上一期芝大 MS-AAI 回答的是「基础已经有了，怎么用出去」：九个月全花在应用和业务价值上。伯克利这一期换了个问法：要是底子还没打牢呢？

加州大学系统研究生教育协调委员会（CCGA）给出的设立理由很直接：能开发、维护、解释并以合乎伦理的方式改进机器学习系统的人才缺口在扩大，而 MAIML 要提供的正是「高度技术化、深入的计算与统计学训练」。

计算、数据科学与社会学院（CDSS）院长 Jennifer Chayes 是这么说的：「随着人工智能与机器学习硕士学位的设立，伯克利正在为学生创造一个独特的机会，让他们在一个鼓励变革的生态系统中接受严格的 AI 训练。」下面就从这条初衷说起。

本文导读

◆ 它是什么：伯克利为它单独立了一个新学位名号

◆ 两个学期 24 学分：秋季学什么，春季学什么

◆ 课堂之外的三块安排：AI 能不能放心用、硅谷沉浸、职业训练

◆ 回到申请者这边：先修课怎么证明、谁能申请、毕业去哪

它是什么：伯克利为它单独立了一个新学位名号

先说结论：伯克利并不缺 AI 相关的课，MAIML 值得单独拿出来看，是因为这次新立的是一个此前并不存在的学位名号。它只指向一件事，把机器学习与人工智能的计算与统计基础打牢。

◆ 伯克利目前只有这一个这样的硕士项目

常见问题页说得很直接：这是伯克利目前唯一一个以「掌握机器学习与人工智能的计算与统计基础」为目标的硕士项目，训练同时覆盖深入的理论与实务。

◆ 两个系一起设计，一起授课

项目由计算、数据科学与社会学院（CDSS）开设，师资来自电气工程与计算机科学系（EECS）与统计系，两个系的老师共同设计课程并授课。CDSS 另外说明了一句：EECS 系由 CDSS 与工程学院共管，统计专业就设在 CDSS 之下。

榜单来自 U.S. News 的研究生院口径，三项分别对应两个系。名号、两个系、榜单放在一起，项目的轮廓就出来了：一年制、职业导向，技术底子压在计算和统计上。顺序也很清楚，先打牢数据科学、概率、统计推断和机器学习，再往 AI 应用去。

这套顺序怎么落到课表上？下一章拆开看。

两学期24 学分：秋季/春季分别学什么

整个项目只有两个学期，一共 24 学分。官网写得很清楚：修完全部课程，还要通过一次综合考试，才能拿到学位。秋季把基础课排满，春季留给研讨和选修。

◆ DATA C200：数据科学的完整流程

从提出问题、采集与清洗数据、探索性分析、统计推断，一路走到预测与决策，并强调可扩展的数据处理。

◆DATA 245：概率与统计推断的理论一侧

条件化与贝叶斯方法、最大似然、渐近理论、经验分布与非参数方法、多重检验。

◆ COMPSCI 289A 或 STAT 254，二选一

一门强调概率与优化在机器学习里的作用，另一门覆盖线性回归、LASSO、树模型、集成方法与神经网络。当年具体开哪一门，视课程可用性而定。

◆ 两门小班工作坊，占掉秋季剩下的学分

一门是沟通课，教职场沟通、叙事、有效演示、谈判和求职策略，还会请业界人士来讲当前的用人期待与趋势；另一门是综合考试准备，帮你把核心课的重点再过一遍，有问题也能当面问。

春季的必修只剩一门，官方名称是「应用案例研究与负责任 AI 研讨」：AI 一旦开始替人做决定，就得有人追问它凭什么这么判、判错了谁负责。其余学分交给三门选修。官网目前列出 14 个可选课号，同时注明选修课会随课程可用性调整。课号前缀对应开课系：COMPSCI 是计算机科学，STAT 是统计学，DATA 是数据科学，EECS 是电气工程与计算机科学。

毕业只有一条路：修完全部课程、通过综合考试。这个项目不设毕业设计。

课表到这里就读完了。还有三块安排不在课堂里，它们才是这个项目区别于传统硕士的地方。

课堂之外的三块安排：AI 能不能放心用、硅谷沉浸、职业训练

这三块分别是春季那门必修研讨、开学前的两天硅谷行程，以及排进必修课的职业训练。它们回答的是同一个问题：这个项目打算把学生送到哪里去。

◆ 这门研讨课练什么：这个 AI 能不能放心用

课上用跨领域的深度案例，一步一步检查采样与数据管线、建模、实现、结论可不可靠，以及会给社会带来什么影响，看清机器学习和 AI 在真实场景里的能与不能；议题覆盖透明、公平、平等、隐私、安全、安保和问责。说到底，练的是判断一个 AI 系统能不能被放心地用起来。

◆ 硅谷沉浸：两天，排在春季学期开始之前

名单上是头部科技公司、初创企业和顶级风投，行程含产品演示和幕后参访。每天还安排圆桌讨论和交流午餐，来的人是校友、企业专业人士和高管。官方把它定位成春季案例研讨的开场。

◆ 职业训练被排进了必修课

常见问题页把「职业发展」和课程深度、硅谷沉浸、判断 AI 能不能放心用的研讨并列为这个项目的四项不同：专门课程覆盖沟通技能、面试准备、networking 和求职策略，还配行业专业人士的工作坊。同一页还提到，学生可以通过校方专属活动和定制安排，直接接触产业领袖与专业人士。

技术课、沟通课、企业接触、求职训练，全塞进同一个学年。职业型硕士和学术型硕士最实际的区别，就在这里。那么要什么条件才进得来？最后一章站到申请者这边。

申请层面：先修课怎么证明、谁能申请、毕业去哪

前面三章讲的都是这个学位本身。这一章只回答三个问题：谁能申请、先修课怎么证明、毕业能去哪。

◆ 不要求工作经验，应届生可以直接申请

招生页写得很直白：工作或科研经历在录取里不作前提。项目同时也适合在职人士。

◆ 先修课有两条证明路径

官网列了七项能力，课程、工作或科研经历都可以证明，不必全部在本科修完。另外给了补课清单：编程、数据结构、多元微积分，以及高年级的线性代数、概率与统计。只能靠工作或科研经历说明的那几项，官方指定的位置是目的陈述或个人经历陈述，两者只能选一处。

◆ 推荐信：找能评价你训练、技能和经历的人

招生页说，推荐人得能从学术或职业角度评价申请者，比如主管、项目负责人或授课教师。至少一封来自学术推荐人；有工作经历的，学校另外建议至少一封职业推荐人。朋友或家属写的推荐信，学校不接受。

◆ 毕业出口：机器学习工程师与人工智能研究员

学位类型标注为 M.A.I.M.L.，属专业型硕士。官网把培养目标写成「面向高影响力产业岗位」，毕业生对应的方向是机器学习工程师和人工智能研究员。

身份这项也说得很明确：项目属 STEM 认定，符合条件的国际学生可以申请 24 个月 STEM OPT 延期，在美累计最长 36 个月。其余要求看下表。

表里最需要提前动手的是先修课和推荐信。推荐信一般要提前两三个月去约。还有一个问题绕不开：它该和谁放在一起比。下面是 MAIML 和三个常被拿来对标的方向。

一页速记

▸定位：一年制、职业导向的专业型硕士，技术底子压在计算与统计上；CDSS 开设，EECS 与统计系师资授课

▸时间：首届 Fall 2027 入学；网申2026 年 9 月 24 日开放，2027 年 1 月 11 日 20:59（PST）截止

▸结构：两个学期、24 学分；核心课 + 3 门选修 + 综合考试，不设毕业设计

▸产业接口：能不能放心用 AI 的必修研讨、开学前的两天硅谷沉浸、排进必修课的职业训练

▸门槛：相关专业学士 + GPA 3.0 起 + 七项先修（课程或工作、科研经历均可证明）；不要求工作经验；GRE 可选

▸成本与身份：预估学费与杂费84,004 美元，奖学金按成绩与需求评定；STEM 认定，符合条件者累计最长 36 个月 OPT

合起来看，这个名号的价值在深度，不在覆盖面：计算与统计的基础课不会因为选了方向就豁免，选修课号向两个系敞开，产业接口直接写进必修结构。

一年制、职业导向、技术底子偏硬。EECS、统计和数据科学这三块基础伯克利本来就有，硅谷的产业资源也在同一片湾区，学校把它们拼成了一个新学位。想用一个学年把 AI/ML 的技术底子补齐、目标指向产业岗位的人，值得把首届 Fall 2027 认真算一遍：先修课还差哪几门，这一年怎么排。心里没底，可以先找我们聊一轮。

启德教育 2000 年创立，在国内 43个城市布局 75 家分支机构、128 家分中心，境外设有 17 家分支机构。与全球多所世界名校深度合作，打造全链条留学服务体系，累计服务学子超百万。同时构建"国内+海外"双轨升学服务生态，提供国内高中多元升学规划、研究生推免指导，以专业化、品质化服务，助力培养具备全球竞争力的未来人才。