斯坦福大學位處矽谷，選課自由，是世界上最適合轉碼的學校之一。我本人是材料系17級Master，目前已經轉碼。在轉碼的路上我遇到了許多熱心的學長學姐，靠譜的小夥伴，感受過成功的喜悅也有失敗的痛苦，也得到了許許多多的經驗教訓。因為每年新生和老生之間都會重複出現大量的「學長，這學期怎麼選課呀」，「學姐，我現在轉碼應該做哪些準備呢」這樣的對話，於是在十幾位17級各專業Master轉碼的學長學姐的支持下，我們整理了一份簡單的Stanford轉碼選課指南。希望能夠對學弟學妹們有所幫助。

本文的作者們幾乎都來自與寫碼沒有直接關係的本科，屬於「轉碼」。本科是Math, Stats等相關專業的同學會有更適合於你們的求職路線。所有內容均來自作者們個人觀點。

任何想參與補充的學長學姐都可以私信我，文檔會隨時更新。感謝各位熱心的同學們！

Materials Science & Engineering

是否為STEM ： 是

時長：3-6 Quarter

畢業要求：共45學分，其中30學分必須為材料課程（均與CS、數學無關）。其餘15學分無專業限制（但最多只能有一門100level）

轉CS策略：

  • Y同學：上滿6個學期，每學期10分以內的話可以上6×3=18門課程，理論上可以至少上8門CS課，實際上如果超過10分多選可以10門以上 ，在數量上已經足夠找到CS工作。假如能夠成功延畢一個Quarter還可以上更多。如果已經下定決心轉碼，建議在入學前即完成刷題準備（這樣就不必選CS106A, 106B了）。第一年盡量多選CS課有利找工作，第二年再補必修材料課。（假設此前沒有CS基礎）前兩個學期，也就是找實習的主要時間：Web方向建議選擇CS142(web application), CS108(Android), CS145(Database);System方向建議選擇CS107, CS110(system);AI 方向建議選擇CS221(AI), CS224N(NLP), EE263(linear algebra), EE364A(convex optimization);

    數據方向建議選擇 Stats202, CS246(Data Mining);

    第三學期：可以選擇CS231N(CV), CS229(ML), CS224U(NLP)第四學期：建議多選材料水課，全職期間應將主要精力放在刷題找工作而不是上課上。後面兩學期：根據找到的工作和興趣自行協調選課方向。
  • Z同學：6個學期畢業，其中有兩個學期超過了10學分～以下是具體安排（課號對應的具體課程可以去stanford carta上查詢），之後會附上這樣選課的理由：2017 Fall: CS 106B (3), CS 108 (3), MATSCI 303 (3)2018 Winter: CS 230 (3), CS 246 (3), MATSCI 331 (3), CS 246H (1)2018 Spring: CS 142 (3), MATSCI 209 (3), MATSCI 316 (3), MATSCI 175 (3), CS 1U (1)2018 Fall: CS 145 (3), CS 221 (3), STATS 202 (3), MATSCI 203 (3), MATSCI 174 (3)

    2019 Winter: CS 107 (3), CS 224N (3), MATSCI 206 (3)

    2019 Spring: CS 231N (3), MATSCI 208 (3), MATSCI 343 (3)選課理由：前兩個學期是找實習最關鍵的時期～如果之前沒有相關的CS背景，建議上大量的CS課來豐富自己的簡歷內容（我同時選了MATSCI非常水的兩門專選，以便於有時間找實習和刷題～）我是在2018 Winter的時候正式拿到了F家的實習，所以之後Spring quarter瘋狂補了一波材料系要求的課程，同時選了CS 142來鞏固我full stack相關的知識，事實證明這一部分對於我的實習還是有著非常大的幫助的～之後暑假拿到return offer，秋季學期有太多想上的好課，同時因為不再需要找工作，想多學一些machine learning相關的知識（感覺會對未來的職業發展有更多的幫助），所以就選了CS221, STATS 202以及和database相關的CS145～最後兩個學期就是佛系補補材料系的core，同時尊重一下stanford ML的兩大神課CS224N (NLP)和CS231N (CV)啦～下面是一個貼心的分類（都只是basic的很實用的作為software的必修課程，如果你想在某一個方面深入研究，比如ML，還有很多高階課程可以選）材料系相對簡單的core：MATSCI 203, MATSCI 206, MATSCI 208, MATSCI 209, MATSCI 210, MATSCI 171, MATSCI 174, MATSCI 175材料系相對簡單的選修：MATSCI 303, MATSCI 316, MATSCI 331, MATSCI 343Product相關的CS課程：CS 108 (Android), CS 142 (Web)Data相關的CS課程：CS 145, CS 246Infra相關的CS課程：CS 107, CS 110, CS 140演算法課：CS 161

    ML相關的CS課程：CS 221, CS 229, CS 224N, CS 231N

    另外轉碼最重要的還是刷題呀，CS 106B的演算法和數據結構我感覺已經足夠用了，想學更多演算法的話可以考慮CS 161 （聽說上完的話所有面試都不怕了），然後就是和leetcode進行漫長的糾纏，建議做好刷題筆記回頭再看會非常省時間～最後祝學弟學妹們轉碼順利，拿到想要的offer～
  • H同學：入學的時候打算繼續申請材料PhD，進ChemE組搬磚，第一個 summer 後決定轉碼。第二年暑假實習（full stack），七個 quarter 畢業。Timeline: 2016 Fall: MatSci 203, MatSci 303, CS 106A;2016.12進組搬磚;2017 Winter: MatSci 206, EE 216, ChemE 240;2017 Spring: MatSci 202, MatSci 343, CS 106B, CME 193;

    2017 Summer: 搬磚，決定轉碼;

    2017 Fall: CS 145, CS 221, CS 229;2018 Winter: CS 107, CS 161; MatSci 320; 找實習;2018 Spring: CS 142, CS 231N, MatSci 175, MatSci 209, MatSci 316; 繼續找實習; 2018.4收到實習offer; 2018 Fall: CS 108, MatSci 174; 找 full-time;2019.1收到offer.選課策略：材料轉碼建議從基礎課開始學習，以豐富簡歷及提升面試技能為主。CS106A面向毫無編程經驗的同學，難度不大建議自學。CS106B學基本演算法與數據結構，學完之後就可以開刷LeetCode了。CS161理論性比較強，對面試技能提升有限（性價比不高），不建議在找實習階段學。與 Software Engineer 工作技能點相關的CS課程主要有 CS108 (OOD & Android)，CS142 (Web App), CS145 (Database)。這三門課也都有可以寫進簡歷的Project，學完之後對拿到面試幫助很大，建議優先選。Systems & Networks相關的課程包括 CS107，CS110，CS140，CS144等，這些課程與 Site Reliability Engineer 崗位契合度較高。不過 SRE 崗機會相對於 Software Engineer少，而且較少向 new graduate 開放。據我所知材料系轉碼沒人選擇這個方向，穩妥起見不建議考慮。拿到 Offer 之後可以考慮選 CS110 補充 systems 基礎知識。由於AI/ML相關崗位競爭激烈且一般要求 research 經歷，以找到工作為目的的話不建議優先學習AI/ML相關課程，包括 CS221，CS229，CS230，CS224N，CS231N，CS228，CS234，CS238 等。

    MatSci Master 畢業要求中包括5門相關 Engineering 課程，其中四門要求課號以2開頭，可以考慮選學上述AI課程或者 CS246。這些課質量很高，也有可以寫進簡歷的 project，不過 workload 較重，不建議安排在找工作關鍵期。

    材料系本專業課程選擇只有兩個標準：難度低，workload低。具體課程選擇可以參考 carta.stanford.edu/ 或者問學長學姐，也可以考慮自身本科背景。本專業課程建議安排在找 Full-time 的關鍵期（第二個 Autumn & Winter），從而把更多時間用於刷題和面試。具體課程介紹請參考以下網站explorecourses.stanford.edu; exploredegrees-nextyear.stanford.edu 投簡歷策略：投簡歷拿面試概率較高的渠道主要是內推和學校 career fair。公司官網/ LinkedIn 上投簡歷也偶爾能收到面試不過成功率不高。找內推可以聯繫認識的學長學姐，也可以在 LinkedIn 上找。投簡歷/面試期間建議重點關注一畝三分地 1point3acres.com/bbs/ 的美國面經版和曬工資抖包袱版。面經版主要用於面試準備，運氣好的話可以碰到原題。有的公司（如Airbnb）題庫不大（特別是OA輪），經常可以做到面試前就在電腦上寫好 code。抖包袱版帖子一般會寫明面試的 timeline，參考往年數據方便自己安排面試。大公司一般八月到九月就會開放 intern 和 full-time 的申請，十月起會有人陸續接到 offer，十二月聖誕假期前大公司秋招就進入尾聲了。即便自己覺得沒有準備好，也應當盡量早投出簡歷，不要等到十月初學校的 career fair 再行動。首先是因為每年招人 headcount 有限，拖到後面招聘標準也會水漲船高；二是一般大公司面試周期較長（如Google），晚投簡歷很有可能趕不上寒假前的 onsite。投簡歷與面試安排需要遵循一個原則：使 onsite 時間盡量集中。一般公司在 onsite 一兩周內（也存在需要一個半月的極端情況）發 offer，之後會再給你一到三周決定接不接。如果面試時間安排跨度太大，可能會出現由於一家公司的 offer deadline 到了而來不及面其他公司的情況，不得不拒掉不錯的 offer 或者鴿了理想公司的面試。因此，投簡歷之前有必要大概規劃一下 timeline，集中面試集中收 offer，方便自己比較各個公司的 package，也可以讓各家公司 compete package，悶聲發大財。

    關於延期畢業：

    我在第二年的 spring quarter 提交了延期畢業申請，延長至7個 quarter 畢業。延期畢業申請要求 advisor 和 department 同意。如果 advisor 比較嚴格，你可能需要解釋為什麼沒有如期達到畢業要求（選了很多畢業無關的CS課）。據我所知我們這屆 MatSci 三人申請延期畢業，只批准了兩個。總之，申請延期畢業有相當的風險，盡量避免。

Statistics

是否為STEM ： 是

時長：最多3個學年

畢業要求：8門Stats必修課，1門數學課，一門programming基礎課：letter grade；其他課程可算作選修課：grading方式不限

轉CS策略：

選課（CS相關課程）：

2016 Fall: CS 106A;

2017 Winter: CS 106X;

2017 Spring: NA;

2017 Fall: CS 145, CS 161, CS 229;

2018 Winter: CS 108, CS 246;

2018 Spring: CS 142, CS 107;

2018 Fall: CS 224W, CS 221;

找Data Scientist/Analyst相關position的建議：

可以多補充Data Mining（stats 202， 216， 315B），Machine learning（CS 229）的知識；

熟練使用SQL和python，以及靈活應用統計學知識，多做projects；

培養一些product/business sense；

可以把leetcode裡面的easy題有針對性的刷一遍；

找Software Engineering position的建議：

如果之前沒有編程經驗，沒有學習過演算法，可以先上CS 106B打個基礎；

Leetcode題要儘早開始刷，並且有針對性的刷，可以多逛逛一畝三分地看看面經；

多做project，有一些handson的experience，這樣對於編程能力以及演算法理解都有很大的幫助；

推薦課程：CS 108，CS142， CS 246， CS 107/110，CS 221

Electrical Engineering

是否為STEM ： 是

時長：5-6 quarter

畢業要求：45學分

轉CS策略：

  • L同學本科學過Python入門，沒有java基礎，沒有C++基礎。轉碼的話，簡歷靠選課，面試靠刷題。IT公司軟體工程師面試其實也是千軍萬馬過獨木橋，死剛刷題才是硬道理。我的題目刷得也不多，所以給不了什麼好的經驗。選課方面講道理，EE的選課要求真的很松，所以基本你想學什麼就學什麼。以下是一點心得。CS106B沒什麼用，因為教的是斯坦福自己的C++library，這個library極大地簡化了C++的寫法，你在工業界不會用到的。建議上另一個106，用C++ standard library的那個。CS145這門課其實挺好的，可以教你SQL的基本用法，只可惜我們當時碰上了一個教課很一般的教授。SQL這個東西有時候還是會面到的，所以學學也沒什麼壞處。機器學習方面的課有很多，CS229，CS230，CS231N，CS224N，CS234。個人感覺CS230沒什麼用，還不如在coursera上學，反正是一樣的課。如果只想純做軟體工程師的話，機器學習的課程可學可不學。但是既然來了斯坦福，為何不學學？除此之外，CS的基礎課很有必要學一學，CS107，CS108這種課有時間還是學一下比較好。不過這些課用的時間都很多，加上機器學習的課也有大project，如果不想做一個坑隊友的人，還是安排好自己的時間比較好。
  • Z同學：cs106b (optional, not necessary), cs108(java, good for job), cs fundamental (cs107,cs110,cs161)ML basics (strongly recommend): ee263 (linear algebra), cs109(probability), ee364a(cvx optimization)ML courses: cs221 (intro), stats 202 (applied ML, good intro class), cs 246 (data mining, very useful), cs234, Deep learning(cs224n, cs231n) (these two should be enough), cs224w (graph), cs229(math heavy, very hard)
  • M同學和G同學:找工作刷題還是很重要。如果能來到斯坦福感覺在career fair投一波簡歷，再加上招人內推都能拿到不少面試。題目刷好才能把面試轉成offer。刷題除了leetcode以外一畝三分地的面經題也很重要。也有人總結了近期公司的高頻題，自己面試完也可以發帖說一下給社區做貢獻。斯坦福大部分課程都偏理論，刷題說白了有點像高考，學校可能沒有那麼看中（畢竟也早已過了高考的時候）。相對來說有幫助的是CS161，能學一遍cs基本演算法。但是cs161也很理論，面試的時候根本用不到那麼多東西。說了面試官也未必能聽懂。其它的課程前面幾位同學都總結的很好。EE選課比較輕鬆，又因為要選15門課畢業所以大家選的課都很類似。
  • Y同學:上過的課：System: CS110, CS140開發 : CS142, CS145ML&DL&DM: CS246, CS231N, CS341, CS224NTheory : CS229T, CS368其他：CS251, CS248, EE364A, Psych221我各種方向的課都選過一些，感覺stanford的教學質量還是很好的，上過的課都沒什麼雷（除了個人不大喜歡142，教授講得過於沉悶）。ML/theory相關的課給分都很高，system的課會稍微難拿A一些.一些關於找工作的建議：如果只想當general sde，最重要的還是刷題，我intern面試和fte面試的大部分面過的公司還是考演算法題為主。如果想去hedge fund， system和c++比較重要。比如two sigma和citadel，我面試的時候幾乎沒被問過演算法題，主要是system知識。如果打定主意想找ml related的職位，斯坦福的master也是有機會的。這方面我的個人經驗是apple會願意招master當ml engineer。此外一些二線的公司如walmart labs, adobe也過了我的ml簡歷。如果找這樣的職位就要在ml基礎知識(stanford courses should be enough)和ml design(一畝三分地或者其他地方的面經里有很多)上下功夫。

Management Science & Engineering

是否為STEM ： 是

時長：Flexible, usually 4-6 quarters

畢業要求：45學分, 27學分專業課

轉CS策略：

  • X同學:MS&E課程設計很靈活,選課的順序也沒有要求,畢業生去向也有很多,大概30%會做tech,其中DS和engineer,PM都差不多10%,也聽說過有法國的小哥哥去了citadel的QR(據說全世界只有10個人)....找工作感覺刷題比較重要,上課的話可以接觸到很多最新的前沿的知識,有一段時間來沉澱自己的思考,把技術用100%的時間搞明白感覺以後在工作中就很難有這樣的導師/時間啦.個人的建議是多多上課,感覺斯坦福的課程質量都超級棒, 和每個老師都能學到很多.Relevant並且上過的課程：CS: 106B, 107, 108,142, 224n, 229, 231n, 246MS&E: 211(優化), 226(簡單的統計學習), 346(RL 但是感覺要比CS234容易一些 作業也沒那麼多, 但是338就很theoretical了 取決於大家的興趣)

Civil and Environmental Engineering

是否為STEM ： 是

時長：3-6個quarter

畢業要求：45學分，專業課學分要求視方向而定，目前有對cs課越來越限制的趨勢（eg：要求45學分里最多只能有3門cs課）

轉CS策略：

  • L同學：1.重要時間節點：-剛開始沒有決定轉碼，抱著試一試的心態18 winter選了106a，結合考慮到本專業的就業情況決定轉碼。所以遺憾錯過了第一年的秋招和春招，暑期沒有實習，在stanford summer academic center做tutor，類似於106a 和106b的TA. 同時暑期也重點刷題準備秋招。-18fall考慮延畢一學期，投暑期實習，刷題面試，同時在一家startup做兼職前端實習。-19win找到intern，轉投全職。2.選課建議：-鑒於現在環境系選課要求越來越嚴，建議盡量珍惜可選的cs學分，早做計劃，早做打算。-Peter和Jacobson的課相對較水，比較推薦。另外fluid mechanics相關推薦cee262E,其他課難度都偏大，比較花費時間。-本人選課：cs106a, stats216, cs106b, cs142, cme193, cs108, cs145, cs246, cs246H, stats290.
  • L同學：1. 時間線本科沒什麼基礎，到了研究生第二學期才開始轉，錯過了秋招春招機會，因此直接放棄美國實習機會，專攻國內大廠實習。由於國內對刷題要求不高，少量刷題後拿到菊廠實習。轉碼路線本來以深度學習為突破口，所以Spring學期上了CS230, CS231n，最後選的是計算機視覺組，做的是半研究半工業的內容。返校後在一家startup繼續做深度學習相關的內容，積累經驗。兩段實習結束後，明白自己能力在深度學習方面有限，而且不利於今後找工作，於是在春招改方向，投的職位改為 SDE。2. 國內大廠的時間線與要求：國內的實習開始時間和美國不一樣，大廠基本上3月開始接收簡歷，有內推當然好，但是網申也行。如果公司看到Stanford的背景的話一般都不會直接拒（就算skillsets並不相關），都會跟你聊聊。面試不考編程，最多就是口述一些簡單的演算法，但是會問很多過去的項目。面試又分為general 招聘和組招：菊廠給我的是 general 招聘，面試官考察的是我是否具備計算機基礎知識（演算法，數據結構等）。我也參加過組招，難度會大一些，因為面試官會問很多他們組需要的skillsets的知識，除非我們上過相關的課程，否則我們需要背下這些知識。3. 綜上建議：如果轉碼比較晚的同學建議考慮回國進大廠實習，一樣可以學到很多東西，對未來也有幫助在找大廠實習的時候，第一點就是要能把自己過去的項目講的非常透徹。第二點，對於不同的面試用不同的策略。如果是 general 招聘，則注意複習自己的基礎知識；如果是組招，除基礎知識外，還要注意複習那個組要求的skillsets。建議大家從一開始就確定自己的方向，是SDE還是MLE，這樣一來選課會比較有針對性，選課內容可以參考其他同學的。

Mechanical Engineering

是否為STEM ： 是

時長：5-6 quarter

畢業要求：3 depth courses, 2 breadth courses, at least 24 ME units, 2 math courses and in total not less than 45 units

轉CS策略：

  • H同學：ME program可以說是Stanford graduate program當中課程要求較松的項目。course advisor和staff都比較好說話，只要符合program上的那些硬性要求（已列在畢業要求中），幾乎凡事都可以商量。比如把cs229，ee364a當做數學課，比如把multi-robot system，AA274當做robotics depth的課，這樣的petition幾乎都能過。我自己是robotics depth，可能算半個轉碼的吧，自己選過cs106b是寫碼的課，然後目前有audit cs161。據真正轉碼的同學說，cs161是不推薦的，我也不便多說。如果對robotics感興趣，尤其想找autonomous driving的工作，推薦上AA274，這是一門overview course，包含了autonomous driving的各個方面，control，perception，localization，planning都有涉及，final team project是寫ros用一個mobile robot來做一個任務，會把以前學過的知識，包括寫過的code結合起來。這門課是一個很好的入門課程。然後針對各個領域，如果對perception感興趣可以選cs231n，對localization感興趣可以選AA273 filtering，planning and control可以上AA228 decision making。 Stanford開的這些專業性更強的課程，並不像其他學校那樣是專門幫你找工作用的，更多的是教你這些應用的理論基礎，所以找這方面的工作還是不可避免的要刷題。如果想做robotics的research，如果對haptics感興趣，可以選Haptics system當做敲門磚，或者直接找allison。如果對robotics manipulation感興趣，可以上oussama教的cs223a和cs327系列。我當時進oussama組干過一段時間，就是因為他們會招上cs223a的學生做project。oussama組是robotics mechanical design和control, planning相結合的。jeannette bohg也會教cs223a這門課，也可以跟她套磁一下。如果想找jeannette還可以專門上她的cs326，基本是讀paper和寫proposal的課，她會從這門課里挑學生。如果想做machine learning，cs229是必選的，cs221據說評價沒有229好，但是適合入門。另外還有cs231n是結合cv，cs224n是結合了nlp，cs234是reinforcement learning，大家各取所需就行。

Chemical Engineering

是否為STEM ： 是

時長：5-6 quarters

畢業要求：Four (4) Chemical Engineering core graduate lecture courses. An additional four (4) Chemical Engineering graduate-level lecture courses. Three (3) units of CHEMENG 699 Colloquium An additional 18 units, selected from graduate-level science, math, or engineering lecture courses (3 units or more) in any appropriate department.

這個是2018年新入學的MS的要求，17年之前是不需要4門化工專業課的，也就是說有總共30學分的graduate level選修課，但是現在只有18學分選修了。

轉CS策略：

  • X同學：我當時的化工專業選課很自由，但是必須得是 graduate level 的課(2開頭及以上)，所以轉碼基礎課就上的比較少，選的比較多的是AI相關的課程，後來暑期實習也做的NLP相關。化工的core都比較難，而且也看老師，且化工系人每屆中國人比較少，建議抱緊小夥伴大腿。對於新入學（只有18學分選修）的同學，可以參考材料系同學選的課程。本系水課推薦 yoon 教授的所有課，本人沒有上過，但是其他同學都說比較水。2017 Fall: CS 106B (3), CS 145 (3), STATS202 (3) CHEM699(1)2018 Winter: CS 224N (3), CS 246 (3), CHEM310 (3), CS 246H (1)2018 Spring: CS 230 (3), CHEM 355 (3), CHEM 320 (3), CHEM699 (1)2018 Fall: CS 229 (3), CS 221 (3), CHEM 340 (3), CHEM699(1)2019 Winter: CS 248 (3), MATSCI 256 (3)2019 Spring: CS 231N (3)

Education (Learning, Design & Technology)

是否為STEM ： No

時長：4 quarters

畢業要求：45 units. 相對比較寬鬆，cs的課程都可以作為選修課

轉CS策略：

  • H同學: 目前在Yahoo Fantasy Sports從事安卓開發- 個人決定轉專業比較晚，到春季學期才下定決心，所以其實錯過了暑期實習的申請季，在找fulltime的時候沒有一個summer intern感覺還是比較吃虧的。主要是轉專業簡歷不紮實，很多公司會直接拒簡歷。所以建議大家提前思考和決定是否要轉碼。-我因為一直是讀文科，所以理工科基礎相對薄弱，在選課中都是選了一些偏寫碼和演算法的基礎課程(106b, 108, 110, 161, 142)，沒有涉及任何aiml相關的領域。在找工作的時候，也大多是投偏前端的崗位。我覺得對我來說就是量力而為吧，方便集中發力，實現找到工作的目標。-刷題還是最重要的，需要找到適合自己的方法，然後就是下苦功吧。-我的timeline：3月決定轉碼；4-6月找了一份和自己專業相關的startup實習，開始上手編程，逐步過渡；6-9月開始刷題，9月集中刷題，9月底拿到offer。

推薦閱讀：

相关文章