微信扫一扫
物理专业作为一门自然科学，以博士招生为主.如果学生的规划是搞研究,读博士,那自然目标很明确.不过有一些学生的规划并不是为了搞研究,那么针对于物理学专业的学生,在硕士申请阶段能转哪些专业呢?
我们把物理学可以转的方向做了几个分类:
理工科专业
电子/计算机工程 Electrical/ Computer Engineering
电子工程是一门应用计算机等现代化技术进行电子信息控制和信息处理的学科，主要研究信息的获取与处理，电子设备与信息系统的设计、开发、应用和集成等。
从某种意义上讲，电子工程的发达程度代表着国家的科技进步水平。正因如此，电气工程的教育和科研一直在发达国家大学中占据十分重要的地位。
Electrical and Electronic Engineering 或 Electronics Engineering,简称EE, 有些学校也会称为ECE(Electrical and Computer Engineering), 个别学校也会将EE 和 CS 放在一起，称为EECS。
国内对应的本科专业包括：电子工程，通信工程，电信工程，信息工程，电气工程自动化，微电，光电信息，精密仪器，测控技术和仪器等。许多物理，材料科学与工程等专业也可以转申EE。
EE专业对于申请者的课程背景要求，主要包括以下五类：
数学类课程：微积分、高等数学、线性代数、概率与数理统计;
计算机类课程：计算机基础、C语言、Java、数据库等;
物理类课程：大学物理、物理实验、流体力学等;
专业相关课程包括专业基础课：电路基础、模拟电子技术、数字电子技术、单片机原理及应用等;
各个分支需要的专业核心课程：通信电路、控制系统技术、超大规模集成电路设计、电力电子基础等。
计算机科学/数据科学 Computer Science /Data Science
计算机科学，（Computer Science，缩写CS），研究计算机及其周围各种现象和规律的科学，亦即研究计算机系统结构、程序系统（即软件）、人工智能以及计算本身的性质和问题的学科。计算机科学是一门包含各种各样与计算和信息处理相关主题的系统学科，从抽象的算法分析、形式化语法等等，到更具体的主题如编程语言、程序设计、软件和硬件等。
本科是 CS 或相关专业，如信息工程等，申请CS会比较有优势。除了理论知识的积累的和学习，CS 专业的申请同时最好也要具备相应的实习，科研经历，这会是很大的加分项。尤其某些同学定位在非CS general 方向，而是要走某一个细分，比如计算机视觉等，还需要针此细分方向进行对应的背景积累，包括学校或个人的科研项目，工业界实习，学术交换项目，国际专业会议等等。
理工科的转专业需要完成先修课程的准备，针对计算机专业而言，不需要了解复杂的数据结构，“只要了解LIST, ARRAY, TREE等基本知识就可以，同时学习些Object-Oriented Programming，所以基本入门课程包括数据结构，计算机组成原理，C++/Java等。建议去各大学校官网了解相关的课本列表，出现次数最多的就是比较推荐的。在此基础上可以根据自己的能力和情况补充其它的相关课程，比如networks(Computer Networks by Andrew Tanenbaum), operating systems(Operating Systems by Andrew Tanenbaum), database（Stanford 的经典教材A First Course in Database System）4, Software Engineering等，整体的计算机专业知识结构就相对比较不错了。
统计学Statistics
统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。虽然统计学从属于数学类，但是从美国大学的设置来看，统计已经慢慢从数学系中独立出来，成为单独的统计系。现在越来越多的学校成立统计系就是好的证明。在科学技术飞速发展的今天，统计学广泛吸收和融合其他学科的新理论，不断开发应用新技术和新方法，深化和丰富了统计学传统领域的理论与方法，并拓展了新的领域。随着大数据时代的到来，统计也逐渐与信息、计算等领域密切结合。
专业背景
本科是数学，统计，应用数学，自然科学，工程等。统计对专业背景限制不严格。
大部分院校不硬性要求GRE SUB Mathematics，如果学生有时间准备也可以考，增加实力。
建议掌握三大统计学软件： SAS, STATA, SPSS
基础课程：线性代数，微积分（包括单元微积分或者多元微积分），数理统计和概率，高等数学等
高阶课程：偏微分方程(Partial Differential Equation)，随机（Stochastic），回归分析（Regression Analysis），模拟（Simulation），时间序列与预测（Time Series and Forecasting）等
统计类软件：Statistical Software （SAS, STATA, SPSS)
计算机软件类：R, Python 等
工业工程和运筹学Operation Research
运筹学（Operation Research），是现代管理学的一门重要专业基础课。它是20世纪30年代初发展起来的一门新兴学科，其主要目的是在决策时为管理人员提供科学依据，是实现有效管理、正确决策和现代化管理的重要方法之一。该学科应用于数学和形式科学的跨领域研究，利用统计学、数学模型和算法等方法，去寻找复杂问题中的最优或近似最优的解答。运筹学经常用于解决现实生活中的复杂问题，特别是改善或优化现有系统的效率。研究运筹学的基础知识包括实分析、矩阵论、随机过程、离散数学和算法基础等。而在应用方面，多与仓储、物流、算法等领域相关。因此运筹学与应用数学、工业工程、计算机科学、经济管理等相关专业。
运筹学方向理工科背景同学申请占优势，一般情况下自然科学学科，计算机科学，数学专业、工程专业背景的同学都可以申请该专业。文科类如商科等学科的学生想申请转这个专业，可能就会有一定的困难，即便申请成功，在后期的学习上可能会遇到比较难学的问题。
商科专业
商业分析Business Analytics
根据维基百科定义， Business Analytics（以下简称BA）指的是连续迭代探索和调查过去的企业经营绩效去获取价值信息以及推动商业计划的技能，技术和实践技巧。
用比较通俗易懂的语言来说，那就是，
确定最优分析模型和途径，
解释过去的、现在的经营业绩，从中研究和提取有价值的信息，
为企业提供和解释解决经营问题的方案，促进正确的商业决策，提高企业运营水平，发现新商机等等。
商业分析作为一门交叉学科，并没有限制专业背景，但是想要申请的同学最好要有一定的商业知识储备，并掌握编程和数据处理软件，例如SAS, Python以及一些语言比如R语言。因此，数学和统计，计算机科学，工程类，以及商科类同学相对有优势。
商业分析的先修课可以分成以下三大类：
第一：数学 （要修过相关课程）
Linear Algebra
Calculus I
Calculus II
Probability and Statistics
第二：计算机 （最好修过课程，如果没有修过课程，通过实践，实习或科研证明掌握能力也是可以的）
Computer programming course in a general programming language such as C, C++, Java, or Python，R
Statistical, econometrics and mathematical applications and tools (for example, SAS, Stata, SQL，MatLab, R, S-Plus, Mathematica).
第三：商科（极少项目作为硬性要求，如有时间最好还是补充一到两门）
Introduction to Corporate Finance
Introduction to Financial Accounting
Introduction to Marketing
当然，没有达到先修课的要求也未必完全申不了，一方面可以积极和学校协商大四补课、或者上网课代替，另一方面也可以用成绩单以外的其他经历来证明自己这些方面的能力。
金融工程Financial Engineering
利用数学工具、工程化手段来解决实际金融问题：
金融产品设计，金融产品定价，交易策略设计，金融风险管理等；
第一个金融工程学位课程是在20世纪90年代初设立的。这个专业的数量和规模都在迅速增长。目前美国USNEWS排名150的院校中，有50左右个金融工程硕士项目。
总体看来，除了拥有金融、数学、经济、统计、经济计量背景的人，其它方向如计算机、物理、化学、工程等背景的人同样是很受欢迎的申请者。而且在这些"转专业"的人中，工程类专业背景的学生占了将近半数。 如果是纯商科背景， 比较偏好有辅修或者第二专业为相关理工科。
数学和统计
微积分 （Differential Calculus, Multivariate Calculus）
线性代数（Linear Algebra）
概率论和统计（Probability and Statistics）
微分方程Differential Equations（偏微分PDE&常微分ODE）
以上为最基础的要求，但是要想有更大优势，尽可能多修
随机过程Stochastic Processes
数值分析Numerical Analysis
计量经济学Econometrics
时间序列Time Series
实变函数Real Analysis
优化Optimization
计算机
C, C++, Matlab, Python, R （目前最常见的）
Machine Learning
SAS, Gauss, RATS, S-Plus, or Garch
金融
微观经济学Microeconomics
宏观经济学 Macroeconomics
公司财务及财务分析 Corporate Finance and Financial Analysis
货币和资本市场 Money and Capital Markets
投资学 Investments
以上是我们从理工科到商科方向的简单梳理.其实美国的院校对于本科转专业很包容,只要在学术和背景的规划上是相关的,就有希望能申请到top的院校.
