我之后应该学什么方面的计算机？游戏 ai还是机器人方面的

Mindy1219 发表于 2023-06-29 19:58:10
戾气真的重，还有好几年时间充实自己，瞄准目标使劲干就行了，别管其他人说什么

我感觉也觉得很奇怪 但是时间也确实不多了 我大二要弄雅思 gre gpa和数学建模 只有大三到大四下 满打满算就1.5年 要做出一个还算可以的ai和机器人相关的玩意儿。。

alenym123 发表于 2023-06-29 19:28:44
看了很多回复，还是鼓励一下楼主吧。祝你好运。

thanks

7yundao 发表于 2023-06-29 19:09:31
还有就是，多想想什么样的生活，在哪里安家，哪里过的会比较开心。。。你就会发现，计算机生涯算个屁。。能最快最轻松最高效搞到钱，然后躺平生活才是真理。。所以应该以进什么单位为目标，而不是干什么为目标。。。

我想过 但是想太多没有意义 我高中就是想的太多 高考就忽视了 还是先做局部最优解吧

7yundao 发表于 2023-06-29 19:10:51
然后铺好路打好基础，下一代才有机会走直路去跟顶尖的人卷当资本家。。。如果你有这种想法的话。。

我不想当资本家 但是现实就是没钱 我很希望做的是技术宅和企业家

ChaoticLuna 发表于 2023-06-29 09:15:59
你好打扰一下，我想借楼问问gpa的事情。由于本科没考虑过出国打算，gpa很低，双非换算了一下是3.4/4（更要命的是专业课都是低分划过，只有数学全满绩），研究生是华五，是不是除非科研水平超模发挥，不然

我的前辈和出国的机构也是这么是说的  达到均分90就可以了 在往上没必要

不懂为什么那么多人diss lz。即便发言比较小白 但是小白才需要上来问

lz不要太纠结方向 你这个年龄主要是看自己喜欢什么

如果还在学校的话 建议先把CS基础打好 - 什么离散数学，数据结构，算法，数据库，OS，分布式系统，编译原理，形成知识网络。

出国以后学术环境更好你可以接触到更多方向，有更多机会。到时候再思考也不迟。如果基础打不好感觉以后干什么都

Kevinqyh 发表于 2023-06-29 08:07:50
Game, AI, Robotics 是三个非常宽泛的领域。后两个还可以勉强结合搞搞robot learning，但是和Game基本上是完全不同的路线和技能树。你想搞后两个的话，首先数学一定要好，而且

这个我和父母商量了 第一个是资金只能支持我上研究生 第二个是没必要 教授说你过去也是只能上很普通的大学没必要 我觉得也是

owensy 发表于 2023-06-29 23:20:35
不懂为什么那么多人diss lz。即便发言比较小白 但是小白才需要上来问

lz不要太纠结方向 你这个年龄主要是看自己喜欢什么

我最喜欢的估计还是机器人 ai也是应用于机器人的识别问题解决问题的能力 但是机器人还是太偏向硬件了 我计科在本科只能找自动化的人合作估计才可以做出一点玩意儿 但是恰巧的是 我感觉很难 因为实在找不到合适的人选 因为我之后毕竟要出国 所以打算还是做出一点玩意儿作为之后的出国的铺垫
至于那些基础专业学科我是明白的 我会好好学的 但是我也就只是自学  因为我们学校给我的教学印象太差了 我之后这些专业课就是直接在暑假里面完完全全啃完直接去考试得了  

个人观点，楼主才大二，还是有很多时间可以准备一些东西的。楼主目前迷茫可能是因为对于自己的未来想要做些什么，但是却没有一个concrete的、可以执行的plan。

关于未来规划：
我建议楼主先思考几个问题：自己将来想要从事一份什么样的职业？来美国读研究生的目的为何？如果读研的话，目标是什么样的大学？

根据想要从事什么样的职业的选择，之后的路也会不一样：
1） 如果想要尽快“当程序猿”，挣得第一桶金，那么建议不要考虑出国这一条路：目前美国的master项目大部分是自费，一年半或者两年的项目加生活费至少要6万+美金，毕业之后留美的可能性并不是很大（各种大厂在lay off，目前top 20的new grad都有一些在为找工作发愁，而且h1b的pool最近也越来越大，导致一些公司更倾向招有身份的员工（避免只工作几年就走人），留美工作十分困难。读一个授课型master毕业回国的话据我观察和本科毕业直接找工作区别不是很大。而且按照题主目前的情况，如果楼主加倍努力搞好GPA之类的话，top和中等及中等偏上master项目希望不是很大，最好的可能我感觉大概率是neu、rice等学校。

2）如果不是很想“随便找一个程序猿的工作”，那么另一条路会更加难走，那就是像楼上所说，读一个差一点的master为过渡，然后争取在这个期间疯狂刷科研（同时保证成绩），之后读一个好点的master然后开始接触科研。当然这一条路会更费钱，而且回报未知。像楼主提到的波士顿动力和目前在做一些引领潮流技术的公司（OpenAI之类的），phd学位基本上是入场券。如果想要从事“前沿”工作，让人生不那么无聊，那么必将要付出难以想象的努力来走这条科研道路。当然如果要走这条路的话，来美国还是很推荐的，因为哪怕在美国不是很top的学校（50-100）读phd，也能做一些有趣的研究，并且毕业之后的选择会更多。

关于专业方向
很明显楼主对于CS的各个方向了解还非常浅薄。举例来说，AI领域可以分为很多细分领域，比如自然语言处理（NLP）、计算机视觉（CV），机器学习（ML），深度学习（DL），等等等等。而且AI也只是众多CS方向里面的一个。System（Database/Software Engineering/Programming Languages）、Theory(Formal methods, Agorithms, Theoretic ML/CS, Cryptography)、HCI都是现在很热门而且top school非常活跃的一些方向。在国内AI的热度远大于其他方向，但是楼主趁年轻还是要多了解一下其他领域。追逐热点没有问题，但是也要养成自己的独立思考和判断，对整个CS有一些更深的认识。

对于楼主提到的机器人，其实并不是CS方向的，他属于EE(Electrical Engineering)和CE(Computer Engineering)的交叉。机器人所需要的基础课程在国内的CS中并不提供（优化理论、控制理论、电路逻辑，这些大多是EE的课程）。所以推荐楼主不要走机器人这条路 - 国内的CS专业很难系统地学到机器人有关的课程，在线看网课的话我个人感觉意义不大。

所以对于方向，希望楼主可以多了解CS的各个领域（可以通过看各个领域的top conference的talk，或者一些入门的教科书、科普视频等），之后选择一个自己感兴趣的方向并且深挖，不要各个方向都有所涉猎 - 最重要的是认准一个方向，然后在那个方向里深入。

对于之后要做的事情
我目前在读top20的cs phd，并没有太多的工业经验，所以提供一些如果要走科研/来美国读研并且试图接触科研的建议：

楼主提到“大二要弄雅思 gre gpa和数学建模” - 这些东西其实并不重要 - 数学美赛O奖/gre/雅思成绩的作用在申请中的作用并不大，甚至可以说是微乎其微。申请授课型研究生最重要的是本科学校、GPA和推荐信，现在有很多学校都不要求提供GRE成绩了。雅思和GRE只是作为一个“门槛”，并不会成为录取与否的一个判断依据。因此，我推荐楼主在学校里试图找一个实验室，并且加入，努力做出一些东西来。这样一是可以收获不错的推荐信，二是如果真的有论文投稿或者投中了，在申请研究生的时候是一个巨大的加分项，在有些情况下可以弥补本科学校和GPA的不足。

因此，如果题主想要努力、下定了决心，并且想来美国读研的话，建议楼主做到以下几点：
1）GPA和专业课是一定要保持的并且认真去上的，争取之后的每一门课都拿A（优），并且认真听课完成项目。虽然有很多人诟病国内的CS教育，但是相关方向的基础知识还是可以cover的 - 这些是必须要掌握的。
2）雅思过线即可（当然这里的“线”并不容易 - 如果想申请top50的master，建议以7.5为目标）
3）找一个教授的实验室（最好是新来的老师，比如助理教授。当然如果你们学校有出名的研究组也可以，但是有些老教授其实并不从事科研或者他们的科研水分很大。新教授相对来说还好），从大二开始一直做一个项目，争取一年或者一年半的时间可以有一些成果（论文投稿）。但这需要每周至少20个小时在科研和项目上的投入，是一个很大的commitment。
4）如果有多余的时间还想努力，建议利用网上的资源自学一些东西，比如基础的线性代数、高等数学、离散数学、算法、概率论，进阶的凸优化和随机过程（如果感兴趣AI的话）、编程语言与形式化逻辑（如果对programming language感兴趣的话）、操作系统和数据库（如果对system感兴趣的话）、密码学和系统安全（如果对security感兴趣的话）。国内的CS教育对这些领域没有太系统的、深入的教授，所以需要你自己自学（比如我相信你们也会学线性代数和高数，但是相信我你大一或者大二学的高数和线性代数是远无法支持你之后的学习的（如果你不仅仅只想当”程序猿“。

最后
总之，楼主目前还大二，如果想要努力的话还有时间，但是如果真的想接触到好的资源、来美国的top学校，需要你付出巨大的努力。要记住，即使是985里中等偏上的学生，目前申请美国neu及以上cs项目的成功率也不高，竞争十分激烈。不是在劝退楼主或者吓楼主，这就是目前的情况。希望题主能够好好利用之后的三年，去自己想去的地方、做自己想做的事情。

William38324 发表于 2023-6-29 23:37
我最喜欢的估计还是机器人 ai也是应用于机器人的识别问题解决问题的能力 但是机器人还是太偏向硬件了 我计 ...

机器人和AI不一定是联系在一起的

AI的应用可以独立于机器人存在 比如说chatGPT

机器人也不一定有strong AI的支持。

建议lz可以把这两个问题分开来看：）这样选择会更灵活