎么会离我而去呢?好恐怖啊,我不想想这个问题,我害怕。。。”

你想对当年的你自己说:“你不能拒绝继续思考啊,你得思考啊,你不要害怕啊,死亡这个事情迟早会正式进入你的世界,你不现在就开始规划要做的事情,到时候万一出事情了你再现去找资源、找人脉、找解决方案,可能根本来不及啊。”

你还想对当年的自己说:“你要进一步成熟起来,你没发现在你自己从小到大的成长轨迹上,有两个教育是严重缺失的吗?一个是性教育,另一个是死亡教育。关于前者,你已经过去了需要它的阶段了,但是关于后者,你要self-educate自己啊,因为这其实也是人生很重要的一课啊——直面自然规律、直面生老病死、直面自己父母距离死亡越来越近。你不能拒绝思考啊,你是成年人了啊!你不再是一个孩子了啊!你有责任思考这些事情啊,你不能因为自己害怕你就不去思考啊。你需要拿出一个成年人应该具备的勇气和抗压能力,去面对这些事情啊!再不做准备就要晚了!”

你离开学校的十年内:
发生的事情
你的当时刚遭遇这个事情的时候,内心的感受
若干年后,你更成熟后,你会对当时的自己说什么
某次和父母聊天的时候、甚至是你直接收到父母的微信/短信/电话通知,你突然被告知你自己的某个关系很近的亲戚(例如他是你的姑妈、小姨、二叔、伯父、爷爷奶奶、姥姥姥爷等等),去世了。

你的父母的情绪非常难过,甚至嚎啕大哭、几近崩溃。从小到大,你甚至没有见过你的父母如此脆弱、如此悲伤

此时的你,相当之难过,这个事件在你心中留下了不可磨灭的深刻印象。

你会喃喃自语道:“每个人都有父母、都有近亲。我的爸爸妈妈,他们也有爸爸妈妈、兄弟姐妹。他们失去至亲是这么的痛苦,那他日,我如果失去至亲,我是不是也会这么崩溃?这么痛苦?”

你想对当年的你自己说:“你看了吧,现实是多么残酷,就算你想逃避、就算你想拒绝思考,你又能躲到什么时候、拒绝到什么时候呢?所以你还是得早点开始为相关的事情做准备呀!”


他们一遍遍的在说自己有多么心痛、多么遗憾,自己永远失去了一位至亲,但是居然在这位至亲离世之前,自己没有对这位至亲做些什么(例如给至亲邮寄点爱吃的东西、或者给至亲打个电话问候一下)。
你开始逼迫自己去思考这个问题:“我的父母也在老去,我应该做点什么呢?”

但是由于此时你是刚开始思考这个问题,你真的是感觉这个问题千头万绪,不知道从哪一个点开始思考、开始展开你的思维脉络。

发生的事情
你的当时刚遭遇这个事情的时候,内心的感受
若干年后,你更成熟后,你会对当时的自己说什么
你忽然发现你的父母在某个时间点,先后退休了。他们在退休的时候,是非常复杂的心情:

一方面,他们很开心,他们可能会说:“我终于熬到退休了,我可以到处玩了,还可以拿退休金。不用干活就可以领钱,怎么这么爽呀!而且我现在坐公交、坐地铁,就开始免费啦!”

另一方面,他们很难过,他们可能会说:“我真的老了,我都退休了。上次我去坐公交车,我刷卡的时候,那个刷卡机提示老年免费卡,然后我往后走的时候,好多年轻人站起来给我让座,但是我不老啊,我还能站着啊,我不用他们给我让座啊。我感觉所有人都会知道我老了。我不开心。而且我现在也感觉和社会脱节了,因为我的工作单位都不需要我去工作了,有点失落。”

在刚退休的头几年里,他们的心情都会被“退休”这件事左右——某些时候特别开心、某些时候特别难过。

你嘴上对父母说:“退休是值得开心的事情啊!你赶紧到处玩吧!大好河山,你就到处去玩,把所有景点都搜一下然后一个一个去!”

但是你独自一人的时候,你就会开始思考:“我的父母也老了,也许他们的去世就是10-20年内的事情。哦,我懂了,其实老天爷已经在用很隐晦的方式在提醒我这件事了,回顾过去的近10年的事情,已经有邻居、亲人相继离世。生老病死这件事真真切切的在我的世界里、在我的生活中上演起来了。”

然后你就开始比较主动的、积极的思考:“如何才能减缓父母衰老呢?” 然后你就开始逐渐推进你的思维了。

你开始去查阅老年人应该吃什么补品、应该如何强身健体、应该频繁体检,然后你开始时不时的就给父母发微信,提醒他们要做这个要做那个,因为你内心深处是害怕的,害怕他们离开你,你不愿意这一天这么早就到来。

你想对当年的你自己说:“你终于成熟了。没错,就是三件事。第一,医疗人脉;第二,身份人脉;第三,职场人脉。你自己难以解决的问题,可以被你的人脉轻松地解决。”

你还想对当年的你自己说:“你会发现,搞到这3种人脉的难度不太一样:

(1)国内职场人脉:你发现你不至于完全没有,因为你也工作了这么多年了,职场经验也有不少了,你发现你能搞到一些这样的人脉。没那么难。

(2)国外身份人脉:你发现身边的很多朋友可能都有一些身份的花招,或者是你有朋友能分享给你靠谱的身份律师资源,然后你大不了就付费咨询下律师你的身份困惑,以及如何守住国内国外的2个身份。

(3)国内医疗人脉:你发现身边也就只有非常少的国内医疗人脉(可能也就两三个),而且已经N

逐渐地,父母也开始有意无意地提及“再过几年我就可能要去养老院住了,最近我考察了几家,感觉条件都还不错。”
然后你又开始思考:“父母要是突然生病了,需要人照顾,怎么办?我要回国么?可是我回国的话,我在国外的永久居民的身份怎么办?我的职业怎么办?”

所以,你开始去探索如何维系国内国外的身份。但是这个事情非常复杂,而且略微敏感,在这里不展开写了。有疑问的话,可以和肖哥1对1细聊。

年没有联系过了,此时直接去联系,又很尬。虽然你身边也有朋友有一些医疗人脉,但是这个人脉不是你自己的人脉,所以你如果想要求人家办事,也得很厚着脸皮。

面对国内医疗人脉的时候,你是求人办事的姿态(比如求他在你父母需要帮助的时候,能给你的父母提供医疗资源与服务),但是人家是国内的医生,人家不缺钱、不缺社会地位,更关键的是,还有很多其他人也希望从他们医生身上捞到

然后,你就会开始思考一个问题:在解决了国内国外身份问题后,你如果想在国外工作,你可以做什么职业,如果你想在国内工作,你可以做什么职业。然后,你就意识到,如果是想在国内工作的,你就要面对国内相对内卷的环境、以及大龄歧视,此时你意识到,你的工作经验虽然多、但是你的年龄开始被社会嫌弃了。

所以,你开始琢磨身边到底有没有可以一起在国内搞事情、甚至一起在国内创业的朋友,这样就可以在不找国内工作的情况下,在国内安稳的工作。

你也开始搜寻身边是否有在国内混的非常不错的朋友,因为你和他关系铁,他能直接把你给招了,这样也可以在不找国内工作的情况下,在国内安稳的工作。

当你探索出这些属于你自己的国内的职业发展道路之后,你心里会有一些安全感。你告诉你自己:“我在国内也可以安稳的工作了,而且收入也还可以。我如果一旦有这个需要,我就可以这样做。”

一些医疗资源、以及还有很多其他人要求助于这个医生。因为医疗资源是所有人的刚需。

然后你就会觉得,就算我现在去认识这个医生,给他送礼、送钱,让他在以后我需要他的时候帮助我或者我的父母,人家也不见得真的100%就尽全力帮我,因为他可能真的帮不过来。

那怎么办呢?求人办事也可能会失败啊,这怎么办呢?


这个问题的答案是————你拥有的资源要大幅度碾压医生所拥有的资源,这样他就更有可能会用心帮你、优先帮你,因为他感觉他以后也会有机会用上你。

也就是说,你让自己浑身上下都是各行各业的顶级资源,这样你去认识医生的时候,你可以展露出你的资源,然后令这个医生对你的印象是:
【我靠,这个人,真牛逼,我认识了他就等于认识了全世界,他资源太多了,我可是得好好帮他啊,这样我以后有难的时候他也能帮我啊,我没准还真的求他帮我忙呢。】

然后你忽然有一天,又想到了一个极端的corner case:“万一父母有一天深度昏迷,需要去医院看病、住院、开刀做手术,那。。。那。。。去医院看病这个事情,是需要靠人脉的啊,要不然可能看不上病、住不上院啊。但是,那个时候的父母,根本无力调动自己已经有的医疗人脉,因为他们都昏迷了、甚至不省人事了,如何调动人脉呢?”

你便意识到,你也需要有医疗人脉资源,这样才能在父母忽然发生这种事的时候,用上。但是你又发现,你的人脉圈里,好像缺少了国内医疗人脉这一环节。因为你从离开学校以后,所拥有的朋友大部分是和你的专业有关的(例如你做CS的,你的人脉圈基本都是CS人脉)。所以你开始琢磨到底如何积累医疗人脉、以备不时之需。

你需要记住,在你想要求人办事的时候,如果想让这个事情稳稳的走通(想让对方100%会用心帮你),你不要琢磨给人家送钱、送礼啥的,这些东西太虚了,人家也不见得缺这些东西。我认为最好的做法就是,你直接给人家送顶级的资源和顶级的人脉,然后直接把他吓傻,进而深深地震撼他。这样他的心态就会变为——我帮了这个人其实是帮我自己的未来扫清障碍。

那你如何才能让自己浑身上下都是资源呢?

没错!你需要在名企圈子、名校校友圈子。但是你仔细琢磨琢磨,你就会发现,校友圈子的情感纽带是大于同事圈子的情感纽带的。你身后如果是名校校友圈,而且你也有各种三头六臂的神仙校友,这就是你日后去求医生办事的资本(你可以把这些人脉资源搬出来去震撼这个医生,让这

至此,你终于梳理清楚此时的你到底需要什么人脉了。第一,国外身份人脉;第二,国内医疗人脉;第三,国内职场人脉。

然后你会发现,身边的人里,这3种人不是很多。你就开始想要让自己变得社交多一些,去认识这些人,这样以后就可以用上他们。

个医生觉得他能用上你以及你的校友)。顶级名校的校友圈里,神仙真的非常多,非常多,非常多。

你最终对自己说:“所以你明白了吗?为什么要上名校?为什么上名校对人最大的帮助,是人脉?你清楚了吗?因为名校校友圈神仙多、而且你和他们的情感纽带很近,这些人也可以让你这个人变得更有社会价值和人脉价值。这是一个人巨大的、甚至是最大的隐形财富。”

你离开学校的十年到三十年内:
此时的你,彻底成熟。也瞬间明白了为什么那么多家长想要让自己的孩子进名校。

因为名校校友圈是跟一个人一辈子的资源,他们可以直接帮到你解决问题、也可以间接帮到你解决问题,是你的隐形财富。名校校友里的神仙资源,决定了你看待世界的方式,也决定了你解决人生困难时的思路与方法,更决定了你自己是否能够在巨大的中年压力下随时都能做到兵来将挡水来土掩,最终决定了你学生时代之外的整个人生的幸福程度和顺利程度。(当然了,如果一个人此生并没有去名校,他也会有一些人脉资源,但是其实如果能有优质的名校校友资源,那就是更好的一件事了。)

此时的你,为了自己、为了父母、为了子女,也开始重点思考并实操两件大事——如果你人在国外的话,如何保住自己自己在国内的权益不受损;如果你人在国内的话,如何保住自己在国内的权益不受损。在这两件大事的实现上,你动用了很多人脉来让你自己实现了鱼和熊掌的兼得。


以及,你也梳理清楚了人生压力的类型,以及到底要如何解决相应压力:
不过,我额外再多说一句,在你毕业以后的人生中,不仅仅只有“死亡”这件事会让你意识到人脉的重要性。。。还有你在职场上的很多事、你在生活中的很多事、你的配偶身上的很多事、你的子女身上的很多事,会导致你深刻意识到人脉资源的重要性。

但是!
肖哥认为考虑到死亡直接与生命相关,而生命与健康又是每个人、每个家庭最最最最最重要的东西,所以我选择了“死亡”这个角度来论述人脉的重要性。我很抱歉这是一个沉重的话题,但是不得不承认,这个角度是在我看来最能让你深刻意识到人脉的重要性的角度。毕竟,我相信,屏幕前的你,大概率是20岁出头的小伙子、小姑娘,在你们这个年纪,你们是大概率不会意识到我说的这些事的。

那么,让一个20岁的人,从,对人脉毫无认知,到,对人脉有极其深刻的认知,我认为的最好方法就是,选择一个最关键、最重要的角度,然后顺着这个角度,举大量的例子,那这个20岁的人的认知,就会以最大程度去蜕变、去升级。

总之,还犹豫什么?好好努力吧!进名校!为中年压力降低以及人生的幸福,而奋斗!这个决定所换来的名校校友资源,不仅仅能够有助于你解决医疗问题,还有助于解决你人生里的所有问题!


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

在明确了读硕动机后,我相信你已经有了干劲儿、希望能好好执行背景提升,这样就可以申上美国Top的CS硕士了


那到底需要做哪些背景提升呢?重要性又是如何排序的呢?

图上有3个支点,撑起了3块板子。这三块板子展示了你做背景提升时需要遵守的原则(做事的优先级)。


具体来说,就是:

做背景提升时需要遵守的原则(做事的优先级)

理由

大型经历>三大成绩

(注:大型经历是指的科研、工作、比赛、项目、会议、专利、论文、证书等经历;三大成绩是指GPA、GRE、托福)

每一个CS疯子一定都有CS大型经历,但他们不一定拥有三大成绩的高分。换句话说,三大成绩不足以证明你是CS大神,而大型经历却有希望可以。所以大型经历的获取是背景提升的极其极其重要环节。

GPA>英语成绩

硕士申请的核心在于证明优秀,证明自己是一个优秀的本科生,而优秀的本科生都具有扎实的专业知识,而GPA是专业知识的象征。所以GPA的重要性要大于英语成绩,二者不可兼得的时候,优先确保GPA。

GRE>托福

GRE是美国研究生入学考试,托福是语言考试。美国95%的学校可以允许美本(或其他英语海本)免考语言,所以如果托福真的那么重要的话,那么那些免考托福的美本和英语海本岂不是通通在申硕的时候吃亏了?所以GRE比托福重要,但是托福也需要达到学校要求的分数才行。


那肖哥的学员是否有什么优势呢?

所以,肖哥申硕学员在做背景提升时的原则是:确保在三大成绩(GPA、GRE、TOEFL)不出问题的前提下,能做多少CS大型经历(科研、工作、比赛、项目、会议、专利、论文、证书)就做多少。因为GPA、GRE、TOEFL都是肖哥无法为学员改分的,学员只能自己搞定,但是肖哥可以构思出有深度的CS申硕素材 从而可以让自己的学员凭借这些素材去干翻优秀的CS本科生。


所以即便肖哥的学员没有大型经历,肖哥也会带着学员全部申请CS名校。





在明确了背景提升的重要性之后,我们要看看如何获得这些大型经历(如何走出扎实的背景提升之路)

肖哥认为最有利于美国CS硕士申请的背景提升是:跟着美国名校CS教授做Project,换推荐信。


切记:一切极其甚至是最有用的成长,大概率都来自校外,所以不要在自己的学校做科研 比赛 实习等。
切记:想在美国学界稳稳保住一个上学坑位,就需要美国学界名校CS教授为我们说话。

美国学界CS教授手上


可能有两种性质的project

所以,一个老师手上的research机会就是和他的research interests色彩一样的,但是non-research机会就是各种情况都有可能发生。


因为non research机会是多种多样的,取决于老师自己有没有开公司、有啥样的社会资源、有啥样的合作项目(与政府或者与业界公司合作)、有啥样的社会地位、有啥样的人生遭遇/事件等等。


且这个non research机会要开发一个什么东西也是不一定的,所以non research的技术色彩可能和老师的research areas完全无关。


总之,绝大部分美国名校CS教授都有两种性质的projects,只要准备好一套过关的简历,就有希望能套到。

对于申请course master来说,重点是通过做project把美国名校CS教授哄开心、换到推荐信,做research和non research性质的projects都可以。


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

但是每个人可能或多或少都有一些劣势,比如常见的劣势有3个:本科学校不是名校、本科专业不是CS、本科GPA不是高分。


我希望你明白,你的优势不一定能让你100%成功,但是你的劣势可能会直接把你拖垮(导致你申硕失败)。所以希望大家对自己的劣势有足够的重视。


那我们一起整理一下这3个劣势如何弥补吧~请看下图


(绿色框的方法是有效的,但是红色框的方法是极其甚至最有效的)

这个的本质是人生经历的置换以增强自己的竞争力、走的更稳,而不是表面上看上去的“本科毕业后耽误了一阵儿才去读硕士,人生的岁月基本都白瞎了”————你不能用传统的东方的思维去看待 西方的人生路的正确性。

为了解释清楚这个事情,我不得不邀请你请跟着我下面的思路走,你跟着读下来就能明白我到底为什么建议先工作后申硕了(当然了,你有权不采纳这个建议):


首先,我们明确下到底什么才能算是被耽误的人生


然后,我们再具体看下,为什么先积累工作经验再申硕与读硕,是近乎最优的人生路


被耽误的人生的判定标准:

以上37条人生路的本质是:在18岁到60岁期间的42年里,有4年用来读本科,有2年用来读硕士,其余36年用来工作与赚钱。没有任何一条人生路有耽误人生的色彩。

总结————判定人生是否被耽误了的标准是:

上学的时间是否有被延长(延长了就耽误了)
这件事也等价于
人生里用来工作与赚钱的时间有没有被减少(减少了就耽误了)

3年的高中硬是读了4年才毕业,人生就耽误了一年。

本科4年+硕士2年是连续的,然后硕士毕业后开始工作,人生没有被任何事件耽误。

4年的本科硬是读了5年才毕业,人生就耽误了一年。

本科4年+工作第一年+硕士2年+之后继续工作,人生没有被任何事耽误。工作经验的年数与赚钱的年数都没有变化。

至此,我相信你明白了先工作后申硕不是耽误的人生了,那接下来我们具体看看它是如何令你的申硕更有竞争力、令你读硕期间的求职压力更小、以及让你读书期间写作业的压力降低的。

你看完了这些后就会明白这个的确是近乎最优的人生路
(当然了,你有权选择不去走最优人生路)。


具体看下图:




~~~~~~~~~~~~~~~~~~~~~~~~~~~~

我希望你明白,如果你有背景的劣势,那真的应该引起你足够的重视,然后做出你能做到的最大程度的弥补,否则的确没那么容易打消CS硕士录取委员会对你
的劣势的顾虑。


那,如果你背景很好(本科学校是名校,本科专业是CS,GPA也是高分),那是否意味着你不需要【置换经历顺序】这样的人生发展策略了呢?

不是的,当然不是的。

我就问你一句话:“有劣势的人大概率都在采用这样的背景提升策略和人生发展轨迹,不仅弥补了自己的劣势,还为自己创造了巨大优势(带着求职经验和工作经历才去美国读硕士),人家很多都这样的,你不这样吗?你这不是吃亏了吗?你本来背景是不错的(名校、CS专业、高GPA),但是你要硬生生的给自己加上没有工作经验的美国求职劣势、然后带着这个劣势去读硕然后让自己读硕期间的求职压力硬生生的增大,是吗?

所以到底要咋做,你清楚了不~hhhh

当然了,我不是说 你如果没有工作经验就去美国就一定死定了哈——这件事没有那么绝对,我只是说 如果有了工作经验再开始在美国读CS硕士,是更有利于你的美国求职走通、更能保证你的身份不发生风险。


但是,如果你选择了没有携带工作经验就去美国读CS硕士的话,那到底如何弥补缺失工作经验、缺失业界背景的劣势呢?

关于这一点,在CS求职疯子的美国CS求职扫盲里的“增加业界色彩”里说了:

因此,如果不你打算携带工作经验去美国,你就在读书期间,多多通过如上方法强化自己的业界背景,增加你在美国CS求职简历的竞争力。
————————————————————————————————


多说一句,美国CS申硕和美国CS求职都是有难度的,但是你在思考这两件事要怎么搞的时候,脑子切记要拎清楚主观和客观两大方面,然后摆正自己面对它们的心态:
你做事切记要摆正心态,不要轻易放弃,也不要轻易的就把失败的原因往外推。

你得多从自己身上找问题:
有一个7年级的初中生,不咋学习,然后参加7年级数学期末考试,考了不及格。

然后他得出结论:“考试太难了,别说过90分了,就是过60分都难。”
有一个本科生/硕士生,没有在求职这件事上好好弄,然后去找美企的实习/全职,没找到。

然后他得出结论:“找实习/全职太难了,别说拿到美企的机会了,就是拿到陆企的机会都难。”
有一个本科生,没有在申硕这件事上好好弄,然后去申美国名校CS硕士,全拒。

然后他得出结论:“申美国名校CS硕士太难了,别说拿到名校CS录取了,就是拿到普通学校CS录取都难。”


请问,他的结论靠谱吗?
请问,他的结论靠谱吗?
请问,他的结论靠谱吗?


这还用问吗这?这结论肯定不靠谱啊!

他认真努力学数学了吗?他尽自己的所能去学7年级数学要考的内容了吗?

- 他有认真听课吗?(甚至听1000遍?)
- 他有认真写作业吗?(甚至多做1000遍?)
- 他有尽力在网上找免费的历年试题吗?(甚至多找
1000套?)
- 他有尽力去书店买几本靠谱的参考书吗?(甚至多买
1000本?)
- 他有去老师办公室问问题吗?(甚至多去1000次?)
- 他有找学习好的同学聊聊学习方法与经验吗?(甚至
多聊1000次?)
这还用问吗这?这结论肯定不靠谱啊!

他认真备战求职了吗?他尽自己的所能去动用所有资源方法去找实习/全职了吗?

- 他有认真打造简历吗?(甚至放20个符合求职色彩的
项目?)
- 他有认真刷面试题吗?(甚至多刷个20轮面试题?)
- 他有尽力在网上找内推资源吗?(甚至找500个、1000
个内推?)
- 他有尽力去找美企机会吗?(甚至投1000个欧洲/澳
洲/非洲/港澳的美企机会?)
- 他有去和一些牛逼面试官问过建议吗?(甚至多问
1000次?)
- 他有去和那些手握一把美企offer的本科生聊经验吗?
(甚至多聊1000次?)
这还用问吗这?这结论肯定不靠谱啊!

他认真备战申硕了吗?他尽自己的所能去动用所有资源方法去申硕了吗?

- 他有认真打造简历吗?(甚至多放20个符合申硕色
彩的项目?)
- 他有认真做背景提升吗?(甚至做20种硬的背景提
升?比赛/科研/实习/证书/论文?)
- 他有尽力写天书般的CS文书吗?(甚至找1000个CS
大神天书般的CS文书多读读?)
- 他有尽力去读申美硕干货帖吗?(甚至读1000个欧
洲/澳洲/非洲/港澳的申硕帖子?)
- 他有去和一些CS招生官问过建议吗?(甚至多问
1000次?)
- 他有去和那些手握一把Top CS美硕录取的本科生聊
经验吗?(甚至多聊1000次?)


就算他真的智商低、能力差,考不了90分,那70分、80分总是有希望的吧?就算依然没希望,过60分总还是应该可以实现的吧?就算依然挂科了,那补考一下总能及格吧?然后再看看如何再补下自己不会的东西,毕竟不会的知识还是要学会的啊~ 而且,如果有坏人拿把枪指着他,说「你不考90分我就枪毙了你,还枪毙了你全家」,那你觉得他能不能考90分? 估计肯定就能了吧。所以说到底,还是逼自己逼的不够啊,而不是7年级数学太难啊,对不对。
就算他真的智商低、能力差,找不到美企的机会,那陆企机会总是有希望的吧?就算依然没希望,去中国的一个经济欠发达的地区找到一个实习/全职,总还是应该可以实现的吧?就算依然没找到,那再多备战一下总能可以找到一个实习/全职吧?然后再看看如何骑驴找马,继续找美企的机会,毕竟还是得去美企做实习/全职才行啊~ 而且,如果有坏人拿把枪指着他,说「你不找到美企的机会我就枪毙了你,还枪毙了你全家」,那你觉得他能不能找到美企实习/全职? 估计肯定就能了吧。所以说到底,还是逼自己逼的不够啊,而不是找美企实习/全职太难啊,对不对。
就算他真的智商低、能力差,申不到美国名校CS硕士,那一般学校的CS硕士总是有希望的吧?就算依然没希望,去一个比较差的学校读CS硕士,总还是应该可以实现的吧?就算依然全拒,那再多备战一下总能可以申到一个CS硕士吧?然后再看看如何骑驴找马,继续申美国好一点学校的CS硕士,毕竟还是得尽量去个稍微还说的过去的学校才行~ 而且,如果有坏人拿把枪指着他,说「你不拿下美国名校CS硕士录取我就枪毙了你,还枪毙了你全家」,那你觉得他能不能申到美国名校CS硕士? 估计肯定就能了吧。所以说到底,还是逼自己逼的不够啊,而不是申美国名校CS硕士太难啊,对不对。



所以,说了这么多背景提升、和弥补劣势+创造优势的方法,我们可以很好的面对玄学一样的美国CS申硕和求职了:


对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~

当我们带着如上的经验、策略、方法,去面对名校CS硕士申请的时候,我们会发现还有一个问题摆在我们面前 需要被解答:如何选校定位。

那接下来我们就看看这个问题应该如何思考吧~
那你可能会问了,都有哪些CS有关的硕士可以申请呢?

哥梳理了一下,一共是10种CS硕士:

1. Computer Science (在下表中简称为CS)
2. Computer Engineering (在下表中简称为CE)
3. Electrical and Computer Engineering (在下表中简称为ECE)
4. Electrical Engineering (在下表中简称为EE)
5. Software Engineering (在下表中简称为Software)
6. Network Engineering (在下表中简称为Network)
7. Cybersecurity (在下表中简称为Security)
8. Game Technology/Music Technology (在下表中简称为Game/Music)
9. Artificial Intelligence/Machine Learning (在下表中简称为AI/ML)
10. Robotics (在下表中简称为Robotics)

一共是6种Data硕士:

1. Data Science (在下表中简称为DS)
2. Statistics (在下表中简称为Stats)
3. Analytics/Business Analytics (在下表中简称为BA)
4. Industrial Engineering & Operations Research (在下表中简称为IE&OR)
5. Information System/Information Science/Information Management/Informatics (在下表中简称为InfoSys)
6. Computational Science & Engineering (在下表中简称为Computational)





这里面肖哥不做ECE、EE、Stats、BA、IE&OR、InfoSys的硕士申请。至于computational的硕士有可能做 也有可能不做(要看情况)。其他的CS/Data硕士申请都可以做。)


然后肖哥整理了Full-time on-campus读书的CS/Data硕士清单:

(美国大学的硕士项目可能说有就有,说没就没,所以最好是在申请每个大学之前都查一遍官网上的所有master,看看适合自己的硕士都有啥、还开不开、有没有新的硕士)

(不含part time的,不含online的,不含不支持i20的)



  • CS有关硕士
  • DS有关硕士

除此之外,还有其他几个UC学校和湾区学校的CS/Data硕士也是很多人申请的目标。

虽然它们排名不高,但是它们就业的确都不错。

因此整理如下:

(美国大学的硕士项目可能说有就有,说没就没,所以最好是在申请每个大学之前都查一遍官网上的所有master,看看适合自己的硕士都有啥、还开不开、有没有心的硕士)



  • CS有关硕士
  • DS有关硕士



然后肖哥整理了CMU的Full-time on-campus读书的CS硕士清单:
(不含part time的,不含online的,不含不支持i20的)

我们学校的CS有关的硕士太多了。。。hhhh大家慢慢看





对于网站原创内容版权维护的声明:https://www.xiaogeedu.com/h-nd-337.html 

版权维护的法律依据(部分):https://www.xiaogeedu.com/h-nd-336.html


声明:我在网站上陈列的内容,是基于我的认知 - 它不可避免得会带有一定的我的主观色彩(虽然我已经尽我所能摒弃主观色彩,而尽量去分享客观的东西)。考虑到我的认知并不是完全没有参考价值,所以我依然决定把我的认知分享出来供读者参考,这会对迷茫的、没有思路的读者起到一定的帮助作用。要强调的一点是,我并非认为只有我的认知是对的 其他认知都是错的,毕竟条条大路通罗马,而且每个人都有适合自己的路子,每个人选择的道路和做事方法和形成的认知都值得尊重~我也建议每位读者多去了解了解其他人的认知以及好建议,毕竟兼听则明~总之,我输出的内容的确是我的认知,但是这只是我的建议与个人想法,仅供参考~




想要走好美国CS硕士申请的背景提升...

得先知道读美国CS硕士期间的求职任务以及时间线,
然后才能得知申硕之前的背景提升要如何走~


那我们接下来先看读硕期间的求职:




  • 2024 Fall入学读硕士的求职时间线
  • 2025 Fall入学读硕士的求职时间线
  • 2026 Fall入学读硕士的求职时间线
总结

相信你看完这复杂的时间线就会明白很多道理,比如求职与身份是一体的、你迟早会有H1B的、只要想留在美国是一定有办法可以留下的、以及求职这件事其实是要提前3-5年开始备战的。其中最耗时的就是LinkedIn连到30000好友这个事情,这个庞大的任务大概需要3年才能完成。但是这个只要完成了后,你就能在美国找到实习和全职。其他任务用几个月到1年左右就可以搞定。

为什么肖哥认为LinkedIn上有30000个好友就一定可以找到工作呢?因为:

(1)我们假设你有10000个好友,然后你都联系一遍(针对engineer,你求内推;针对HR recruiter,你求自荐),假设拿到面试的概率是千分之一(这个真的够低了吧,这真的已经是悲观估计了),那你也会有10个面试,对不对。

(2)但是你如果有了30000个好友(LinkedIn的好友上限就是30000人,超过之后只可以被follow),你就可以在你简历的最上面这么写:

这样一来就给人一种特别“吓人”的感觉,会让你投递的公司觉得【我的苍天,这个求职者是LinkedIn上的名人?一个名人来我们公司求职了!得给他个面试哇~】。这会极大的提高拿到面试的概率,我们假设这个概率从千分之一提升到了千分之三(我觉得千分之三的概率真的不过分,依然不能算是乐观估计),你也有100个面试了。100个面试还找不到工作?感觉应该大概率是可以的。

而且有了这30000的LinkedIn好友以后,应该也是不用担心被laid off了,被laid off后,把这30000个人联系一遍,应该又能有至少100个面试。应该就能马上上岸了。


————————————————

我之所以特别强调LinkedIn的好友这件事,不是因为这是求职的全部,而是因为这是求职的四个任务里耗时最久的、最需要提前N年去规划的。至于其余的几件事,在这里再列一下好了:

以收到面试邀请为目标
以收到job offer为目标
=
=
好看的简历 (几乎不用花钱,最多花一两百刀就够,也可以不花钱)
备战周期0-4个月
答好面试题
(几乎不用花钱,最多花五六百刀就够,也可以不花钱)
备战周期1-2年
每个project都技术暴多 简历做到见什么人出什么牌
面试题准备的非常全面而且刷了好几遍,滚瓜烂熟。不管面试官问你简单的问题还是难的问题,你就没有不会的。你leetcode上的两三千道题,你都已经刷了几十轮了,对于每一道题的细节、解法、复杂度等等都如数家珍。

而且你对面试官讲解面试题还讲得特别有条理,让面试官觉得你的technical communication能力很强,听你讲题有一种听算法老师讲课的感觉,感觉讲得非常专业,让人如沐春风。
+
+
优质的投递渠道 (压根不用花钱)
备战周期3年-5年
经历遭罪的面试过程 (压根不用花钱)
有了渠道后就不用提前备战
Linkedin好友超过30000人,你在linkedin上成为influencer,这样求职起来会给雇主一种“吓人”的感觉。 对于这些人脉里的engineer或者scientist,你就求内推;对于这些人脉里的hr或者recruiter,你就求自荐。
格局要打开,站在上帝视角,执行全球化求职策略:
不管是投递美国境内还是美国境外的机会,人都是合法地呆在美国境内的。
总之,做好了求职准备再去读硕士,然后在读硕期间的每一个学期不管有没有offer都要求职。

好啦,关于读硕的求职时间线与求职任务,以及需要提前3-5年开始备战求职的事情我们就总结完了~~

现在,你已经知道了读硕期间的求职要做什么了...
那我们再看下那些不读博但是要读硕的美本、加本、和陆本分别要如何走好自己的读书与工作的人生吧:


  • 美本:
  • 加本:
  • 陆本:
是不是快看晕了。。。。hhh 这个的确有点复杂

反正我就是想强调一下,如果是在读硕士期间执行求职,的确压力不小。要提前做好准备再开启读硕以及读硕期间的求职。



————————————————————————————————



那,如果是选择美国和加拿大,然后通过留学的方式出来,那会经历什么样的身份时间线呢?


请继续看:


————————————————————

那我们看看如果是在美国工作5年的话,大概会有多少积蓄呢(即,净剩下的钱,也就是 税前工资减去个人所得税,减去房租,减去吃喝玩乐的花销等等,然后净剩下的钱)?请看下图

看到这里,你可能会开始琢磨,留学美国后,如果最终要回国发展的话,那到底什么时候回国合适?

肖哥是这么琢磨这个问题的:

时间点(1)先回本
时间点(2)再保障自己能回美国
时间点(3)最终再考虑如何谋求个人发展

  • 陆本:
  • 美本:
我们假设你在国内读的本科,在美国读的CS硕士,那么你18岁以后为父母带来的金钱开支大概是4~10万人民币(本科学费和生活费),加上,60~100万人民币
(美国CS硕士学费和生活费),总共100万左右,那么你也许可以考虑的的回国时间线是:
我们假设你在在美国读的CS本科和CS硕士,那么你18岁以后为父母带来的金钱开支大概是250万到350万人民币,那么你也许可以考虑的的回国时间线是:
但是肖哥还想提醒你一件事,那就是,人的快乐感/成就感/幸福感,其实真的不是来自于金钱的,嗯,而且是人生越往后走,快乐感/成就感/幸福感越不是来自于金钱。

肖哥的意思是:
在你刚开始赚钱的时候,积蓄的增加、财富的累计,为你带来的快乐感/成就感/幸福感的边际效应非常高。
———————————————————
例如你积蓄从0到1万刀的时候,很开心,从1万刀到2万刀的时候,也很开心,甚至从9万刀到10万刀的时候,也会很开心。

你会觉得:“我真是应该早点毕业、早点开始赚钱,赚钱的感觉太爽了,有积蓄太有成就感了!”

所以你的工作动力与热情都比较高,一方面是因为你的财富在积累(工作能给你带来钱),另一方面是因为你的工作的新内容比较多(工作能给你带来新鲜感和趣味感)。
当你有了一定的积蓄以后,你会发现积蓄的增加、财富的累计,为你带来的快乐感/成就感/幸福感的边际效应在一点点降低。
———————————————————
例如你积蓄从30万刀到35万刀,你内心其实不会有什么波澜。可能能让你产生波澜的积蓄是50万刀以及100万刀,但是你会发现,当你的积蓄真正达到50万刀、100万刀的时候,你虽然会快乐点儿,但是也并没有想象中那么快乐。

你会觉得:“目前我有一定的积蓄,赚钱已经不能为我带来最大的快乐了。我想做点自己喜欢做的事情,哪怕没钱赚,也无所谓,因为那是我的兴趣所在,能够为我带来更多精神层面的快乐与幸福。”