UC Berkeley本科 CS & Applied Math测评
337316
题主现在大三 上过10+门CS/Math/DATA高阶课。到现在最后悔的一点就是double major math。学lower div时, MATH 53 54 55感觉挺简单，比61系列学起来轻松，以为自己有学数学的天赋，加上周围看很多有实力的人都是双专业，就学了math。上到113(抽代)104(analysis)的时候很痛苦，尽管能拿A，全靠找同学要过往卷子+选最放水教授+5ying背作业和书本证明。课上完了啥也没理解到。而且上到现在这个程度把math major drop了也觉得很亏，毕竟只差两节课结束了。因为前两年都在上双专业的课，到了大三下学期才开始真正接触到当下热门的deep learning, CV, LLM科研和课程。再声明一下题主在上大学前只学过AP计算机，自学几个月参加过AMC数学竞赛，绝对谈不上有天赋，但对待学习一直还是比较认真，愿意学新东西，愿意花时间解决有挑战性的问题。
大二的时候我还选了很多data相关的课程，现在看来其实是浪费时间。CS的课都会更challenging，学到更多东西，这也浪费了不少时间。当然我是从学知识的角度来分析，如果为了好拿分和workload更低，data课是更好的选择。
如果再来一次，我会只学CS，大二结束前上掉170(algo), 189(ML), 126(Probability), 127(optimization)，学懂这些课应该能看懂大部分非theory AI paper里的数学。大三结束前上掉162(OS), 182(DL), 毕业前根据自己的兴趣上掉184(graphics)/288(NLP)/280(CV)/285(RL)。
对于找科研来说，尤其是AI相关，Berkeley非常的competitive。我是在大二暑假找到了第一段科研，然后大三跳槽去了另一个组。由于Berkeley AI教授都很忙，学生太多，基本都是postdoc/phd带本科生。所以遇到一个好的phd mentor至关重要。有的时候research proj做不出来不是自己的问题，而是缺乏正确/细致的引导。要勇于多去联系不同的组，找到适合自己/愿意在本科生身上花时间的mentor。做research是一个比较大的time commitment，我觉得一周要花15-20+ hr才会可能有一些进展。所以到了大三如果research和找工双开的话是很忙的，我现在还有double major课程上的压力，就过的很痛苦。。。对了，Berkeley找AI科研基本都是去email grad students，看他们主页上带不带本科生，给prof陶瓷很难得到回复。至于我为啥要做科研，这只是单纯觉得AI的一些concepts非常cool，也是时代的潮流，就想多学习一下。加上AI科研相比其他领域对本科生更友好。如果对这方面没有兴趣，没有必要卷这个。我大一大二的时候啥也不懂还想读phd，做了大半年科研后发现可能master更适合我。
找工作方面，如果加入了tech club或者UPE/HKN这种honor society(GPA top 30%自动加入)，里面应该会有内部的referral network。没有加也没关系，（本人tech club投10个一个面试都没拿到）直接去LinkedIn找看起来nice的校友要内推就好，大家一般都会回复的。
题主觉得学习/找工固然重要，但mental health才是最重要的。我在大三上学期的一个多月里彻底burntout了，因为workload实在太大，加上科研被放养没有任何进展，非常无助。那一个多月基本没有去上课，作业都是随便煳弄，每天都很难受。所以预估自己的能力和安排好自己的时间精力，做到劳逸结合也很重要。
社交方面本人比较失败，并没有一个很好的friend group，跟同学的interaction基本仅限于上课了。。如果能有一些知心的朋友，大家相互support也会减轻压力，过的更开心。
当然总的来说，尽管非常competitive，我在Berkeley见到了很多厉害和聪明的同学，更加清晰的认识到了自己。也学到了很多东西。等我毕业了再来完善一下这个帖子，希望能帮助到同学们。go bears!
求加米！！！想看面经😭
大二的时候我还选了很多data相关的课程，现在看来其实是浪费时间。CS的课都会更challenging，学到更多东西，这也浪费了不少时间。当然我是从学知识的角度来分析，如果为了好拿分和workload更低，data课是更好的选择。
如果再来一次，我会只学CS，大二结束前上掉170(algo), 189(ML), 126(Probability), 127(optimization)，学懂这些课应该能看懂大部分非theory AI paper里的数学。大三结束前上掉162(OS), 182(DL), 毕业前根据自己的兴趣上掉184(graphics)/288(NLP)/280(CV)/285(RL)。
对于找科研来说，尤其是AI相关，Berkeley非常的competitive。我是在大二暑假找到了第一段科研，然后大三跳槽去了另一个组。由于Berkeley AI教授都很忙，学生太多，基本都是postdoc/phd带本科生。所以遇到一个好的phd mentor至关重要。有的时候research proj做不出来不是自己的问题，而是缺乏正确/细致的引导。要勇于多去联系不同的组，找到适合自己/愿意在本科生身上花时间的mentor。做research是一个比较大的time commitment，我觉得一周要花15-20+ hr才会可能有一些进展。所以到了大三如果research和找工双开的话是很忙的，我现在还有double major课程上的压力，就过的很痛苦。。。对了，Berkeley找AI科研基本都是去email grad students，看他们主页上带不带本科生，给prof陶瓷很难得到回复。至于我为啥要做科研，这只是单纯觉得AI的一些concepts非常cool，也是时代的潮流，就想多学习一下。加上AI科研相比其他领域对本科生更友好。如果对这方面没有兴趣，没有必要卷这个。我大一大二的时候啥也不懂还想读phd，做了大半年科研后发现可能master更适合我。
找工作方面，如果加入了tech club或者UPE/HKN这种honor society(GPA top 30%自动加入)，里面应该会有内部的referral network。没有加也没关系，（本人tech club投10个一个面试都没拿到）直接去LinkedIn找看起来nice的校友要内推就好，大家一般都会回复的。
题主觉得学习/找工固然重要，但mental health才是最重要的。我在大三上学期的一个多月里彻底burntout了，因为workload实在太大，加上科研被放养没有任何进展，非常无助。那一个多月基本没有去上课，作业都是随便煳弄，每天都很难受。所以预估自己的能力和安排好自己的时间精力，做到劳逸结合也很重要。
社交方面本人比较失败，并没有一个很好的friend group，跟同学的interaction基本仅限于上课了。。如果能有一些知心的朋友，大家相互support也会减轻压力，过的更开心。
当然总的来说，尽管非常competitive，我在Berkeley见到了很多厉害和聪明的同学，更加清晰的认识到了自己。也学到了很多东西。等我毕业了再来完善一下这个帖子，希望能帮助到同学们。go bears!
求加米！！！想看面经😭
16条回复