📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
楼主: qwzt
跳转到指定楼层
上一主题 下一主题
收起左侧

[转学转专业] 在顶级计算化学 PhD 和普通 CS Master 之间应该如何选择?

 
全局:
读基础科学phd你得有有天赋加勤奋,但是天赋这个东西一开始也很难说,不是gpa高的科研都很强。一开始,你凭着你的高gpa进了名校,但如果好paper发不出来或者太少,那毕业之后只是多了一个doctor头衔,好工作难找,这时候再转行也没有很大优势。这一点不仅限于基础科学专业,现在读博的人非常多,竞争尤为激烈,放在各个专业都是这样。所以楼里有人说,名校不一定保证教职是真的,包括回国内顶尖高校拿title的那些人手里的paper一个比一个牛。说这么多不是想劝退你,虽然我phd并不是基础科学,但据我所了解的情况是,计算化学已经是化学里面不坑的方向了,科研这条路很艰辛,如果你真的热爱,你真的能拿到优质offer,那拼一把也是值得鼓励的。
回复

使用道具 举报

全局:
当年也是犹犹豫豫一直没有转行,最后读完phd才转的,耽误不少青春。
说实在的,一心想做Chem科研的,不会怀疑自己更喜欢CS。有这个犹豫,多半以后就坚持不下去了。如果读PHD只是为了个title,说实话,这title不做教职,或者不做相关领域,是一点用处都没有。
回复

使用道具 举报

🔗
 楼主| qwzt 2020-10-3 16:38:56 | 只看该作者
全局:
谢谢大家,第一次发帖,有这么多人回复真是受宠若惊。每一条建议都认真看了。

反思自己实在不是搞科研的料,目前是打算今年先不申请了,今年剩下的时间权当是探索一下。大四剩下的两个学期满打满算还能选 20 多学分的 CS 课程(大概有六七门),平时做项目,寒假暑假补 CS 背景的科研和实习,科研可以找点生信生统的交叉方向好申请,争取发 paper 拿到 CS 教授的强推。. 1point 3acres

一年之后 gap year 申请,如果 CS 的课能跟主修一样保持在 3.8 ~ 3.9 的水平,再加上实习和科研,转专业申美国 Top 20 的 CS 专业硕士靠谱吗?
回复

使用道具 举报

🔗
 楼主| qwzt 2020-10-3 17:56:31 | 只看该作者
全局:
仔细看了一下毕业要求,似乎还可以空出来三十学分选 CS 的课……加上原来的十门以上是有了
回复

使用道具 举报

🔗
上杉景信 2020-10-4 21:12:54 | 只看该作者
全局:
380898815 发表于 2020-10-1 09:58
我自己就是cmu计算材料的phd,三年半毕业,辅修了机器学习硕士,去fb拿了实习和全职。但就算这样还是比同年 ...

请问opt用的还是材料phd的吗
回复

使用道具 举报

全局:
Ossidy 发表于 2020-10-01 09:54:14
个人建议,计算化学不算坑,能去Stanford, Harvard, MIT出路有和有点有以下:
1. 两年之后拿master学位走人,转cs。期间可辅修cs也可以不用。一般大厂不会直接拒简历。. 1point3acres
2
很详细!一些小疑问,针对第四点,machine learning门槛低,快饱和了是怎么得出的结论。转投data science?但DS的核心技术不就是machine learning吗。
回复

使用道具 举报

全局:
Ossidy 发表于 2020-10-01 09:54:14. Χ
个人建议,计算化学不算坑,能去Stanford, Harvard, MIT出路有和有点有以下:
1. 两年之后拿master学位走人,转cs。期间可辅修cs也可以不用。一般大厂不会直接拒简历。
2
请问非科班ms学scientific computing找工作行情如何?公司核心部门也会考虑嘛?谢谢!
回复

使用道具 举报

🔗
Ossidy 2020-10-4 22:28:16 | 只看该作者
全局:
dingyucan 发表于 2020-10-4 21:43
请问非科班ms学scientific computing找工作行情如何?公司核心部门也会考虑嘛?谢谢!

我觉得主要看有没有拿得出手的项目。如果你有比如分布式simulate large-scale chemical/astronomical systems的经验,非常加分,如果有GPU计算更好。这些硬核的东西是课上学不来的,所以我见过的很多都是phd。如果只是考虑授课的话,scientific computing可能不是非常容易。但是普通sde拿面试应该不困难,但还是主要靠刷题系统设计之类的了,毕竟scientific computing不涉及算法数据结构计算机架构~

评分

参与人数 1大米 +2 收起 理由
dingyucan + 2 给你点个赞!

查看全部评分

回复

使用道具 举报

🔗
Ossidy 2020-10-4 22:35:56 | 只看该作者
全局:
lgn94111 发表于 2020-10-4 21:23
很详细!一些小疑问,针对第四点,machine learning门槛低,快饱和了是怎么得出的结论。转投data science ...

这里主要说的是ml和交叉学科的嫁接。很多基础架构在两三年前都做出来了,现在很难发高影响的文章了。ML在应用层面上的门槛确实很容易,现在大把网络课程,framework,而且如果只是用的话也不需要懂多少数学。DS的话现在主要还是统计模型,假设检验,回归分析之类的,很多时候要严格定量分析,所以对数学要求高很多,不需要很多ML的model,也不需要算法基础。不过有的DS在不同公司的职能也不同,我见过title是DS的职位招的是NLP的人。
回复

使用道具 举报

🔗
ccss1234 2020-10-4 23:33:02 | 只看该作者
全局:
380898815 发表于 2020-10-1 09:58
我自己就是cmu计算材料的phd,三年半毕业,辅修了机器学习硕士,去fb拿了实习和全职。但就算这样还是比同年 ...

弱弱问一下,辅修计算机MS,选的那个学校
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表