斯坦福大学位处矽谷，选课自由，是世界上最适合转码的学校之一。我本人是材料系17级Master，目前已经转码。在转码的路上我遇到了许多热心的学长学姐，靠谱的小伙伴，感受过成功的喜悦也有失败的痛苦，也得到了许许多多的经验教训。因为每年新生和老生之间都会重复出现大量的「学长，这学期怎么选课呀」，「学姐，我现在转码应该做哪些准备呢」这样的对话，于是在十几位17级各专业Master转码的学长学姐的支持下，我们整理了一份简单的Stanford转码选课指南。希望能够对学弟学妹们有所帮助。

本文的作者们几乎都来自与写码没有直接关系的本科，属于「转码」。本科是Math, Stats等相关专业的同学会有更适合于你们的求职路线。所有内容均来自作者们个人观点。

任何想参与补充的学长学姐都可以私信我，文档会随时更新。感谢各位热心的同学们！

Materials Science & Engineering

是否为STEM ： 是

时长：3-6 Quarter

毕业要求：共45学分，其中30学分必须为材料课程（均与CS、数学无关）。其余15学分无专业限制（但最多只能有一门100level）

转CS策略：

  • Y同学：上满6个学期，每学期10分以内的话可以上6×3=18门课程，理论上可以至少上8门CS课，实际上如果超过10分多选可以10门以上 ，在数量上已经足够找到CS工作。假如能够成功延毕一个Quarter还可以上更多。如果已经下定决心转码，建议在入学前即完成刷题准备（这样就不必选CS106A, 106B了）。第一年尽量多选CS课有利找工作，第二年再补必修材料课。（假设此前没有CS基础）前两个学期，也就是找实习的主要时间：Web方向建议选择CS142(web application), CS108(Android), CS145(Database);System方向建议选择CS107, CS110(system);AI 方向建议选择CS221(AI), CS224N(NLP), EE263(linear algebra), EE364A(convex optimization);

    数据方向建议选择 Stats202, CS246(Data Mining);

    第三学期：可以选择CS231N(CV), CS229(ML), CS224U(NLP)第四学期：建议多选材料水课，全职期间应将主要精力放在刷题找工作而不是上课上。后面两学期：根据找到的工作和兴趣自行协调选课方向。
  • Z同学：6个学期毕业，其中有两个学期超过了10学分～以下是具体安排（课号对应的具体课程可以去stanford carta上查询），之后会附上这样选课的理由：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)选课理由：前两个学期是找实习最关键的时期～如果之前没有相关的CS背景，建议上大量的CS课来丰富自己的简历内容（我同时选了MATSCI非常水的两门专选，以便于有时间找实习和刷题～）我是在2018 Winter的时候正式拿到了F家的实习，所以之后Spring quarter疯狂补了一波材料系要求的课程，同时选了CS 142来巩固我full stack相关的知识，事实证明这一部分对于我的实习还是有著非常大的帮助的～之后暑假拿到return offer，秋季学期有太多想上的好课，同时因为不再需要找工作，想多学一些machine learning相关的知识（感觉会对未来的职业发展有更多的帮助），所以就选了CS221, STATS 202以及和database相关的CS145～最后两个学期就是佛系补补材料系的core，同时尊重一下stanford ML的两大神课CS224N (NLP)和CS231N (CV)啦～下面是一个贴心的分类（都只是basic的很实用的作为software的必修课程，如果你想在某一个方面深入研究，比如ML，还有很多高阶课程可以选）材料系相对简单的core：MATSCI 203, MATSCI 206, MATSCI 208, MATSCI 209, MATSCI 210, MATSCI 171, MATSCI 174, MATSCI 175材料系相对简单的选修：MATSCI 303, MATSCI 316, MATSCI 331, MATSCI 343Product相关的CS课程：CS 108 (Android), CS 142 (Web)Data相关的CS课程：CS 145, CS 246Infra相关的CS课程：CS 107, CS 110, CS 140演算法课：CS 161

    ML相关的CS课程：CS 221, CS 229, CS 224N, CS 231N

    另外转码最重要的还是刷题呀，CS 106B的演算法和数据结构我感觉已经足够用了，想学更多演算法的话可以考虑CS 161 （听说上完的话所有面试都不怕了），然后就是和leetcode进行漫长的纠缠，建议做好刷题笔记回头再看会非常省时间～最后祝学弟学妹们转码顺利，拿到想要的offer～
  • H同学：入学的时候打算继续申请材料PhD，进ChemE组搬砖，第一个 summer 后决定转码。第二年暑假实习（full stack），七个 quarter 毕业。Timeline: 2016 Fall: MatSci 203, MatSci 303, CS 106A;2016.12进组搬砖;2017 Winter: MatSci 206, EE 216, ChemE 240;2017 Spring: MatSci 202, MatSci 343, CS 106B, CME 193;

    2017 Summer: 搬砖，决定转码;

    2017 Fall: CS 145, CS 221, CS 229;2018 Winter: CS 107, CS 161; MatSci 320; 找实习;2018 Spring: CS 142, CS 231N, MatSci 175, MatSci 209, MatSci 316; 继续找实习; 2018.4收到实习offer; 2018 Fall: CS 108, MatSci 174; 找 full-time;2019.1收到offer.选课策略：材料转码建议从基础课开始学习，以丰富简历及提升面试技能为主。CS106A面向毫无编程经验的同学，难度不大建议自学。CS106B学基本演算法与数据结构，学完之后就可以开刷LeetCode了。CS161理论性比较强，对面试技能提升有限（性价比不高），不建议在找实习阶段学。与 Software Engineer 工作技能点相关的CS课程主要有 CS108 (OOD & Android)，CS142 (Web App), CS145 (Database)。这三门课也都有可以写进简历的Project，学完之后对拿到面试帮助很大，建议优先选。Systems & Networks相关的课程包括 CS107，CS110，CS140，CS144等，这些课程与 Site Reliability Engineer 岗位契合度较高。不过 SRE 岗机会相对于 Software Engineer少，而且较少向 new graduate 开放。据我所知材料系转码没人选择这个方向，稳妥起见不建议考虑。拿到 Offer 之后可以考虑选 CS110 补充 systems 基础知识。由于AI/ML相关岗位竞争激烈且一般要求 research 经历，以找到工作为目的的话不建议优先学习AI/ML相关课程，包括 CS221，CS229，CS230，CS224N，CS231N，CS228，CS234，CS238 等。

    MatSci Master 毕业要求中包括5门相关 Engineering 课程，其中四门要求课号以2开头，可以考虑选学上述AI课程或者 CS246。这些课质量很高，也有可以写进简历的 project，不过 workload 较重，不建议安排在找工作关键期。

    材料系本专业课程选择只有两个标准：难度低，workload低。具体课程选择可以参考 carta.stanford.edu/ 或者问学长学姐，也可以考虑自身本科背景。本专业课程建议安排在找 Full-time 的关键期（第二个 Autumn & Winter），从而把更多时间用于刷题和面试。具体课程介绍请参考以下网站explorecourses.stanford.edu; exploredegrees-nextyear.stanford.edu 投简历策略：投简历拿面试概率较高的渠道主要是内推和学校 career fair。公司官网/ LinkedIn 上投简历也偶尔能收到面试不过成功率不高。找内推可以联系认识的学长学姐，也可以在 LinkedIn 上找。投简历/面试期间建议重点关注一亩三分地 1point3acres.com/bbs/ 的美国面经版和晒工资抖包袱版。面经版主要用于面试准备，运气好的话可以碰到原题。有的公司（如Airbnb）题库不大（特别是OA轮），经常可以做到面试前就在电脑上写好 code。抖包袱版帖子一般会写明面试的 timeline，参考往年数据方便自己安排面试。大公司一般八月到九月就会开放 intern 和 full-time 的申请，十月起会有人陆续接到 offer，十二月圣诞假期前大公司秋招就进入尾声了。即便自己觉得没有准备好，也应当尽量早投出简历，不要等到十月初学校的 career fair 再行动。首先是因为每年招人 headcount 有限，拖到后面招聘标准也会水涨船高；二是一般大公司面试周期较长（如Google），晚投简历很有可能赶不上寒假前的 onsite。投简历与面试安排需要遵循一个原则：使 onsite 时间尽量集中。一般公司在 onsite 一两周内（也存在需要一个半月的极端情况）发 offer，之后会再给你一到三周决定接不接。如果面试时间安排跨度太大，可能会出现由于一家公司的 offer deadline 到了而来不及面其他公司的情况，不得不拒掉不错的 offer 或者鸽了理想公司的面试。因此，投简历之前有必要大概规划一下 timeline，集中面试集中收 offer，方便自己比较各个公司的 package，也可以让各家公司 compete package，闷声发大财。

    关于延期毕业：

    我在第二年的 spring quarter 提交了延期毕业申请，延长至7个 quarter 毕业。延期毕业申请要求 advisor 和 department 同意。如果 advisor 比较严格，你可能需要解释为什么没有如期达到毕业要求（选了很多毕业无关的CS课）。据我所知我们这届 MatSci 三人申请延期毕业，只批准了两个。总之，申请延期毕业有相当的风险，尽量避免。

Statistics

是否为STEM ： 是

时长：最多3个学年

毕业要求：8门Stats必修课，1门数学课，一门programming基础课：letter grade；其他课程可算作选修课：grading方式不限

转CS策略：

选课（CS相关课程）：

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相关position的建议：

可以多补充Data Mining（stats 202， 216， 315B），Machine learning（CS 229）的知识；

熟练使用SQL和python，以及灵活应用统计学知识，多做projects；

培养一些product/business sense；

可以把leetcode里面的easy题有针对性的刷一遍；

找Software Engineering position的建议：

如果之前没有编程经验，没有学习过演算法，可以先上CS 106B打个基础；

Leetcode题要尽早开始刷，并且有针对性的刷，可以多逛逛一亩三分地看看面经；

多做project，有一些handson的experience，这样对于编程能力以及演算法理解都有很大的帮助；

推荐课程：CS 108，CS142， CS 246， CS 107/110，CS 221

Electrical Engineering

是否为STEM ： 是

时长：5-6 quarter

毕业要求：45学分

转CS策略：

  • L同学本科学过Python入门，没有java基础，没有C++基础。转码的话，简历靠选课，面试靠刷题。IT公司软体工程师面试其实也是千军万马过独木桥，死刚刷题才是硬道理。我的题目刷得也不多，所以给不了什么好的经验。选课方面讲道理，EE的选课要求真的很松，所以基本你想学什么就学什么。以下是一点心得。CS106B没什么用，因为教的是斯坦福自己的C++library，这个library极大地简化了C++的写法，你在工业界不会用到的。建议上另一个106，用C++ standard library的那个。CS145这门课其实挺好的，可以教你SQL的基本用法，只可惜我们当时碰上了一个教课很一般的教授。SQL这个东西有时候还是会面到的，所以学学也没什么坏处。机器学习方面的课有很多，CS229，CS230，CS231N，CS224N，CS234。个人感觉CS230没什么用，还不如在coursera上学，反正是一样的课。如果只想纯做软体工程师的话，机器学习的课程可学可不学。但是既然来了斯坦福，为何不学学？除此之外，CS的基础课很有必要学一学，CS107，CS108这种课有时间还是学一下比较好。不过这些课用的时间都很多，加上机器学习的课也有大project，如果不想做一个坑队友的人，还是安排好自己的时间比较好。
  • Z同学：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同学和G同学:找工作刷题还是很重要。如果能来到斯坦福感觉在career fair投一波简历，再加上招人内推都能拿到不少面试。题目刷好才能把面试转成offer。刷题除了leetcode以外一亩三分地的面经题也很重要。也有人总结了近期公司的高频题，自己面试完也可以发帖说一下给社区做贡献。斯坦福大部分课程都偏理论，刷题说白了有点像高考，学校可能没有那么看中（毕竟也早已过了高考的时候）。相对来说有帮助的是CS161，能学一遍cs基本演算法。但是cs161也很理论，面试的时候根本用不到那么多东西。说了面试官也未必能听懂。其它的课程前面几位同学都总结的很好。EE选课比较轻松，又因为要选15门课毕业所以大家选的课都很类似。
  • Y同学:上过的课：System: CS110, CS140开发 : CS142, CS145ML&DL&DM: CS246, CS231N, CS341, CS224NTheory : CS229T, CS368其他：CS251, CS248, EE364A, Psych221我各种方向的课都选过一些，感觉stanford的教学质量还是很好的，上过的课都没什么雷（除了个人不大喜欢142，教授讲得过于沉闷）。ML/theory相关的课给分都很高，system的课会稍微难拿A一些.一些关于找工作的建议：如果只想当general sde，最重要的还是刷题，我intern面试和fte面试的大部分面过的公司还是考演算法题为主。如果想去hedge fund， system和c++比较重要。比如two sigma和citadel，我面试的时候几乎没被问过演算法题，主要是system知识。如果打定主意想找ml related的职位，斯坦福的master也是有机会的。这方面我的个人经验是apple会愿意招master当ml engineer。此外一些二线的公司如walmart labs, adobe也过了我的ml简历。如果找这样的职位就要在ml基础知识(stanford courses should be enough)和ml design(一亩三分地或者其他地方的面经里有很多)上下功夫。

Management Science & Engineering

是否为STEM ： 是

时长：Flexible, usually 4-6 quarters

毕业要求：45学分, 27学分专业课

转CS策略：

  • X同学:MS&E课程设计很灵活,选课的顺序也没有要求,毕业生去向也有很多,大概30%会做tech,其中DS和engineer,PM都差不多10%,也听说过有法国的小哥哥去了citadel的QR(据说全世界只有10个人)....找工作感觉刷题比较重要,上课的话可以接触到很多最新的前沿的知识,有一段时间来沉淀自己的思考,把技术用100%的时间搞明白感觉以后在工作中就很难有这样的导师/时间啦.个人的建议是多多上课,感觉斯坦福的课程质量都超级棒, 和每个老师都能学到很多.Relevant并且上过的课程：CS: 106B, 107, 108,142, 224n, 229, 231n, 246MS&E: 211(优化), 226(简单的统计学习), 346(RL 但是感觉要比CS234容易一些 作业也没那么多, 但是338就很theoretical了 取决于大家的兴趣)

Civil and Environmental Engineering

是否为STEM ： 是

时长：3-6个quarter

毕业要求：45学分，专业课学分要求视方向而定，目前有对cs课越来越限制的趋势（eg：要求45学分里最多只能有3门cs课）

转CS策略：

  • L同学：1.重要时间节点：-刚开始没有决定转码，抱著试一试的心态18 winter选了106a，结合考虑到本专业的就业情况决定转码。所以遗憾错过了第一年的秋招和春招，暑期没有实习，在stanford summer academic center做tutor，类似于106a 和106b的TA. 同时暑期也重点刷题准备秋招。-18fall考虑延毕一学期，投暑期实习，刷题面试，同时在一家startup做兼职前端实习。-19win找到intern，转投全职。2.选课建议：-鉴于现在环境系选课要求越来越严，建议尽量珍惜可选的cs学分，早做计划，早做打算。-Peter和Jacobson的课相对较水，比较推荐。另外fluid mechanics相关推荐cee262E,其他课难度都偏大，比较花费时间。-本人选课：cs106a, stats216, cs106b, cs142, cme193, cs108, cs145, cs246, cs246H, stats290.
  • L同学：1. 时间线本科没什么基础，到了研究生第二学期才开始转，错过了秋招春招机会，因此直接放弃美国实习机会，专攻国内大厂实习。由于国内对刷题要求不高，少量刷题后拿到菊厂实习。转码路线本来以深度学习为突破口，所以Spring学期上了CS230, CS231n，最后选的是计算机视觉组，做的是半研究半工业的内容。返校后在一家startup继续做深度学习相关的内容，积累经验。两段实习结束后，明白自己能力在深度学习方面有限，而且不利于今后找工作，于是在春招改方向，投的职位改为 SDE。2. 国内大厂的时间线与要求：国内的实习开始时间和美国不一样，大厂基本上3月开始接收简历，有内推当然好，但是网申也行。如果公司看到Stanford的背景的话一般都不会直接拒（就算skillsets并不相关），都会跟你聊聊。面试不考编程，最多就是口述一些简单的演算法，但是会问很多过去的项目。面试又分为general 招聘和组招：菊厂给我的是 general 招聘，面试官考察的是我是否具备计算机基础知识（演算法，数据结构等）。我也参加过组招，难度会大一些，因为面试官会问很多他们组需要的skillsets的知识，除非我们上过相关的课程，否则我们需要背下这些知识。3. 综上建议：如果转码比较晚的同学建议考虑回国进大厂实习，一样可以学到很多东西，对未来也有帮助在找大厂实习的时候，第一点就是要能把自己过去的项目讲的非常透彻。第二点，对于不同的面试用不同的策略。如果是 general 招聘，则注意复习自己的基础知识；如果是组招，除基础知识外，还要注意复习那个组要求的skillsets。建议大家从一开始就确定自己的方向，是SDE还是MLE，这样一来选课会比较有针对性，选课内容可以参考其他同学的。

Mechanical Engineering

是否为STEM ： 是

时长：5-6 quarter

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

转CS策略：

  • H同学：ME program可以说是Stanford graduate program当中课程要求较松的项目。course advisor和staff都比较好说话，只要符合program上的那些硬性要求（已列在毕业要求中），几乎凡事都可以商量。比如把cs229，ee364a当做数学课，比如把multi-robot system，AA274当做robotics depth的课，这样的petition几乎都能过。我自己是robotics depth，可能算半个转码的吧，自己选过cs106b是写码的课，然后目前有audit cs161。据真正转码的同学说，cs161是不推荐的，我也不便多说。如果对robotics感兴趣，尤其想找autonomous driving的工作，推荐上AA274，这是一门overview course，包含了autonomous driving的各个方面，control，perception，localization，planning都有涉及，final team project是写ros用一个mobile robot来做一个任务，会把以前学过的知识，包括写过的code结合起来。这门课是一个很好的入门课程。然后针对各个领域，如果对perception感兴趣可以选cs231n，对localization感兴趣可以选AA273 filtering，planning and control可以上AA228 decision making。 Stanford开的这些专业性更强的课程，并不像其他学校那样是专门帮你找工作用的，更多的是教你这些应用的理论基础，所以找这方面的工作还是不可避免的要刷题。如果想做robotics的research，如果对haptics感兴趣，可以选Haptics system当做敲门砖，或者直接找allison。如果对robotics manipulation感兴趣，可以上oussama教的cs223a和cs327系列。我当时进oussama组干过一段时间，就是因为他们会招上cs223a的学生做project。oussama组是robotics mechanical design和control, planning相结合的。jeannette bohg也会教cs223a这门课，也可以跟她套磁一下。如果想找jeannette还可以专门上她的cs326，基本是读paper和写proposal的课，她会从这门课里挑学生。如果想做machine learning，cs229是必选的，cs221据说评价没有229好，但是适合入门。另外还有cs231n是结合cv，cs224n是结合了nlp，cs234是reinforcement learning，大家各取所需就行。

Chemical Engineering

是否为STEM ： 是

时长：5-6 quarters

毕业要求：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.

这个是2018年新入学的MS的要求，17年之前是不需要4门化工专业课的，也就是说有总共30学分的graduate level选修课，但是现在只有18学分选修了。

转CS策略：

  • X同学：我当时的化工专业选课很自由，但是必须得是 graduate level 的课(2开头及以上)，所以转码基础课就上的比较少，选的比较多的是AI相关的课程，后来暑期实习也做的NLP相关。化工的core都比较难，而且也看老师，且化工系人每届中国人比较少，建议抱紧小伙伴大腿。对于新入学（只有18学分选修）的同学，可以参考材料系同学选的课程。本系水课推荐 yoon 教授的所有课，本人没有上过，但是其他同学都说比较水。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)

是否为STEM ： No

时长：4 quarters

毕业要求：45 units. 相对比较宽松，cs的课程都可以作为选修课

转CS策略：

  • H同学: 目前在Yahoo Fantasy Sports从事安卓开发- 个人决定转专业比较晚，到春季学期才下定决心，所以其实错过了暑期实习的申请季，在找fulltime的时候没有一个summer intern感觉还是比较吃亏的。主要是转专业简历不扎实，很多公司会直接拒简历。所以建议大家提前思考和决定是否要转码。-我因为一直是读文科，所以理工科基础相对薄弱，在选课中都是选了一些偏写码和演算法的基础课程(106b, 108, 110, 161, 142)，没有涉及任何aiml相关的领域。在找工作的时候，也大多是投偏前端的岗位。我觉得对我来说就是量力而为吧，方便集中发力，实现找到工作的目标。-刷题还是最重要的，需要找到适合自己的方法，然后就是下苦功吧。-我的timeline：3月决定转码；4-6月找了一份和自己专业相关的startup实习，开始上手编程，逐步过渡；6-9月开始刷题，9月集中刷题，9月底拿到offer。

推荐阅读：

相关文章