本科大连理工应用物理，硕士浙大物理学，原本一路走在硕博连读的轨道上，却逐渐看清：传统物理方向就业面窄、读博周期长，更想跟上计算机与 AI 浪潮、尽早就业。
于是果断调整职业规划，补充计算机名企实习，一步步把物理背景转化为优势，成功跨申香港大学计算机方向硕士
我的申请背景
▪️本科：大连理工大学｜应用物理｜均分 89.9/100，GPA 3.99/5.0
▪️硕士：浙江大学｜物理学｜均分 3.63/4.0
▪️语言：雅思 7.0（L7.5/R8.0/W6.0/S5.5）
▪️技能：Python、C、MATLAB、Mathematica，数值建模、算法设计、数据仿真
放弃硕博连读，转向 CS 的真实原因
不是物理不好，而是个人规划与现实路径更匹配计算机赛道：
- 物理偏向基础理论研究，就业选择相对有限，想更快进入职场、实现价值
- 不愿长期耗在学术路线，希望抓住计算机、算法、人工智能的行业风口
- 自身数理与代码基础扎实，转型 CS 有天然优势，不想浪费已有的编程与科研能力
- 明确职业目标：以就业为导向，用硕士阶段系统学习 CS，为进入互联网 / 算法行业铺路
我靠这些经历，完成从物理到 CS 的转型
1. 计算机名企工作经历（职业规划关键一步）
为了让跨申更有说服力，也为了真正接轨行业，我主动争取了一段计算机领域名企实习。
在实习中参与算法相关项目，熟悉工业界开发流程，把科研里的代码能力落地到实际工程场景，彻底补齐 “非科班” 短板，也向港大证明我有明确的 CS 职业方向和实践能力。
2. 中科院自动化所强化学习实习
系统研究深度 Q 网络（DQN），逐行解析代码并复现模型，训练 AI 智能体玩贪吃蛇游戏，调参优化并对比多种深度强化学习算法。
这段经历直接把我从纯物理科研，拉到 AI 与计算机方向，证明我能胜任 CS 相关研究与开发。
3. Q1 顶刊一作科研成果
以独立作者发表于物理学顶刊，独立完成 50 + 文献调研、理论模型设计，用 Python 与 Mathematica 处理 50,000 + 数据，自研数值积分算法。
看似物理研究，实则锻炼了文献梳理、数值建模、算法设计、大规模数据处理能力，正是港大 CS 非常看重的科研素养。
4. 硬核数理基础与竞赛背书
高中数学联赛省一、美国大学生数学建模竞赛、全国大学生数学能力挑战赛、多次校级一等奖学金。
长期的数理训练让我在理解算法、模型、逻辑架构时比纯文科转行者快得多，也成为跨申 CS 的隐形优势。
跨申心得
很多人觉得物理转 CS 跨度极大，其实理科生反而有天然优势：
物理扎实的数理底子，学算法、模型、机器学习上手极快
科研训练出的逻辑思维、代码能力、问题解决能力，与 CS 高度契合
一段名企实习 + 相关项目经历，就能完美弥补专业背景差异
专业从来不是限制，能力和清晰的规划才是硬通货。
从物理硕博连读，到港大 CS 硕士，
不是放弃原有积累，而是把优势迁移到更适合自己的赛道。
