美国计算机专业留学AI方向详细解读

　　一、AI专业简介
　　开始先介绍一下人工智能---AI(Artificial Intelligence)吧，它是一门包含计算机、控制论、信息论、神经生理学、心理学、语言学等综合学科。该概念第一次在达茅斯顿学术会议上提出：人工智能是从计算机应用系统角度出发，研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以及延生人类智能科学(ps：注意包括2个部分：模拟人类以及延伸人类智能)。
　　人工智能的应用实例：指纹识别 人脸识别 视网膜识别 虹膜识别 专家系统 智能搜索 博弈等
　　下面为了进一步了解，我们看看一些AI的应用领域：
　　1) 机器人领域：人工智能机器人，如PET聊天机器人，它能理解人的语言，用人类语言进行对话，并能够用特定传感器采集分析出现的情况调整自己的动作来达到特定的目的。
　　2) 语言识别领域：该领域其实与机器人领域有交叉，设计的应用是把语言和[i]声音转换成可进行处理的信息：如语音开锁(特定语音识别);语音邮件以及未来的计算机输入等方面
　　3) 图像识别领域：利用计算机进行图像处理、分析和理解，以识别各种不同模式的目标和对象的技术;例如人脸识别 汽车牌号识别等。
　　4) 专家系统：具有专门知识和经验的计算机智能程序系统，后台采用的数据库相当于人脑，具有丰富的知识储备 采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题。
　　一个十分直观的综合应用的实例：google的无人驾驶汽车，该项目是由斯坦福人工智能实验室主任塞巴领导谷歌一个团队承担的。

　　二、AI的专业分支
　　接下来，我们来看看这个AI这个综合型学科的一个专业分支，总的来说可以分为以下几个分支：
　　第一， 模式识别;
　　第二， 机器学习;
　　第三， 数据挖掘;
　　第四， 智能算法 。
　　模式识别：是指对表征事物或者现象的各种形式(数值的文字的逻辑关系的等)信息进行处理分析，以及对事物或现象进行描述分析分类解释的过程，例如汽车车牌号的辨识 涉及到图像处理分析等技术;
　　机器学习：研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构是指不断完善自身的性能，或者达到操作者的特定要求。
　　数据挖掘：知识库的知识发现，通过算法搜索挖掘出有用的信息，应用于市场分析、科学探索、疾病预测等;
　　智能算法：解决某类问题的一些特定模式算法;例如，我们最熟悉的最短路径问题，以及工程预算问题等。
　　在国外高校都有其偏重，了解各个分支能够很好地指导选择自己感兴趣的方向，在申请学校的时候也可以做到有的放矢。

　　三、AI的就业导向以及申请学校前的实习导向参考
　　然后就是关于AI的就业方面的一些介绍啦;关于AI在美国的就业方向主要有，科研机构(机器人研究所等)，软硬件开发人员，高校讲师等;当然了，鉴于一些高科技公司开辟出了新的研究领域，比如谷歌的无人驾驶汽车...在国内的话就业前景是比较好的，国内产业升级，IT行业的转型工业和机器人和智能机器人以及可穿戴设备的研发将来都是强烈的热点正好都是3-5年后的时间，正好是筒子们学成归来的时候!

　　下面即将墨迹地介绍的就业方向的公司既是就业参考也是比较有分量的实习单位，下面还有AI方向的一个会议方向参考。
　　1) 搜索方向：百度、谷歌、微软、yahoo等(包括智能搜索、语音搜索、图片搜索、视频搜索等都是未来的方向)
　　2) 医学图像处理：医疗设备、医疗器械很多都会涉及到图像处理和成像，大型的公司有西门子、GE、飞利浦等。
　　3) 计算机视觉和模式识别方向： 前面说过的指纹识别、人脸识别、虹膜识别等;还有一个大的方向是车牌识别;目前鉴于视频监控是一个热点问题，做跟踪和识别也不错;
　　4) 还有一些图像处理方面的人才需求的公司如威盛、松下、索尼、三星等。
　　鉴于AI方向的人才都是高科技型的，在待遇方面自然相对比较丰厚，所以很这个方向很有发展前途。

　　四、AI领域美国学校的信息以及申请案例统计分析参考
　　以上对于该专业的各方面都有了一定的了解，下面来看看美国学校的相关信息以及以前的案例分析，以及这些学校的具体方向等信息，给我们提供一些申请定位参考，以及明确奋斗努力提升背景的目标(对于有充足时间的筒子)
　　在美国人工智能一般是列在CS学院下面，申请者的背景可以是计算机、自动化、数学等专业。
　　AI的一个重要的分支之一机器学习(Machine Learning)，下面列举出CMU的ML department的一个具体信息，包括研究方向以及申请案例(成功者&炮灰们)。
　　CMU的ML department主页上的开头的一句话“We focus on research and education in all areas of statistical machine learning”可以看出CMU的机器学习方向是统计类机器学习，后面可以从教授的主页个人介绍可以看出他们的研究方向是将统计机器学习应用到特定的领域。
　　CMU的ML department的几个实验室及其相关方向介绍：
　　the AUTON Lab：研究数据结构与算法处理大型数据
　　Brain Image Analysis Research Group：大脑图像分析用统计机器学习与算发分析相关数据
　　Cell organizer：计算生物学
　　Databases Group：涉及高性能数据库结构，多媒体，数据挖掘
　　GraphLab：高效并行机器学习
　　Querendipity：科研文献大数据分析处理
　　Read the Web：计算机自动上网学习，储备更新知识
　　SAILING LAB：多维度相关数据分析，涉及图像分析、贝叶斯模型学习理论与数据挖掘等
　　Read the Web：计算机自动上网学习，储备更新知识
　　SAILING LAB：多维度相关数据分析，涉及图像分析、贝叶斯模型学习理论与数据挖掘等

　　然后再来看一看ML department 的教授介绍，该department大概有20个核心faculty 他们有各自的研究方向，举几个例子吧：
　　Professor William ：信息整合与机器学习，特别是从大数据组中提取信息与文本分类
　　Professor Roy：依据系统和用户行为的机器学习与决策模型研究
　　Professor Tom：机器学习相关算法研究
　　Professor Roni:大规模模拟仿真与机器学习来评估与预测疾病流行病的传播
　　Professor Murphy：计算生物学
　　通过对历年申请者的录取情况统计分析，结果表明影响申请者申请的一些因素： 研究经历和paper的发表在申请中占有十分重要的作用，前面2位申请者有很好的硬件条件，但是软件背景不是很strong 结果都被拒了;相反，硬件条件中等或者偏上在很好的项目经历与paper的支撑下能够有更大的机会被录取，一般的申请者携带的配套设备应该是“不错的硬件 + 牛推或者有价值的实习。”
　　总的来说除了Machine learning方向外，AI的主流申请方向还有：Computer vision、data mining等。

　　五、申请策略
　　关于申请策略可以大体提出四点：
　　1) 合理的申请规划： 针对性的提升自身的背景，特别是在项目经历科研方面，因为AI是一个相对比较综合有难度的学科，只有有过相关项目经历之后才能从一定程度上去理解该领域的东西，所以国外教授会比较看重这些经历，知道到自己需要怎样的人，他们会选择和自己比较match的。
　　2) 针对目标学校制定GT成绩目标，早准备!早刷分!
　　3) 重视申请质量，申请材料一定要好好准备，PS中突出个人独特之处，关于软件背景的重要性在CMU那个申请案例小统计有很好的参考价值。
　　4) 特别提一点，关于PHD申请：PHD面试与陶瓷要有项目经历，有话可说，陶瓷找到比较match的教授，让对方了解自己的个人背景能大大提高录取概率。

　　六、美国高校AI方向排名参考
　　1.麻省理工 Massachusetts Institute of Technology
　　2.卡内基梅隆大学 Carnegie Mellon University
　　3.斯坦福大学 Stanford University
　　4.加州大学伯克利分校 University of California--Berkeley
　　5.德克萨斯大学奥斯汀分校 University of Texas--Austin
　　6.华盛顿大学 UW University of Washington
　　7.佐治亚理工学院 Georgia Institute of Technology
　　8.伊利诺伊大学厄本那—香槟分校 University of Illinois--Urbana-Champaign
　　8.马萨诸塞大学安默斯特校区 University of Massachusetts--Amherst
　　10.宾夕法尼亚大学 University of Pennsylvania
　　11.密歇根大学安娜堡分校 University of Michigan--Ann Arbor
　　12.康奈尔大学 Cornell University
　　13.马里兰大学帕克分校 University of Maryland--College Park
　　14.加州大学洛杉矶分校 University of California--Los Angeles
　　15.南加州大学 University of Southern California
　　16.哥大 Columbia University
　　17.布朗大学 Brown University
　　17.加州理工 California Institute of Technology