美国读研一年30万够吗？

瑞金盛留学网小编给大家带来了美国读研一年30万够吗？相关文章，一起来看一下吧。

本文目录一览：

• 1、留学美国：申请美国牛校CS专业PhD难度解析
• 2、美国读研一年30万够吗？
• 3、美国留学CS

留学美国：申请美国牛校CS专业PhD难度解析

前言：本文主要是针对普通学校学生留学美国申请美国牛校CS专业PhD的，美国大学在招生国际学生时一个很大的考虑是差异性，当中国学生的数量上升至饱和时。我们的竞争对手便不再是美国本土学生或者印度学生了，而是来自中国的同胞，来自一个学校的学生，尤其是同一个实验室的学生。在这一点上，清华大学等学校的申请者肯定深有体会。在巨大的申请压力下，勤劳的中国学生常常会用应试的能力把一件事情做到畸形的极致，比如TOEFL，GRE，套磁，甚至出现了大规模的、针对优秀学生的申请专业培训。

现在中国的优秀学生中，越来越多的人对美国留学申请认识更透彻，也做得更专业。但是，有如此巨大比例的中国优秀学生申请国外PhD这件事本身，就是极其异常的。在申请之前，或许应该想清楚你念PhD究竟是为什么，你有没有别的路可以帮你达到这个目的;甚至，这个目的本身，究竟值不值得你去为之付出。

在清醒的认识申请之前，请先清醒的认识自己的人生。

美国牛校CS专业PhD申请难度解析：

很多进行美国留学申请的人(包括一些美国学校)都相当在意USnews ranking。对于newcomer来讲，USnews ranking其实是有一定的误导性的。我仅就自己的感受和一些流传下来的说法随便八卦一下我比较熟的topCS学校(没有点评到的可能是我不清楚的学校)。同一个系列的学校从很多方面而言都差不多。当然，对于PhD而言，最重要的永远是individual faculty。

超级难申超级优秀超级全面系列：Stanford/UC Berkeley/MIT

这三个学校在research上非常全面，几乎没有弱项。尤其是MIT的工作，相当有impact。这三个学校reputation相当优秀，申请难度很大。细说的话，MIT稍微比Stanford和Berkeley好申一些，Stanford最难。对于MIT/Stanford，我私认为是光凭自身硬件搞不定的(可能THU除外)。我听说过的所有国内学生申请成功的例子，除了自身硬件牛以外，都是由有internationalreputation的prof(很多还不止一个)强力推荐。当然，这两个条件本身就有很大的关联性。

超级难申超级优秀系列：Caltech/Harvard

没错，排在第二档就是Caltech和Harvard这两个USnews十名开外的学校。这两个学校无论从reputation，faculty质量还是申请难度来说，绝对和上面三个不相上下。但是由于department比较小，所以ranking不是很高。Caltech总共只有15个prof，可以说是每个人独当一面。Harvard的强项是theory，不够全面。但是，如果你的运气好到在这两个学校刚好有match的prof的话，那么，如果没有上面三家的offer，我建议优先考虑这两家。

非常难申非常优秀超级全面系列：CMU

CMU可以说是计算机类学校中的一枝奇葩，schoolof computer science下6个department。Research相当全面，水平也很高，尤其是AI相关的方向。CMU因为department比较大，招的人相对多，申请难度比上面5所小不少。但是仍然是甩开后面学校几条街的。

比较难申非常优秀系列：Princeton/Washington/Cornell/UIUC/Austin/Toronto

这6个学校reputation都相当好，research各有优势，princeton/washington的申请难度大于cornell/uiuc/austin/toronto。

Princeton的theory不错，department比较小，申请难度相对大，喜欢招thu pku的学生。

Washington的system一流，申请难度不知道为什么也比较大。

Cornell相对平均，theory不错，整体来讲感觉research有点偏理论。比如它家一个做ml的prof，就喜欢在COLT SODA上发paper。

UIUC是老牌engineering学校，system不错。不过我感觉UIUC的ranking跟departmentsize + 它家engineering的reputation有关。UIUCprof的权力相当大，陶瓷相对有用。

Austin的AI非常好，network有个相当牛的prof，其他不大清楚。

Toronto是这次唯一一个美国以外的学校。Toronto的reputation也相当好，faculty质量也很高，申请难度和这一档的其他美国学校相当。我个人觉得对于没有想清楚又无力自费美国ms的申请者，在CA念一个master作为缓冲是一个相当不错的选择。

比较难申ivy系列：Yale/Columbia/Brown

这三个是ivy里面剩下的比较靠前的学校。这三个学校faculty很多都是名校毕业，但是active的也不算多。Department很小，申请难度比较浮动，总体说来跟上面的那6所差不多。不过如果不是有特别喜欢的prof或者有ivy情结或者想转行的话，还是建议优先考虑上面那6个学校。

相对难申各有所长系列：Wisc/UCLA/UMD/UMich/UCSD/UMass/UNCC/UPenn

上面这一系列学校基本上reputation不错，research不够全面但是各有所长。申请难度跟申请者的学校背景关系比较大。其中UCLA比较难申。

Wisc DB不错，不过去年似乎走了几个大牛。听说有人预言5年内跌出前20。虽然我觉得没有那么夸张，不过感觉确实在走下坡路。

UCLA的vision/network相当不错。加上UCLA有非常牛的应数支撑(对于CS而言，math比engineering重要多了)，和相当不错的地理位置，在这一档的学校中应该是稍有优势的。不足之处就是资金比较紧张，招的人相当少。

UMD的IR和AI不错，想做IR的也可以考虑一下它家的Schoolof Information。

UMich是老牌engineeringschool。感觉和UIUC比较像，不过明显要差一个档次。UMich的research整体偏engineering。DB应该还可以。另外做IR的可以考虑一下UMich的Schoolof Information，这个department基本上是全美top3的。

UCSD是system不错，而且学校出门5分钟就到海滩，相当有吸引力。

UMass的IR/AI相当好，尤其是AndrewMcCallum相当活跃。

UNCC的graphics/vision的faculty相当多，不过其他的方向就相当弱。

UPenn的AI不错，有名垂AI史的MichaelKearns坐镇。如果跟他的话走academic路线就基本没问题了。

比较独特的学校系列：Gatech

选校的时候，我把Gatech的faculty都点了一遍，居然没有找到一个感兴趣的。不仅是我，很多我认识的今年申请top学校的，包括os/db/network/ai/theory的人，都因为找不到感兴趣的faculty所以没有申请。这对于一个top10的学校而言，是很不正常的。

美国读研一年30万够吗？

雅思：目前普通学术类雅思考试的报名费用是2020元人民币，用于美国 签证及移民雅思考试的报名费是2070元人民币，复议费为1400人民币。其中普通学术雅思考试的考点比较多，一般省会城市都有考点，但是美国签证及移民雅思考试的考点就少很多，全国一共18个考点，所以抛出报名费，部分同学还会额外花费路费。
GMAT：2019年的报名费是1725元人民币，GRE：2019年的报名费是1456元人民币。
通常情况下，私立大学的读研费用要比公立大学的读研费用高一些。通过相关的调查，法学医学工科专业一年的读研费用大约在28000-45000美元之间。而公立大学的费用法学一学工科专业，一年的费用大约在13000-20000美元之间。这是美国公立大学和私立大学读研一年下来的学费。在美国留学一般很少会在校内住宿，大部分都是在外面自己租房子。

所以答案：其实是够的。
饮食上面大局部都是校内食堂停止供给的，留宿上面你可以选择校内宿舍，也可以选择在外租房子，通常情形下，大部分留学生都选择在外面本身和别人合租。每个月800-1000美金，已经能住的非常好了。相较于住校而言，可以省下一笔费用。然后就是书本和必需品，均匀在800美元左右。

交通上面也必要相干的费用，地铁的月票为81美元，一日无限乘车票的价钱为7.5美元。你可以按照本身的情形去进行办理。在外租房的费用两人住单人房，一个月约莫在400-800美元，若是是一房一厅，一个月约莫在900-1200美元。以上就是留学读研一年的费用。

瑞金盛留学网

美国留学CS

留学美国申请美国大学计算机专业(CS)的学生非常多。美国大学CS专业的研究分支也非常多，不同分支对学生的要求也会不同，因此，学生们要根据自己的条件选择适合自己的研究方向。本文主要对美国大学CS专业十三个分支方向做了详细的阐述，主要是美国计算机专业课程方面的。
一、体系结构、编译器和并行计算 Architecture, Compilers and Parallel Computing【我要咨询：专家答疑】
体系结构和编译器的研究主要集中在硬件设计，编程语言以及下一代编译器。
并行计算研究的包含范围很广，包括并行计算的计算模型，并行算法，并行编译器设计等。
二、系统与网络 Systems and Networking
可细分为：
(1)网络与分布式系统(Networking and distributed systems)：移动通信系统，无线网络协议(wireless protocols)，Ad-hoc网络，服务质量管理(Quality of Service management，QoS)，多媒体网络，计算机对等联网(peer-to-peer networking, P2P)，路由，网络模拟，主动队列管理(active queue management, AQM)和传感器网络(sensor networks)。
(2)操作系统(Operating system)：分布式资源管理，普适计算(ubiquitous computing/pervasive computing)环境管理，反射中间件(reflective middleware)，中间件元级操作系统(middleware “meta-operating systems”)，面向对象操作系统设计，允许单个用户与多计算机、对等操作系统服务交互的用户设计，上下文敏感的分布式文件系统，数据中心的电源管理，文件/存储系统，自主计算(autonomic computing)，软件健壮性的系统支持以及数据库的系统支持。
(3)安全(Security): 隐私，普适计算，无线传感器(wireless sensors)，移动式和嵌入式计算机，规范，认证，验证策略，QoS保证和拒绝服务保护，下一代电话通讯，操作系统虚拟化和认证，关键基础设施系统，例如SCADA控制系统和医疗，消息系统，安全网关，可用性安全。
(4)实时和嵌入式系统(Real-time and embedded systems)：开放式实时系统，Qos驱动的实时调度和通信协议，控制设计和实时调度整合，实时、容错和安全协议整合，网络化器件和智能空间的鲁棒动态实时构架。

三、理论与算法 Theory and Algorithms
计算机理论研究主要集中在算法和数据结构的设计与分析，以及计算复杂性的研究。具体包括最优化(optimization)，计算几何和拓扑(computational geometry and topology)，近似算法(approximation algorithms)，密码(cryptography)和安全计算(secure computation)，网络设计(network design)，数据挖掘(data mining)，机器学习(machine learning)，有限元网格生成(finite-element mesh generation)和自动化软件验证(automatic software verification)。
四、人工智能 Artificial Intelligence【我要咨询：专家答疑】
这个领域包含广泛的研究课题，包括知识表示，机器学习，计算机视觉，推理和机器人等。
知识表示(knowledge representation)：把知识按照一种有利于推理(得出结论)的方式表示出来。
机器学习(machine learning)：自动学习如何识别复杂模式并基于数据作出智能决策。
计算机视觉(computer vision)：使机器自动从图像和视频中提取信息并理解其中包含的视觉概念。
推理(reasoning)：学习推理的计算模型。
机器人(robotics)：工程学和机器人技术，以及它们的设计，制造，应用和结构配置。
五、编程语言 Programming Languages【我要咨询：专家答疑】
该领域的研究包括计算机语言的设计与实现，其目标是同时提高开发人员的开放效率和软件质量。包含如下一些课题：
(1)程序语言设计和实现(Programming Language Design and Implementation)：编译器优化(Compiler optimization)，语义(Semantics)，即时编译器(JIT complier)，域特定语言(DSL：Domain-specific languages)。
(2)编程环境和工具(Programming Environments and Tools)：监控(Monitoring)，程序员搜索引擎(Programmer search engines)，基于模型的设计(Model-based design)。
(3)程序分析和验证(Program Analysis and Verification)：模型检测(Model checking)，静态和动态分析(Static and dynamic analysis)，定理证明(Theorem proving)，实时系统的任务调度分析(Schedulability analysis for real-time systems)。
六、数据库与信息系统 Database and Information Systems【我要咨询：专家答疑】
包括以下研究内容：
(1)数据库(Database)：数据模型，数据查询、集成，各种数据库系统的设计、实现等。
(2)数据挖掘(Data Mining)：从数据中提取模式的处理过程。它在很多领域有广泛的应用，例如市场营销、监测、入侵检测和科学发现。数据挖掘和机器学习很相关，但是数据挖掘更关注实际应用。
(3)信息检索(Information Retrieval)：研究如何提取各种媒体(文本、音频、视频等，目前的研究以文本居多)中的信息，同时还搜索与之关联的数据库和万维网。
(4)自然语言处理(Natural language processing)：构建一种可以分析、理解和生成自然语言的计算机系统。研究课题包含自动摘要(automatic summarization)，语篇分析(discourse analysis)，机器翻译(machine translation)，命名实体识别(named entity recognition)，自然语言生成(natural language generation)和语音识别(speech recognition)等。
七、图形学与多媒体 Graphics and Multimedia【我要咨询：专家答疑】
图形学的研究包含对自然景象的建模和动画生成(modeling and animation of natural phenomena)，计算拓扑学(computational topology)，图形硬件的使用(graphics hardware utilization)，渲染(rendering)，网格处理和简化(mesh processing and simplification)，形状建模(shape modeling)，曲面参数化(surface parameterization)和可视化处理(visibility processing)等。
多媒体研究包括图像处理(image processing)，视频处理(video processing)，音频分析(audio analysis)，文本检索和理解(text retrieval and understanding)，数据挖掘和分析，以及数据融合(data fusion)。因为多媒体数据包含不同格式的数据(如文本，音频，视频)，所以它的研究包含很多不同领域的技术和理论。
八、人机交互 Human-Computer Interaction (HCI)【我要咨询：专家答疑】
HCI主要研究人和计算机之间的交互。它通常被认为是计算机科学、行为科学、设计及其他相关领域研究的交叉学科。
研究课题包括：
(1) 上下文感知计算(Context-aware computing): 行为分析，智能空间(Smart Spaces)，定位感知系统(Location-aware systems)，隐私技术。
(2) 感知人机界面(Perceptual Interfaces)：基于视觉的界面(Vision-based interfaces)，语音和话语界面(speech and discourse interfaces)。
(3) 协同和学习(Collaboration and Learning)：基于模式的编辑工具(Pattern-based authoring tools)，ESL (English as a second language) 学习，群组协同技术(group collaboration technologies)，包含按地理分布的远程沉浸协同(geographically distributed tele-immersive collaboration)等。
(4) 验光和人的视觉模拟(Optometry and Human Vision Simulation)：计算机辅助的角膜建模和可视化，医学成像(medical imaging)，手术仿真的虚拟环境(virtual environments for surgical simulation)，仿真渲染(vision realistic rendering)。
九、科学计算 Scientific Computing【我要咨询：专家答疑】
科学计算主要是研究构建数学模型(mathematical models)和数值解法(numerical solution)，并用计算机来分析和解决科学、社会科学以及工程问题。
研究课题包含：
(1)并行计算(Parallel computing): 并行计算语言和并行算法。
(2)自动性能调整(Automatic Performance Tuning): Automatic generation of optimized implementations of computational and communication kernels。
(3)网格剖分(Mesh generation)：自动生成三角网格(triangulated meshes)来表示物理和计算区域。
(4)矩阵计算(Matrix computations)：设计高效的矩阵计算算法和软件。
(5)浮点数(Floating point)：可扩展的精度算术(Extended precision arithmetic)，可靠的浮点数标准(Reliable floating point standards)，浮点数标准的体系和执行时间实现(Architectural and run time implications of floating point standards)，浮点数标准的编程语言实现。
(6)计算机代数(Computer Algebra)：符号数学计算方法。
十、信息安全 Security【我要咨询：专家答疑】
课题包含：
(1)密码学(Cryptology)
密码学理论(cryptography theory)，新的密码学系统开发(development of new cryp ographic systems)，密码分析学(cryptanalysis)，协议开发，应用密码学，量子计算(quantum computation)。
(2)隐私(Privacy)
无线传感器网络的隐私，RFID系统的隐私，数据库的隐私问题，基于网络的应用的隐私。
(3)软件安全(Software security)
开发编程语言和计算机安全之间的相互影响。
(4)一致性和完整性(Identity and integrity)
预防“网络钓鱼”和攻击。
(5)网络安全(Network security)
网络安全检测(network security monitoring)和入侵防御(intrusion prevention)。
十一、软件工程 Software Engineering【我要咨询：专家答疑】
主要研究开发大规模软件系统的原理和技术。
十二、生物信息学和计算生物学 Bioinformatics and Computational Biology【我要咨询：专家答疑】
研究高效鲁棒的生物计算模拟算法，以及应用数据挖掘，机器学习，自然语言处理和信息检索等方法来分析和挖掘各类生物数据。
研究课题包括：
(1)生物信息学(Bioinformatics)
比较基因组学(Comparative genomics)，遗传分析(Genetic analysis)，系统发育(Phylogenetics)，分子进化建模(Molecular evolutionary modeling)，基因调控网络(Gene regulatory networks)。
(2)蜂窝系统(Cellular systems)
蛋白质结构建模(Protein structure modeling)，基因调控网(Gene regulatory networks)，合成生物学(Synthetic biology)，Computational systems biology，细胞信号传导通路，传输和代谢，自组装系统(Self-assembling systems)。
(3)神经系统(Neural systems)
(4)生物医学系统(Biomedical systems)
传感器，健康服务系统，生理模型，医学图像和生物图像分析。

以上就是瑞金盛留学网小编给大家带来的美国读研一年30万够吗？，希望能对大家有所帮助。