简介

MIT CSE MS 全称是计算科学与工程硕士（Master of Science in Computational Science and Engineering），是 MIT 计算科学与工程中心（CCSE，Center for Computational Science and Engineering）开设的研究型硕士项目。

计算科学与工程中心隶属于苏世民计算学院（Stephen A. Schwarzman College of Computing），该学院还包括 Institute for Data, Systems, and Society 和 Operations Research Center 等研究中心。注意，CSE（计算科学与工程）不等于 CS（计算机科学），MIT 的 CS master 只提供给本校本科生作为本硕连读的学位，只对 CS 感兴趣的可以出门右转了。

CCSE 成立于 2008 年，是一个跨学科的研究和教育中心，专注于计算（computation）领域的方法创新和应用，它的 faculty 由全校各个院系中研究方向与计算相关的教授组成。

CCSE 除了提供 CSE MS 项目之外，还提供 CSE PhD 项目；但不同的是 CSE MS 学位是 CCSE 授予的，而 CSE PhD 学位由 CCSE 和八个合作院系之一联合授予：数学、航空航天、化学工程、土木与环境工程、地球大气与行星科学、材料科学与工程、机械工程和核科学与工程。

CSE PhD 同时也附属于他们的 host department，但是课程和论文的要求相比 host department 增加了 CSE 的元素。至于招生规模，CSE MS 每届招生规模在 10 ~ 15 人左右（本届 14 人，来自世界各地，只有我一个中国人），CSE PhD 每届招生规模在 10 人以下，可能是全校最小而精的项目之二……

CSE MS 的项目要求包括六门研究生课程和硕士论文，在一年半到两年的时间内完成。由于参与 thesis 研究，与其他院系的 PhD 一样享受全奖待遇，免学费、每月 $3000+ 的 stipend。

与其他院系不同的是，由于 CCSE 是个研究中心，并不开设任何课程，所以 CSE MS 学生没有强制的 TA 要求，大多数学生选择只做 RA 不做 TA，可以说是比其他院系的 PhD（通常强制一年 TA）还要爽了。在 MIT，全奖 master 除了我们还有几个工科院系有，但全奖还不用做 TA 的 master 我们应该是独一份。（笑）

课程

六门研究生课程中有三门是核心课程，需要从以下四门课中四选三，基本属于应用与计算数学范畴：Introduction to Numerical Simulation、Numerical Methods for PDE、Optimization Methods 和 Introduction to Numerical Methods；

其余三门理论上可以通过 petition 选全校范围内计算相关的任何课程。

如果想转码的话，可以当成 CS master 来读，但是如果对应数一点也不感兴趣的话估计上这些核心课会很痛苦。我个人会尽量在非核心的三门里选 CS 的 system 相关课程，但是这些数学课上起来感觉也蛮有意思，所以还算比较开心。

MIT 的课程都是比较硬核的，每学期选两门就够多了，按课程评估报告平均每门课每周用时在 12 小时以上。

我这学期学了 Numerical Methods for PDE 和 Optimization Methods，不过我本身也没有特别想在应数方面非常精通，所以大概学一学混个 A 就行了。MIT 研究生课的 A 是很好拿的……

科研

由于 CCSE 不开课也没有 TA 需求，所有录取的 CSE MS 学生必须在入学前找到 thesis advisor——也即没有轮转机会，这样才能及时拿到 RA 支付学费，所以申请的时候要提前想好选哪个导师。

不过好在 CSE MS 学生可以全校任选导师，只要导师同意接收并支付 RA 即可；而 CSE MS 学生又非常少。所以找导师还是非常容易的。Thesis 的选题没有什么限制，只需要让系主任同意这是与计算相关的就行（纯 CS/ML 可能不行）。

我个人是化学和物理背景出身，本科阶段主要研究方向是计算化学，所以在选组选导师的时候就比较自然地选了做高性能计算的 Julia 实验室（对，就是那个发明 Julia 语言的实验室）。

当时发邮件联系 RA 机会的时候导师很热情，5 分钟就回了邮件并约了 Zoom meeting。有类似理科或数学背景的同学也可以多多考虑这个组。

由于 CSE MS 学生数量少、研究方向又比较分散，CSE MS 转博的机会是很大的，只要让 thesis advisor 愿意让你留组就行（不像 Stanford ICME MS，转博卷成狗）。

对于想做跨学科研究但背景又不够申 PhD 或者想转专业的人来说这个项目简直完美。

找工

但如果你不打算转博而是打算硕士毕业工作，这个项目就会有一个问题：它几乎没有任何的找工氛围。

跟本项目的同学聊找工几乎是没有可能了，理论上整个 MIT 可能就只有 Sloan 商学院的 master 在认真找工，或者或许也可以和 EECS 大三大四的本科生聊，但我并不认识他们。

相比之下，隔壁 Harvard 的 CSE 和 DS 的 MS 非常职业导向，项目规模大一些，中国人也多一些，找工氛围比较好。当然，他们不给全奖的。（笑）折衷的办法是申请这个项目的时候同时也申请 Harvard 的 CSE，然后多认识一些隔壁 CSE 和 DS 同学。

隔壁 CSE 和 DS 同学由于项目设置原因，会经常来 MIT 上 CS/ML 相关的课程，这时候就可以多沟通。隔壁 CSE 和 DS 学生背景也是五花八门，转码选手一大堆，在找工方面有不少可以互相借鉴的经验。

当然凡事都有两面，没有找工氛围同样也意味着找工不内卷（不像码农神校 CMU，找工卷成狗），过简历关的概率比较大。

申请

那么这个项目怎么才能申请上呢？根据我对身边同学的观察，申请这个项目除了本科名校 + 高三维之外，各个软性条件的重要程度是

文书 ≈ connection > 科研 >> 其他

先说科研，理工科、计算相关的科研经历是必备条件（如：计算物理、PDE、信号处理、化工过程工程、机械有限元模拟等等），但 paper 不是必需。

然后要根据科研经历写一份文书，阐明自己是如何从自己的研究中发现和 CSE 的关系的，表现出非常 specific 的对于 computation 的某一个方面的兴趣。我写的是从对 quantitatively explain & predict 各种 physical system 出发，在探索中学习了越来越深入的 applied math 和 scientific computing 的相关知识，逐渐发现自己对计算方法本身而不是 physical system 更感兴趣，所以要去做 HPC 的研究。

最后说说比较玄学的 connection：最好是有和 MIT faculty / alumni 共事的经历，让他们写推荐信，哪怕这个经历和 CSE 不直接相关也可以。我个人是在 MIT 做过计算化学的线上科研，另外我认识的两位转专业申请到 Harvard DS 的同学也分别都有在 Harvard 的暑研经历（和 DS 不直接相关），可以看出 connection 的重要性。

注意我没提到本科专业，对这个项目来说本科学什么专业不重要，相反可能是越 diverse 越好。如果本科学 CS 可能有 debuff。