本文主要目标群体是对泛CS领域非常感兴趣，但由于各种原因没有转专业的同学。
假如思考和准备来的早一些，现在还有转专业机会，并且你正在犹豫是否要做出这样的决定，可以参考转计软网二三事中的**「为什么要转计软网」**篇章，这里重复内容不再做赘述。
提前说明，笔者并无意鼓吹无脑转码的思想，漫长人生中，条条大路通罗马。挤破头学一个自己不喜欢也不擅长的专业，并不一定可以得到想要的结果。任何其他专业也是一样，只看到光鲜亮丽的一面，却不试着去理解背后的努力与付出，这样的评价，实在有失公正。
但话又说回来，如果你对一个领域抱有浓厚兴趣，最好也最便捷的选择还是转专业过去，而非寄希望于仅靠选他们的课初步搭建知识体系。笔者不敢说这种想法天真，不过有下述困难，你可能会在本科学习中真切地体验到，也需要尽早想一些方案克服或者避免。
你可能会觉得听上去不太重要，但这其实是万物之源。
计算机传统核心课如计网和数据结构还是有不少学院开设，可以尽量补齐。但开设计组和操作系统的院系并不多，由于SCU的选课限制，有可能无法把这两门课纳入你的成绩单中。个中问题在于，一者你没法学到传统计算机中solid的知识，二者在申请的时候成绩单会显得格外空虚，因为最最基础的东西似乎都没有接触过。
部分转码项目其实也有先修课要求，比如MISM@CMU就需要Database和OOP(Java/C++)的课程。这自然说得过去，有些科班的朋友就跟我讲过如果Java和C++都不会，就很难说自己学过计算机。
你或许会觉得这只关乎认同感，是心理层面的建设，无伤大雅。但如果你是非科班的选手，可能会出现的情况是，受到专业歧视，同时也难以收获他人的认同感。
不妨设想以下场景，大佬在找队友，老师在招RA，大厂在招开发/lab member，官方项目（如mitacs）在挑candidate，有多大的可能会优先考虑一个非科班出身的人？其实某些时候，简历关就可以把你挂掉，都不会给你任何自由发挥的机会。这里不妨宽慰一下，国内现状如此，倒也不是个人的过错，因为他们的选择实在太多了，不缺你一个。而多数情况下，硬卡专业是一个最低成本的筛选。
而这还不止于本科阶段，在备研期间，你会遇到同样的问题。你会发现有些名校严卡科班，比如ScM CS@Brown，很大程度上你不是科班本基本无异于送钱。诚然，像CSE@MIT这种程度的项目都会招收转专业的陆本学生，但其实他们offer holder的dp都是top2数学物理。所谓的高三维就可以去的转码友好校，定位多数也集中在理科和传统工科，比如CS37@USC。
同样和笔者同级跨专业考研CS的同学也遇到了不晓得障碍，有些非常优秀的学习者自大三上就开始准备，在下学期中旬的时候已经把数一和408完整地过了一遍。但他联系上上岸的学长学姐，了解到心仪校转专业录取率的时候，还是不禁叹了一口气。跨保计软网的难度不太了解，但同样应该也是不低的。
文商科转码的难度或许会比理工科还高一些，笔者之前在地里求定位的时候，看到了如下的dp：同为末985，商minor cs，88.7/101/323，一篇ccf-B，一段大厂da实习，一段小公司算法实习，最后仅仅拿到两个top40保底。诚然，商科转码，本科能发ccf-B本身已经是一种能力的证明，但按照笔者个人了解，实际上ms除了三维，还是挺看重科班身份的。如果TA是科班，可能会有一个更好的结果。
这个是通过个人努力，最容易避免的。但你需要试着去socialize，也或多或少需要一些运气。
很多小专业就那么几十个同学，在相对养老和平静的环境下，如果你不是一个非常自律且目标清晰的人，环境反馈没有那么充分。需要外界motivation的人在这种情况下，沉沦或许显得自然而然。而据笔者观察，大三在一种受迫的环境下才产生强感知（我应该开始做准备了）的人，并不在少数。如果前期选择躺平，后面会陷入非常疲惫的状态。设若可以把tg，research，intern，diy/中介申请打散一些，单位时间的强度会更加合适，也不容易产生过大的心理压力。而这，正是一个良性的竞争环境可以督促你做的。
开源文化崇尚的本来就是智慧成果共享，而在以最低的成本了解最新最先进的科学技术后，你也会多少受到些启发和激励。如果有渠道的话，尽早加入这个圈子，关注别人在做什么，并且日复一日自己踏实地学东西，想必是利大于弊的。在其他无关专业下，做这个领域相关的人自然也就少，很难找到合适的人一同进步。笔者认为在遇到理论/工程瓶颈的时候，多问才是最节省时间也最醍醐灌顶的方式。
与此同时，计软网同学信息共享的意识也比较完备，即使上述所说你都不存在需求，也可以抱团取暖，避免站在信息链下游，吃到不必要的亏。
当然非常功利地“混计软网圈子”也并不可取，读书尤其是本科期间还是可以跟不同领域的同学多聊聊天。多跟计软网同学交流，因为你可以看到自己努力的方向；多跟理科同学交流，因为有些方向比如statistical ml需要并不低的数学基础，而这很大程度上是仅靠自己的公共课无法弥补的；多跟医学同学交流，因为这或许是可行的落地场景；多跟文科同学交流，因为你可以在这荒谬的人生中，发现活着的意义。
以计算机学院为例，实验室似乎还是蛮多的，而在一般的文商科学院，很少有老师有这种lab和算力资源，他们的兴趣和研究方向似乎也并不在于此。更难有老师为了带你，而开辟出一个与计算机强相关的新课题，因为这无异于开盲盒，实际上是一个高风险低收益的行为。
如果希望计软网的老师带你，除非你的能力特别强，否则也并不是件容易的事。单纯的做一个交叉大创或许还可行，但长时间收留你做RA一定需要展现出过硬的本领，这是不可或缺的。
众所周知，计软网奆佬的浓度本来就超乎寻常的高，老师自己学生还带不过来呢。近水楼台先得月。
因为笔者也只是懵懂的探索阶段，很难给出非科班选手的局部最优解，这里只是总结了一些或许可行的变通方式，作为参考。也希望各位如果有想法和意见可以一同完善文档，向着更合理的方向给出优化建议。
CS自学指南已经是件老生常谈的东西了，除了网上学一些课，也可以考虑辅修，后续可以参照双学位有啥用再做选择。其实校内也有一些非限选课，笔者以及一些同学上过，可以尝试下这些补补成绩单：
-
编程相关
-
数据科学与商业分析
-
Python人工智能（比较难，没基础者慎重）
-
Python科学计算
-
数据挖掘
-
高性能计算
-
-
数学相关
- 深度学习（数院本硕混上的课，每人都要上去讲顶会paper，期末全是推导，慎重选）
- 机器学习（数院）
- 并行式计算
- 时间序列分析
- 蒙特卡洛方法（先修课统计计算方法）
-
应用数学
- 运筹学与最优化
- 运筹学(II)
- 博弈论与经济分析（完全对标yale game theory讲的，双语）
实力过硬的学生可以直接联系计算机的老师，不过也可以尝试其他方向，以下均为前人走通过的路：
-
华西大数据中心（人工智能/医学大数据）
-
国家天元数学西南中心（高性能计算）
-
商学院（复杂系统）
-
Berkeley交换然后keep in touch，直接RA
-
mitacs(退而求其次别选最卷的方向)
- mis，如MISM@CMU或MSIM@UIUC（商科和管理）
- hci（玄学，考虑维度比较多）
- ds（有数据科学的背景）
- ee（这个更适合自动化的同学）
一定不要自暴自弃。千万别像强化学习模型一样，不能收敛就开始摆烂。你的人生只有一次，而AI可以调整重开。
我不敢说非科班的上限有多高，但无疑的是，下限是个无底洞。能做的事相较而言会显得比较有限，也只能在局部进行优化，但这并不是玩世不恭的理由。
怕什么真理无穷，进一寸有一寸的欢喜。