1 基本背景和课程要求

专业背景：工程类专业，或者数学，生物化相关专业，国内常见有生物工程, 生物医学工程，生物技术，制药工程，临床医学，医疗器械工程，医学影像等专业。

课程方面： 建议修过数学，生物，化学，物理，计算机和工程方面的课程。

数学课程：多变量微积分，微积分方程

2.2 研究经历

需要有跟生物医学工程相关的研究经历

2.3 转专业方向

(1)转电子工程(EE)：BME和EE关系密切，有的在电子工程下面开设了生物工程这个方向。生物、生命科学是21世纪的最活跃学科之一，利用电气电子技术进行生物生命研究是美欧大学电气学科的特点之一。此方向同时要求申请者具有一定的生物和医学背景，申请的人不是很多，相对较冷，但前景非常好。该领域研究方向包括生物仪器，生物传感器，计算神经网络，生物医学超声学，微机电系统(MEMS)，神经系统中信号的传递与编码，高能粒子与生命物质的相互作用，高能粒子束与高能X光在治疗肿瘤中的临床应用，医学成像，生物图象处理，磁共振成像，发射型计算机断层摄影术(PET和SPET)，超声成像，超声成像的三维重建，心脏成像的特征提取，或是PET/SPET成像中衰减校正，神经微电子界面，血管内的成像，聋瞎病人感官辅助系统，盲人阅读机，自动语言识别等。

(2)转数据科学(DS)：Data Science是新型方向，最近特别火，当然就业也是很强的。因为BME里面也会涉及到很多数据、编程相关的知识，认识一些BME专业的同学毕业后从事了Data Scientist的工作。建议修一些DS相关的课程：

数学统计课：

· Calculus One — Coursera

· Linear Algebra - Foundations to Frontiers —Edx Introduction to Linear Models and Matrix Algebra —Edx Statistics with R Specialization — Coursera Introduction to Probability and Data – Coursera

工具及数据库语言：

· An Introduction to Interactive Programming in Python - Rice, Coursera Introduction to Computer Science and Programming Using Python - MIT, edX R Programming — Coursera, Excel to MySQL: Analytic Techniques for Business Specialization— Coursera Managing Big Data with MySQL— Coursera, Data Visualization — Coursera

数据挖掘及算法：

·Data Science Specialization - 10 courses —John Hopkins. University of Michigan Applied Data Science with Python Specialization – 5 courses -

· University of Michigan. Mining the Massive Datasets - Stanford, Coursera.

· Data Mining Specialization — Coursera. Machine Learning - Stanford, Coursera. Statistical Learning - Stanford, Stanford Online.

(3)转计算机(CS)：BME会用到很多编程和计算机架构的课程，也有不少学生希望读研期间转CS。但是CS申请太热门，希望理性考虑申请难度，当然也可以转ECE多修一些CS的课程，为就业做准备。CS是目前美国最好找工作的专业，并且优势明显。如果你想转CS的话，一定要对CS感兴趣，喜欢编程, 算法，再选择转。 如果你真的不喜欢，那么还是不要因为好找工作就走上这条道路。转学 CS 的同学需要修读一些网络先修课，这些课程基本可以分为： CS 入门必须，以及 CS 提高进修。一般来讲，虽然绝大部分 CS 申请学校不会有要求的 pre-requirement 课程，但是对于想要入门 CS 的同学，这些课程基本算是 CS 的基础必修课：至少精通一门编程语言(常见 Java, Python, C++), 数据算法与结构，操作系统，数据库。剩余课程如 Machine Learning 就是升级需要了。