跨考者如何准备清北华五级别学校计算机研究生？

免费提供最新落户政策及一对一落户上海方案

留学生/应届生/非婚子女 落户上海咨询

 

　　

感谢大家热心的回复，我明白接下来应该怎么做了。

　　

邱老师和YunZhou大神给出了切实可行的建议，再次表达感谢。

　　

还有二喵大神，虽然语气调侃，确实点出了问题所在。我确实还没完成从高中到大学的转变，感觉大学同学也是比较尊崇成绩，在有了邱老师的回答后，有些醍醐灌顶的感觉。当然，成绩也很重要，但是，成绩之外，还有很多。

　　

我之前可能有冒犯之处，不过想想，谁的青春不张狂呢？听到一些自己并不熟悉的不公平的事情，也许说话者隐含了一些对其不利的信息，自己一副义愤填膺的愤青样子。

　　

我感觉大学也是真正塑造个人三观的时候吧，很庆幸知乎提供了这样的平台，也感谢各位能抽出时间答疑解惑，不管是真心的帮助，还是一句讽刺，我都心怀感激，并思考自己的人生。

　　

每个人的成长环境不一样，对事情的认知也有不同。也许某些时候，你们看待知乎某些问题，会感觉这人很脑残。不过，我确实说出了自己的心中所想，冲动也好，幼稚也罢。今后遇到脑残不懂的事情，我依然会继续提问。遇到别人的问题，如果比较擅长，也依然会不自量力的去解答。

　　

==================

　　

看了大家的回复，首先非常感谢。不过我觉得应该修改一下问题内容，大家的焦点并没有集中在我需要的结果，可能也是很多人所需要的。一些道理我明白，老师肯定更希望招本专业、出身好、能力强的学生。

　　

我开学只是大二而已，大一平均分88，校二等的水平，保持下去保研本校本专业差不多。但是我想转计算机，而且希望研究生学校可以提一档。跨专业保研名校感觉可能也类似的情况。

　　

我想知道的是，比如我申请保研或者考研清北复旦南大这些学校的NLP方向，应该做什么准备以弥补跨考生的劣势。

　　

鉴于题主问题改了，我先回答新的问题。然后在补充下之前的问题。

　　

首先，从学生的角度来看，即考研的动机和如何准备。

　　

1）为什么要考研？从面试的情况来看，不少人都不了解研究生是做什么的？还以为就是上课然后拿个学位。选择一个研究生阶段的研究方向往往比考大学还重要，因为大部分人会因此决定了以后的发展方向。为了考研而考研，和为了爱好某个研究方向而考研是两种不同的模式。我的建议是后者，至少C9高校的大部分研究生还是需要一定的研究能力，如何能和兴趣相结合，可以说是一件幸事。

　　

因此，说是准备考研，不如说是准备开始一个自己以后的职业方向。这样的话可以从更长远的眼来规划考研这件事。在众多的研究方向中选择一个自己感兴趣的，然后开始准备，包括选择学校，导师等。

　　

2）如何准备考研？最好的道路是积极准备保研，现在保研比以前要灵活很多。不管是保研还是考研，在准备考试的空闲，还要为研究生阶段做准备。说实话现在网络上信息如此发达，任何一个积极主动的人都很容易获取你想要的知识。你可以在MOOC上学习直接学习国内外高水平的课程，也可以在github上找到优秀的开源代码。最新的优秀研究成果过几天就会有人实现并放到网上。人们获取知识的鸿沟不再存在，差的就是学习热情。在面试时，如果你能对某个研究方向的研究说出你的思考，而不是仅仅罗列一个书本上的概念，并实现过某个知名算法的代码，你肯定会是排在名单最前的，和考试分数无关。

　　

其次，从导师的角度来看，既然勤奋、主动、聪明的学生是可遇不可求的，我相信对于大部分导师，选择学生的标准是勤奋、主动>聪明，当然也不是绝对的。（这里的聪明不是指一般的题解能力或考试能力。可以参考如何辨认身边的聪明人？-曾加的回答-知乎）

　　

1）是否跨专业根本不算是决定录取一个学生的影响因素。具体什么因素更重要要看不同导师的研究方向以及风格。比如做偏工程的导师肯定希望学生动手能力强，而偏研究的导师肯定希望学生在有一定动手能力的前提下，理论基础要扎实些。另外，有主动性和积极性的学生一般都会受到导师的欢迎。

　　

2）考研分数也不是决定因素。当然在对学生了解不多的情况下，分数高的同学无疑是有很大优势的。但不一定看总分，比如对ML、NLP方向，主要看数学分数，其他的作为参考。

　　

==================

　　

最后回答下关于我们组电话面试的事。

　　

今年联系NLP组的同学非常多，我们组的老师们一开始都回复来复试时来面谈。后来联系的同学多了，我们觉得需要尽早给联系的同学们一个明确的答复。这样即使我们组接收不了也不影响其再联系其他导师。同时因为是双向选择，也尽快给那些希望接受的学生一个肯定的答复，免得他们选择了其他导师。就是这么个初衷，我们组的电话面试也不是复旦的正式复试，因此，不管我们是否会接收该学生，最后一般都会嘱咐下好好准备复旦的复试。说实话，两天时间，这么多同学，面试到后面我不太记得谁是谁了，只记得几个比较突出的。最后的最后，如果确实热爱机器学习、自然语言处理，希望能在研究上有所作为，可以再联系我们。