状元分享：如何大跨度转CS-新东方前途出国

文科高考状元分享：如何大跨度转CS

我们今天要介绍的就是大跨度转CS的方法，如何从一个“门外汉”，成为靠谱的“CS人”。如何弥补自身知识背景的弱项，建立知识体系，扩展行业人脉，最终拿到job offer。

在这之前，我们需要解决两大问题，“是否能转”和“怎么转”。

是否能转

很多同学担心转CS门槛太高，望而却步。其实，我们通常说的“转CS”，并不是要大家成为计算机科学家，而是通过学习计算机科学、工程知识，获得在北美市场上寻找Software Development Engineer（软件开发工程师）以及类似工作的能力，同时获得合法工作身份。这个目标，对于转专业者而言，是现实的。

那么，现在在美国找到SDE工作的门槛到底在哪里呢？掌握了数据结构、系统、网络、组成等基本知识，加上Web/Mobile App、系统设计、数据库等一些进阶知识和技能，再加上一些项目经验或/和实习经验，我们就可能在美国找到SDE工作。具体的难易程度是跟随市场行情而变化的，我们现在正处在市场的调整期，找工作相对前几年要求高了一些。

通过h1b申请数据，我们可以看到，2011年到2015年市场比较热，h1b申请增加了几倍。2016年的h1b申请数却基本与2015年持平，可见市场正在调整。最近我们也见到一些大公司开始裁员或冻结招聘。但是，市场调整不一定是坏消息。它确实提高了我们找工作的难度，但也降低了h1b抽签的激烈程度；市场的健康调整，也使得更有诚意进入这个行业的人脱颖而出，既是挑战，也是机会。

很多同学关心：文科生或背景CS毫无关系的人能迈过找工作的门槛吗？这件事的答案因人而异，市场的变化也不能准确预测，但是从目前市场的状况来看，这些同学仍然有不少机会。有的担心是多余的，比如“没学过高数能否转CS”——其实高数和找SDE工作需要的技能关系不大。上面说的那些技能，文科生脱产学习，一年左右可以完成。
详细介绍怎样转CS之前，需要先声明：我们的经验仅限于北美IT职场，国内的情况不能涵盖在内。此外，这篇文章主要是对“门外汉”介绍转CS的基本情况，对“内行”而言，可能都是些老生常谈，如果有说错的地方，欢迎赐教。

怎么转？

首先，最好的方法当然是申请一个相关学位。如果你现在是或者即将成为美国留学生，拿着F1签证，那么你有两条可行道路：

1. 申请CS专业学位，或MIS/ECE等接近学位；

2. 曲线救国。如为文科生，也可以申请STATS/MS&E/Bus.Ana等STEM学位。

第一条很好理解，第二个是怎么回事呢？转CS，申请相关学位肯定是最好的。但有的同学已经在一个很好的大学，比如MIT、CMU、Stanford等等，但专业背景是文科，相关经验也不多。CS项目这几年竞争越发激烈，大部分大学不允许直接转系，如果外申CS学位，又有可能申不到这么好的学校，甚至要降格好几档。

那么，可以观察一下校内的专业，有没有和CS离得不太远、属于STEM的，允许你转系过去。这种办法，有利有弊。好处显而易见，我们不需要再折腾换学校，可以充分利用顶级名校的资源，多学一个专业的知识对长期职业发展也有一定好处，而且STEM专业可以解决你h1b专业相关性的问题，并给你3年的OPT。坏处也很明显，这些专业毕竟不是CS，学的很多东西和SDE工作没有直接的关系，会分散我们的精力。
另外，如果你不需要在北美解决工作身份问题，甚至可以不去修学位，自己学MOOC、做项目，也是有可能拿到不错的offer的，我们见过一些实例。从这里其实能看出，转专业其实是“八仙过海，各显神通”，我们需要根据自己的情况和周围的资源，以及变动中的市场情况，具体问题具体分析。盲目随大流很可能做不出对自己而言最优化的计划。

现在假设我们已经解决了或者放弃解决上学的问题，那么转CS到底需要学什么？我们可以看看Stanford、CMU等名校的CS本科生课单：
基本技能：编程基础，数学基础，数据结构与算法，计算机组成，操作系统，计算机网络等。

进阶技能：Web App and/or Mobile App，系统设计，机器学习，AI，大型软件设计，分布式系统，函数式编程等。
转专业因为时间和能力所限，不妨抓重点学习。比如Web App and/or Mobile App工作需求量较大，就可以多做项目积累经验。特别理论性的内容，可以等工作后再补。

不过，在北美职场，好好钻研数据结构与算法，刷题熟练，还是比较必要的。此外，还可以结合自己的背景选择更适合自己的方向，比如科学、工程类博士如果科研中经常涉及大数据处理，不妨考虑Data Scientist职位，转行的幅度可以缩小一些。

学习了一些知识，做了项目，简历渐渐充实起来，就可以找实习了。找到实习，通常需要这些条件：
1. 一定的项目积累，简历比较充实。

2. 实用的技能点，如前端。

3. 扎实的基础知识，如数据结构与算法，擅长的语言的深入理解。

4. 会沟通，推销自己。

参加Career Fair是非常有用的，因为可以和HR甚至Team Leader面对面交流，给面试的可能性提高不少。要学会沟通，cultural fit也是很多公司会考虑的重要条件。

实习是我们走向full time job的桥梁。不仅有可能带来return offer或更好的全职工作机会，而且能够丰富我们工业界的经验，实习过以后，阅读代码，理解需求，快速学习，解决问题，研究，沟通，proactivity（主动性）、抗压能力等各方面都可能显著提升，也会让我们对于以后具体想做的方向、想选择的公司和行业类型等思考得更清晰。
求职的最后一道关，是刷题。有一点需要强调，不同的公司对算法题的重视程度是不一样的。通常，互联网大公司比较重视算法题，中小企业和startup更重视对具体技术的掌握。

学习CS的资源

上课之外，学习CS的资源：

1.MOOC：Coursera, Udacity, CodeAcademy, Khan Academy（本科数学部分）...

2.教科书，Code Example + Introduction。

3.遇到问题？搜索StackOverflow。

4.学会看documentation（文档）。

5.博客、tutorial，如Tutorialspoint。

看中文还是英文呢？一般来说中文材料的错误相对多一些，但我觉得需要短时间大量汲取知识的时候，中文材料也可以看。有些大部头书籍，直接从英文入手太“吓人”，反而拉低了学习的效率。看不懂的时候用英文查就可以了。当然，不同的人学习习惯不一样，很多人根本不读教科书，而是去看博客、code example之类。只要方法适合自己就好。

精通CS任重道远，但从入门到Offer并不遥远。基本上，基础 + 进阶 + 实习 + 刷题 + \epsilon= Job Offer。 \epsilon是随机项，政策、市场的情况，以及纯粹的运气，我们是没法控制的。但是准备做的越好，同等条件下拿到offer的可能性越大。

讨论一些有趣的小问题

第一， 我们往往申请硕士学位，大跨度转专业的同学并没有相关的本科积累，prerequisite经常没上过。打开课本，好多概念都没学过。这种情况怎么办呢？

大的方针，老老实实补课。安排的比较成熟的课程都是循序渐进的，前几周会比较简单，抓紧那段时间赶快补习，一般老师也都很乐意帮助学生补习。很细节的东西可以暂时略过，请老师帮忙划一下重点可以提高效率和针对性。

还有一个办法，但是不能替代死功夫，但可以提高效率。当你见到一大堆陌生概念，云里雾里的时候，发挥你的GRE阅读理解技能。GRE阅读里面，经常出现很多生词，但我们还是能把题目做对，因为我们理解那些生词所发挥的功能，即使不认识，也能猜的八九不离十。举个简单例子，“A和B是同学”这句话，大家都知道什么意思。即使A和B这两个人我们不认识，还是知道这句话大概在表述什么，而且知道A和B都是人名。

同理，“奇异值分解能够用于任意m x n矩阵，而特征分解只能适用于特定类型的方阵，故奇异值分解的适用范围更广”这句话，即使我们不知道什么叫奇异值分解、什么叫特征分解，甚至可能不知道什么叫矩阵和方阵（不要笑，我刚转学理科时候，真的不知道），但我们知道这句话表达了这么一个意思：“A能够适用于任意X，而B只能使用与特定类型的X，故A的适用范围更广”。

并且我们能猜出来，A和B是两种分解方法（虽然我们也不知道什么叫“分解”），X是一个基础的数学概念——矩阵和方阵，并且它好像是能用m x n来修饰的一个概念。这个结构理清了，我们就会知道，这几个概念的了解顺序应该是X->B->A，因为写作者谈论”奇异值分解”的时候假设我们知道“特征分解”，谈论两种分解的时候假设我们知道矩阵和方阵。那么我们补课的时候就有指引了——先去了解矩阵、方阵，再了解特征分解，最后再学习奇异值分解。

事实上，这正是线性代数教科书介绍这些概念的顺序。结合上面那个“文理科思维方式”的问题，我觉得学习一个学科，很大程度上就是熟悉和习惯这个学科思考时用的语言，至少这个步骤是跳不过去的。我们文科生都学过语言，很多人学得很好，所以不要自卑，你学的东西会派上用场的。
对了，别担心，学CS不会让你做奇异值分解。

第二， 这个问题也让我很头疼——很多知识点，还有刷题的题目，今天觉得懂了，明天就忘了。这意味着我们其实并不懂，还需要更深入的理解。对我比较有用的一个方法，是寻找知识点的关键点，就是从这个地方，可以把你的理解记忆像提起一串葡萄一样提起来的那个着力点。

比如说实现ArrayList，有很多methods要写，颇为繁琐，一个一个记忆恐怕记不住。但大部分methods都可以现推，没多大难度。这个知识点的关键，是动态更新Array的长度，它是整个类的枢纽，其他方法都是附着在它上面的，它也是ArrayList和Array最大的区别。把动态更新Array长度这个知识点搞清楚，如果面试官让你写这个类，你就能很快写出来。

最后，有同学问“文科和CS有什么交叉领域”。坦白地说，我现在还没发现。有的貌似交叉的领域，比如NLP等，还是CS知识、工具为主。我觉得大跨度转专业还是要有从零开始的觉悟，从零开始也是可以学好的，盲目追求“交叉点”其实反而会耽误自己的学习进度。

路漫漫其修远兮

最后分享一句阿尔伯特·加缪的话”There is scarcely any passion without struggle.”转专业的道路很辛苦，起初可能只有压力，找不到什么激情。但是坚持努力下去，慢慢就有了曙光，也会从代码中得到越来越多的乐趣。祝大家转CS成功！

 

微信号:wuhanqiantu 

新东方出国留学是国内首批教育部认证留学机构，家长和学生可放心选择，随时掌握最新留学资讯，一起加入武汉前途出国留学追梦计划！ 

官方微信ID:wuhanqiantu  

官方微博：@武汉新东方前途出国 

扫一扫，成为武汉新东方前途出国微信好友！咨询留学问题。 

预约电话：027-87210046（武昌）/82666820（汉口）