美國留學基礎數學專業詳細介紹

下面主要想説説其他專業申基礎數學的問題，其他專業申基礎數學，主要針對確實是想在數學上做出好的工作的人來説需要注意的一些問題：

1.首先你本科學的數學課程成績一定要好，最好都上90/100. 儘量多選點數學系的課程作為你的任意選修課. 這樣可能有10幾門. 有幾門稍微低點也沒關係. 按我導師的話説是:"這樣不會顯得假，有點層次"比如本人就有一門課就只有3.3. 造成我數學的GPA變成3.95.

2.最好考一個數學sub 不要看sub考了很多門.實際上就兩門數學分析高等代數.(高等數學，線性代數). 準備2個月. 95%以上並不是難事

3.關鍵的是興趣. 興趣並不是説你跟教授説:"我對***問題很有興趣" 而是説你對***問題確實很瞭解，讀過很多相關文章，知道問題難在哪，知道目前的進展以及who做到什麼程度，並有自己的不合理的也好合理的更好的初步想法. 陶瓷的時候教授會看出來.

4.既然你要轉，那基本的課程都要自學過，最好用一些好的教材比如GTM LMSST LNM. 這樣你和教授套的時候，他馬上就能從你的文字中看出來你讀過誰的書.因為本人是申代數(包括很多方向，環論，羣論，羣表示，Lie羣，表示論，代數數論，代數幾何)的，所以説説代數應該看的書.

5.最基本的高等代數，抽象代數就不説了. 但是一定要很熟. 最好自己能寫一寫這些東西的講義. 寫好了，整成PDF，發給你要套的教授.或許有驚喜.交換代數，模論，環論都要讀一些. 羣的表示很重要，不管是代數的哪一個分支，都會用到很多.然後是不管哪個數學分支都必學的Lie羣表示論.然後讀範疇論，讀同調代數.這些讀完算入門了. 這樣你對你申請的方向會有一個整體的感覺，在這樣的情形下，寫套詞的時候就會有的放矢. 怎麼體現你學過這些東西呢，第一是寫講義，我估計你這些東西寫下來，一來你的功力會大增加，因為你細節的證明都作了(比如LNM這種類型的書，一般證明都不全，很多easy to see obviously). 二來，起碼有700-800 page的東西會使你很有特色，教授會認為你很努力並且很有興趣很有靈感.

下面説説科研背景，本科發出數學論文簡直是不可能，即使發出來也不一定是好文，因為本科能學的東西實在太少，即使你搞定30本GTM，也只能算是入門，因為絕大多數 GTM只是基礎教材.科研背景不一定是文章體現.還可以是參加的討論班， Workshop. 跟研究生上課，比如你上了很多研究生課，並通過考試，即使分數不高，即使學校不能開具官方成績，你考一個，有一個成績總比沒有好.因為是你導師開的成績單，導師有信譽在裏面的. 你上討論班，自己也講過課，這些都可以在ps和推薦信裏體現出來. 另外Workshop一年全國有很多，都可以參加，還有Summer School 比如科學院晨興的，浙大數學中心的，北大的，比如你申代數，那每年華東師的的各種討論班多的很，都可以去註冊聽聽報告.而且會議也很多，可以增加背景，最重要是和大牛交流，有時候大牛説一句話比你看一本書都要有作用，而且説不定大牛覺得你行就要你了。

當然也可以發點應用數學，計算數學的論文這些比較好出論文. 比如在某某具體(物理化學計算機生物)問題中的高效算法啊，這種東西可以做很多篇的.比如計算一些物理現象的好算法啊. 發到非數學雜誌上也是有用的，至少可以説明你暴算的能力，分析基礎比較好. 發個3，4篇夠了。

打好基礎的同時，多讀你有興趣的方向的文章，比如現在做代數的.，範疇的工具，同調代數，代數幾何的工具都很熱，到處都可以看見簇啊層啊上同調的東西，那你可以讀讀這些文章. 這樣可以開闊視野，提升套磁品質。

通過上面對美國大學基礎數學的跨專業申請經驗的介紹，相信對很多計劃到美國讀研究生的人來説，在選擇基礎數學專業的人來説可以參考上述的一些經驗。

美國大學計算機工程專業資訊

u 什麼是計算機工程?

計算機工程( computer engineering )是對計算機設備和計算機系統進行設計和原型處理的一門科學。雖然它與計算機科學的發展歷史和的研究領域都有許多相似的地方，但是計算機工程最核心的還是探究如何使計算思路映射到物理系統。計算機工程是計算機科學與電氣工程這兩門學科的共同產物，主要依託於物理和數學的基礎知識。

u 研究領域

計算機工程的主要分支有：

網絡——關於分佈式計算環境的設計和實施，從局域網到萬維網;

多媒體計算——將文本，語音，音樂，靜止圖像，視頻及其他來源的數據混合成一個連貫的數據流，並對其進行有效的管理、編解碼和顯示;

VLSI系統——研究微小型化電子設備(非常大規模集成電路)的工具菜單，屬性和設計方法;

可靠的計算和先進的架構——探究如何將容錯內置入硬件和軟件，以及並行計算的方法，光計算和測試;

計算機工程的其他研究方向還包括：顯示工程，圖像和語音處理，模式識別，機器人，傳感器和計算機感知。