完全跨专业,考取清华大学-伯克利双硕士的考研经历

学生同时注册清华-伯克利深圳学院与伯克利加州大学工学院


，获得双边认可学分要求，按规定完成基础课程、专业模块、工程领导力、专题研究、企业实践、毕业论文等环节相应内容及学位要求学分，毕业论文需通过导师组评定，后提交答辩。

由清华-伯克利深圳学院学术指导委员会指定答辩委员会，主持硕士项目答辩，并独立完成硕士论文与答辩评定，根据论文的创新性与质量，独立决定学位授予。按照双方的学位要求，获得中美双硕士学位：清华大学数据科学与信息技术硕士学位，伯克利加州大学工学院工程硕士学位。

二、考研过程

我大概是7月中旬左右打算考研，本来打算考北大叉院数据，但是在王道看到北大那么火，所以八月份决定考清华伯克利的数据方向。后来纯数据方向的名额缩减了，当时给了4个，但是包含物理化学、材料方向，最终复试纯数据的只有1个名额（群里传是数据的夏令营招够了）。综合各种考虑，我就痛快地报了新能源的数据-数学方向。伯克利总体的报录比不知道，但已知上线的人少，我的报名号尾数是98，不做猜测。个人复习时间分配是5成时间专业课，3成时间数一，剩下的政治、英语对半。

复试情况 上线的人还是很少，面试的大多是调剂的。大家如果仔细观察的话，官方通告有许多讯息的，无论是调剂的算法还是别的等等。总的结果还没有出来，等官网吧。

三、专业课及复试笔试的复习经验

专业课是随机过程、运筹学和数据结构，下面是各科的复习情况（PS:这三门课我都没有接触过，真彻底跨考。

应用随机过程：教材是林元烈的《应用随机过程》，刚开始看的时候我是懵的（WC，这都讲的什么玩意），书基本看不懂，课后题基本不会，找到会做的一道瞬间欣喜万分（自我膨胀了）。当时也找了许多资料，比如随机过程与习题集（还可以，难度低一点，但书上有一些错误）、中科院随机过程讲义（很精简，挺好的）、陆大金的随机过程、张波的应用随机过程、Sheldon的随机过程等以及林版书的课后答案，还有网上找的各大高校研究生期末试卷。

大致过程：先细细过了一遍林的书（考纲指定部分），把能做的习题做了，然后过随机过程的习题集，过完之后又看了一遍林的书


，中间穿插看了张波、sheldon的随机过程，但是都印象不深。然后比较熟了之后再看中科院的随机讲义，发现它的讲义内容确实非常精简，就过了一篇以及和它的习题集。然后再参照林的课后答案过了几遍它的课后题。总之，我考试前大概是把林的教材过了4次，当然不是每一次都能过得很全面，很细致，但是你慢慢地就会发现他的教材确实写得很好。

一些经验和建议：

运筹学：这个大家都很熟悉了，按给定的教材看就好了。我看的视频是黄丽娟的，讲得挺细致的。考试前练的题目主要是天津大学的运筹学真题。

数据结构：先买了王道的辅导书和教材（严版），这个看了一两遍，后面又看了天勤。（前面准备考北大的时候看了北大的视频，后面改看清华的视频。）这个要说一下，王道版本对跨考生来说有点难，我前面看的时候有一些章节搞不明白。

特别要讲的一点（也是给王道提个建议）的是可以参考天勤在前面给跨考生系统地说一下考试如何写C语言的程序，因为这一块我当时纠结了很久，看了天勤的就清楚多了。

总之，个人还是建议专业的看王道，跨考得先看天勤再看王道。

个人理解，其实这三门课里随机过程与运筹学有一定关联的，数据结构与运筹学关系也比较紧密。比如我自己就可以想到的请写出百度地图的导航算法实现、编程实现匈牙利算法等等。

初试复试的分值设置就是官网说的。初复试内容罗列如下（不区分）：

随机过程：分布、条件概率的期望、马尔科夫的稳态分布、常返态、更新过程、齐次马尔科夫链、生灭过程、特征函数、复合泊松过程、连续马尔科夫链；

运筹学：对策论、决策论、线性规划、图论、排队论、非线性规划；

数据结构：链表、郝夫曼树、hash、递归、图与树、栈、优先级队列、堆。

hint：其实你了解老师们的研究重点，考试的重点还是有一定方向性的，不过我当时保守起见，还是都复习了，只是有一些章节感觉不是重点的就没有复习那么深。还有，目前这里没有要求计算机机试，这也与面试专业相关，所以大家不要担心，如果需要机试，官网肯定会告诉的。