大学规划 · 北京语言大学 认知科学与技术
目标：本科毕业后申请海外硕士（认知科学 / 认知神经科学 / 计算认知 / 心理学 / AI 方向）
预算：每年 20 万人民币（硕士 1–2 年，总花费另算）
创建：2026-09-10 · 最后更新：2026-09-10（路线改为硕士出国）
1 我的基本情况
| 项目 | 内容 |
|---|---|
| 学校 | 北京语言大学（非 211） |
| 专业 | 认知科学与技术 |
| 生源地 | 河南 |
| 高考 | 590 / 750（78.7%） |
| 选考科目 | 物理 + 化学 + 地理 |
| 语言 | 专攻英语（放弃德语） |
| 特点 | 能吃苦 |
路线说明（2026-09-10 重大调整）
原计划"大二结束转学出国读本科"已放弃。原因：
1. 英语授课的认知科学本科全球极度稀缺（该专业多在硕士阶段）
2. 转学会从大一开始重读、丢掉北语学位
3. 德国路线需德语 B1，放弃德语后关闭
新路线：本科四年读好 → 毕业申请海外硕士。
理由：认知科学硕士项目英语授课遍地都是，保住了北语学位，时间压力消失。
这条路的三个核心：
- GPA，硕士申请最看重，四年累积，掉了补不回来
- 科研，硕士申请必须有：实验室经历、论文、项目
- 英语，雅思/托福 + 学术英语
2 时间线总览
本科阶段
2026 秋 大一上 ← 现在
2027 春 大一下
2027 夏 暑假
2027 秋 大二上
2028 春 大二下
2028 夏 暑假
2028 秋 大三上
2029 春 大三下
2029 夏 暑假 ← 科研关键期
2029 秋 大四上 ← 提交硕士申请（各国截止 2029 冬 – 2030 春）
2030 春 大四下 ← 拿 offer / 办签证
2030 秋 硕士入学
对比旧路线：不再有"21 个月冲刺"的紧迫感，改为 4 年从容积累。
3 每日时间规划
可用时间：工作日 4h ｜ 无课日 6h（+2h）｜ 休息日 8h
每周合计：约 34–36 小时
3.1 核心原则
四门课不是各分 1 小时，要按优先级。
大一：GPA 是硬指标，英语有截止日，数学/编程可以慢但必须每天碰。
| 优先级 | 项目 | 为什么 |
|---|---|---|
| ⭐⭐⭐ | 校内课程（GPA） | 掉了补不回来，是所有退路的保底 |
| ⭐⭐⭐ | 英语 | 有截止日，且越早考掉越省心 |
| ⭐⭐ | 数学 | 需要长期积累，靠"每天一点"而非突击 |
| ⭐⭐ | 编程 | 同上，且要动手写 |
| ⭐ | 专业课 | 跟校内课走，不额外加码 |
3.2 工作日模板（4 小时）
| 时段 | 内容 | 时长 |
|---|---|---|
| 第 1 段 | 校内课程复习 / 作业（GPA） | 1.5h |
| 第 2 段 | 英语（词汇 + 听力/阅读） | 1h |
| 第 3 段 | 数学（跟校内进度 + 公开课） | 1h |
| 第 4 段 | 编程（写代码，不是看教程） | 0.5h |
为什么这么分：前两段是"不能省"的，后两段是"积少成多"的。
编程只给 0.5h，但关键是每天都写，30 分钟 × 5 天 > 周末突击 2 小时。
3.3 无课日模板（6 小时 = 4 + 2）
在 4 小时模板上，加 2 小时给数学和编程各 1 小时（这两块最需要连续时间）。
3.4 周末模板（8 小时）
| 时段 | 内容 | 时长 |
|---|---|---|
| 上午 | 编程（做项目，写完整的东西） | 2.5h |
| 上午 | 数学（啃难点：线代/SVD） | 2h |
| 下午 | 专业课（读文献 / 教材） | 2h |
| 下午 | 英语（写作 / 口语输出） | 1.5h |
周末是"整块时间"，用来做工作日做不了的事，写完整程序、啃硬骨头、读长文献。
3.5 每周节奏（示例）
周一 4h ✓
周二 6h ✓ 无课日
周三 4h ✓
周四 4h ✓
周五 6h ✓ 无课日
周六 8h ✓ 休息日
周日 4h ✓ 休息日（留半天真正休息）
────────────────
合计 36h
⚠️ 必须留出真正的休息。周日我建议只排半天，
认知科学的研究反复证明：疲劳状态下学习效率断崖式下降，
而且认知心理学里的间隔效应告诉我们，分散学习 > 集中突击。
3.6 三条执行铁律
- 每天必须碰的四样：校内课、英语、数学、编程，哪怕每样只有 20 分钟
- GPA 永远优先：考试周可以暂停其他三项，但不能暂停校内课
- 英语有截止日：大一下要考雅思，倒排时间，别拖
3.7 每周复盘（周日 30 分钟，不算在 36h 内）
- 这周 GPA 有没有掉？
- 英语进度到哪了？（词汇量、模考分数）
- 数学/编程有没有"看教程但没动手"？
- 下周要不要调整？
复盘不是形式。没有复盘的规划会在三周内失效。
3.8 不同阶段的重点转移
| 时期 | 重点 | 说明 |
|---|---|---|
| 大一上 | GPA + 英语 + Python 入门 | 打地基，别贪多 |
| 大一下 | GPA + 冲雅思 | 英语是这一学期的攻坚点 |
| 大二上 | GPA + 数学核心 + 进实验室 | 科研启动 |
| 大二下 | GPA + 专业课 + 科研 | 全面铺开 |
| 大三大四 | 科研为主，英语保持 | 见后续规划 |
3.9 📅 阶段制学习路线
每个阶段 = 36 小时 = 1 周（假期同样节奏）。
阶段内分配：数学 11h ｜ 编程 9h ｜ 校内课 10h ｜ 英语 6h。内容包含：每个阶段的数学与编程学习内容 + 具体作业，已排到可执行粒度。
大一上 16 个阶段已全部展开，大一下至大二为路线概览。
4 任务表
4.1 贯穿四年的三条主线
| 状态 | 主线 | 说明 |
|---|---|---|
| [ ] | GPA | 每门课当回事。硕士申请的硬指标，四年累积 |
| [ ] | 英语 | 大一上基础 → 大一下冲雅思 6.5 → 之后保持 |
| [ ] | 科研 | 大二进实验室 → 大三做项目/论文 → 大四写进申请 |
4.2 其他待办
| 状态 | 任务 | 时间 | 备注 |
|---|---|---|---|
| [ ] | 问北语教务处：认知科学能否参加校际交换 | 2026 秋 | 交换是加分项，不再是"出国途径" |
| [ ] | 确认专业性质：是"认知科学与技术"还是"语言学习科学实验班"？教育学学士对申请的影响 | 2026 秋 | |
| [ ] | 从教务系统拿《培养方案》 | 2026 秋 | 对照进本规划 |
| [x] | ~~办 APS 审核~~ | — | ❌ 不需要（德国专属，路线已改） |
4.3 本科学习内容（大一大二为重点）
按高标准（计算/AI 方向）排。用户将一项一项补充，本节持续更新。
4.3.1 【数学】
总原则：线代 > 概率统计 > 微积分。时间和精力按此顺序分配。
定位：认知科学的"计算/建模"方向，要求高于纯心理学，低于纯数学专业。
"高要求"的含义：不是多学几门课，是把四根柱子挖到底。
例：普通线代教到"特征值"就停，但真正的分水岭是 SVD，很多学校根本不讲。
深度清单：每科"学到哪"
线性代数（最重要，挖到底）
| 层次 | 内容 | 用途 |
|---|---|---|
| 基础 | 行列式、矩阵、向量组、线性方程组 | 应付考试 |
| 核心 | 四个基本子空间、正交性、投影、最小二乘 | 理解"解不存在时怎么办" |
| 核心 | 特征值分解、对角化、QR 分解 | PCA、图论、振动 |
| 分水岭 | SVD 奇异值分解 | 降维、推荐系统、图像压缩、RSA |
| 进阶 | 矩阵分解家族、伪逆、低秩逼近 | 机器学习、数据压缩 |
判断标准：能自己解释"为什么 PCA 就是 SVD 的特例"。
概率论（认知科学的灵魂）
| 层次 | 内容 | 用途 |
|---|---|---|
| 基础 | 随机变量、分布、期望方差、大数定律、CLT | 考试 |
| 核心 | 条件概率、贝叶斯公式、联合/边缘分布、条件期望 | 贝叶斯大脑假说 |
| 核心 | 协方差、相关系数、矩生成函数 | 统计建模 |
| 分水岭 | 马尔可夫链 | 强化学习、认知建模、语言模型 |
| 分水岭 | 蒙特卡洛 / MCMC | 计算认知科学标配 |
判断标准：能把实际问题写成概率模型，说出"我要算什么"，而非套公式。
数理统计（实验科学的饭碗）
| 层次 | 内容 | 用途 |
|---|---|---|
| 基础 | 点估计、区间估计、假设检验 | 考试 |
| 核心 | 最大似然估计 MLE | 一切模型拟合的基础 |
| 核心 | 回归分析（线性/逻辑） | ML 入门 + 心理学数据分析 |
| 核心 | 方差分析 ANOVA | 认知心理学实验的主力 |
| 分水岭 | 混合效应模型 | 心理学数据的现代标准，本科常不讲 |
| 进阶 | 贝叶斯统计、非参数、因子分析 | 科研深入 |
判断标准：读懂心理学实验论文的统计部分不卡壳。
微积分（够用即可，别恋战）
多元微积分、梯度、雅可比/海森矩阵、泰勒展开、拉格朗日乘子。
唯一要深挖的：梯度（梯度下降 / 反向传播的核心）。
优化（ML 的引擎）
凸集、凸函数、拉格朗日对偶、KKT 条件、梯度下降、牛顿法。
资源：Boyd《Convex Optimization》免费 PDF。
信息论（认知的计算理论基础）
熵、条件熵、互信息、KL 散度、最大熵原理。
资源：MacKay（免费 PDF）。
微分方程 / 动力系统（神经动力学）
ODE、线性系统、稳定性、分岔。资源：Strogatz《Nonlinear Dynamics and Chaos》。
数学 ↔ 认知科学的连接（为什么学）
| 数学工具 | 认知科学对应理论 |
|---|---|
| 线代 / SVD | 表征、神经网络、表征相似性分析(RSA)、降维 |
| 概率 / 贝叶斯 | 贝叶斯大脑假说、预测编码、计算认知科学 |
| 优化 | 大脑作为优化器、自由能原理 |
| 动力系统 | 神经动力学、动态系统理论、吸引子网络 |
| 信息论 | 认知的信息处理范式、熵与不确定性 |
学习方法（比内容重要）
- 每门课配一门公开课当"第二遍"：校内课是下限，公开课是上限。
- 用 Python 验证每个定理：
U,S,Vt = np.linalg.svd(A)，再验证A == U@np.diag(S)@Vt。跑通才算懂。 - 做题量要够：线代、概率的课后题至少刷两遍。数学是手艺，不是知识。
- 输出倒逼输入：每学完一块，写一篇"能给同学讲清楚"的笔记。
教材与笔记 📂
📂 打开教材索引，所有教材、笔记、公开课链接都在这一个页面里
📐 打开数学公式速查表，阶段 01–16 全部公式，每条自带 sympy 验证命令
免费正版教材（作者官方免费，已下载到本地）：
| 教材 | 科目 |
|---|---|
| 📘 Boyd《凸优化》 | 优化 |
| 📗 MacKay《信息论与推断》 | 信息论 |
| 📙 Jurafsky《语音与语言处理》 | 计算语言学 |
| 📕 《动手学深度学习》 | 深度学习 |
教材清单（原版 · 受版权需购买）
| 科目 | 原教材 | 免费替代 |
|---|---|---|
| 线代 | Strang《Introduction to Linear Algebra》 | MIT 18.06 公开课 |
| 概率 | Blitzstein《Introduction to Probability》 | 哈佛 Stat 110 |
| 统计 | Casella & Berger《Statistical Inference》 | MIT 18.05 |
| 优化 | — | ✅ Boyd 免费 PDF（已下载） |
| 信息论 | — | ✅ MacKay 免费 PDF（已下载） |
| 动力系统 | Strogatz《Nonlinear Dynamics and Chaos》 | MIT 18.03 |
| 数学分析 | 卓里奇 / Rudin（想走理论再碰，否则不必要） | — |
⚠️ 受版权教材不提供盗版下载。上面列的是官方免费替代（公开课），
或作者主动免费公开的 PDF（Boyd、MacKay、Jurafsky、D2L 已下载）。
可选加分项
- 大学生数学竞赛（每年 10 月），刷手感，简历加分
- 数学建模美赛 MCM/ICM（每年 2 月），用数学解实际问题，契合交叉属性
- 复变函数 / 泛函分析 / 实分析，仅确定走理论方向才学
学期安排
大一上（2026 秋）
| 课程 | 内容 | 高标准要求 | 免费资源 |
|---|---|---|---|
| 高等数学（上） | 极限、导数、中值定理、不定/定积分 | 会推导基本定理，不只会算 | 同济《高数》+ 3Blue1Brown《微积分的本质》 |
| 线性代数 | 行列式、矩阵、向量组、线性方程组 | 建立"矩阵=线性变换"的几何直觉，而非只背算法 | MIT 18.06（Gilbert Strang），B站有搬运 |
加餐：跟 Strang 18.06 走一遍，比校内课深一档，配课后题。
大一下（2027 春）
| 课程 | 内容 | 高标准要求 | 免费资源 |
|---|---|---|---|
| 高等数学（下） | 多元微积分、重积分、曲线曲面积分、无穷级数 | 会算即可，不要恋战 | 同上 |
| 概率论 | 随机变量、分布、期望方差、大数定律、中心极限定理 | 练到"看见问题能建模成随机变量" | Blitzstein《哈佛概率论》Stat 110 |
加餐：Blitzstein 的课 + 配套《Probability》教材。
大二上（2027 秋）
| 课程 | 内容 | 高标准要求 | 免费资源 |
|---|---|---|---|
| 数理统计 | 参数估计、假设检验、回归 | 实验设计的理论基础，认知科学必用 | 《统计学习方法》前几章 |
| 离散数学 | 图论、组合、数理逻辑、关系 | 逻辑部分要扎实 | Rosen《离散数学》 |
| 常微分方程（若有） | 一阶/二阶 ODE、线性系统 | 理解动力系统概念 | Strogatz《Nonlinear Dynamics》 |
加餐（关键）：凸优化，Boyd《Convex Optimization》，免费 PDF 在斯坦福官网。ML 的数学核心。
大二下（2028 春）
注意：按新路线，本学期无外部考试压力，可把校内课学扎实并开始考虑科研方向。
| 课程 | 内容 | 高标准要求 |
|---|---|---|
| 多元统计分析 / 回归 | 方差分析、主成分、因子分析 | 认知科学数据分析的核心工具 |
| 数值分析（若有） | 数值积分、迭代法、误差分析 | 会用即可 |
| 优化 / 运筹学（若有） | 线性规划、梯度下降、凸优化 | 重点，ML 的引擎 |
加餐（有余力）：信息论，香农熵、互信息、KL 散度。MacKay《Information Theory, Inference, and Learning Algorithms》免费 PDF。
四年数学地图
大一上 高数上 + 线代 ← 线代是重点
大一下 高数下 + 概率论 ← 概率是重点
大二上 数统 + 离散 + ODE ← 加餐：凸优化
大二下 多元统计 + 数值/优化 ← 加餐：信息论
三条铁律
- 线代 > 概率 > 微积分，按此分配精力，别搞反。
- 每门课配一门高要求网课：校内课是下限，MIT/哈佛公开课是上限。
- 动手，不要只听课：用 Python（numpy 做线代、scipy 做统计）把课本例子跑一遍。
工具
桌面 数学工具/ 文件夹已装好环境（numpy / scipy / matplotlib / pandas / jupyter），双击「启动 Jupyter.command」即可用。
4.3.2 【编程】
总原则：Python 是唯一的主语言。但"会写 Python"和"会写科研代码"是两回事。
认知科学的编程有两条腿，实验腿（做实验、采数据）和建模腿（处理数据、建模型），两条都要。
分水岭是这四样：向量化思维、Git、面向对象、可复现性，会几个库不算。
有没有这四样，决定了你是"写脚本的"还是"能写科研/工程代码的"。
深度清单：学到哪
第一层：Python 语言本身
| 层次 | 内容 | 标准 |
|---|---|---|
| 基础 | 变量、条件、循环、函数、列表/字典 | 能写小程序 |
| 核心 | 可变性/引用、作用域、推导式、生成器、迭代器协议 | 理解"对象"，而非只记"变量" |
| 分水岭 | 面向对象（类、继承、魔法方法、组合） | 能设计类，而非只写函数 |
| 进阶 | 装饰器、上下文管理器、类型注解、异步 async | 能读懂开源库源码 |
第二层：科学计算栈（每天都要用）
| 库 | 干什么 | 必须练到什么程度 |
|---|---|---|
| numpy | 数组、矩阵、线性代数 | 向量化思维，能不写 for 循环就不写 |
| pandas | 表格数据处理（DataFrame） | 分组、合并、透视、时间序列，滚瓜烂熟 |
| matplotlib / seaborn | 画图 | 能画论文级图表，会调样式 |
| scipy | 统计、优化、信号处理、积分 | 会用 scipy.stats、optimize、signal |
第一道坎是 numpy 的向量化。普通学生拿 Python 当 C 写（满屏 for 循环），
高要求的人用"数组整体运算"思考。这一条就能拉开差距。
第三层：工程能力（分水岭，普通学生不做）
| 能力 | 内容 | 为什么关键 |
|---|---|---|
| Git / GitHub | 版本控制、分支、提交、协作 | 从第一天就用。没有它你只是"写脚本的" |
| 环境管理 | venv / conda、依赖文件 | 让你的代码在别人电脑上也能跑 |
| 调试 | 断点、pdb、日志 | 出错了能自己定位，而不是干瞪眼 |
| 代码规范 | PEP 8、命名、文档 | 代码是给人读的，科研尤其 |
| 测试 | pytest | 保证改了 A 不弄坏 B |
| 命令行 | Shell / Bash | 自动化、批量处理、跑服务器 |
资源：MIT《The Missing Semester of Your CS Education》（免费，讲的就是这些学校不教但天天要用的东西）。
第四层：科研计算特有
| 内容 | 说明 |
|---|---|
| Jupyter 工作流 | 探索式分析、出图、写报告一体 |
| 实验编程 | PsychoPy（本地实验）/ jsPsych（在线实验），认知科学采集数据的标准工具 |
| 数据格式 | CSV、JSON、HDF5、Parquet |
| 可复现研究 | 数据+代码+环境打包，别人能一键复现你的结果 |
第五层：进阶（计算方向）
| 内容 | 说明 |
|---|---|
| PyTorch | 深度学习框架，认知建模 + AI 都要 |
| 性能优化 | 向量化、numba、多进程 |
| 数据获取 | 爬虫（requests/BeautifulSoup）、API |
| 可视化进阶 | plotly 交互图、网络图 |
编程 ↔ 认知科学的连接
| 工具 | 认知科学里的用途 |
|---|---|
| PsychoPy / jsPsych | 设计实验、呈现刺激、采集反应时/正确率 |
| pandas / scipy | 分析实验数据、统计检验 |
| matplotlib | 出图、写论文 |
| PyTorch | 计算建模、神经网络、认知模型拟合 |
| 爬虫 / API | 获取语料、在线行为数据 |
学习方法
- 项目驱动，别只看教程。看一百个视频不如自己做一个东西。
- 从第一天就用 Git，每次学完一块就 commit，你的提交记录本身就是成长轨迹。
- 用真实数据练。找一份认知实验数据或公开数据集，跑通完整流程。
- 读别人的代码。GitHub 上找认知科学/心理学的开源项目读。
- 把代码放到 GitHub，出国申请时，一个代码作品集比简历上写"会 Python"有力得多。
资源与笔记 📂
📂 打开编程教材索引，教材、笔记、在线资源都在这一页
🔍 打开代码速查表，按「我想做什么」查代码，不用记得函数名
免费正版教材（作者官方免费，已下载到本地）：
| 教材 | 用途 |
|---|---|
| 📗 Think Python 2e | Python 入门首选 |
| 📊 Think Stats 2e | 用 Python 学统计 |
| 🕸️ Think Complexity 2e | 复杂系统、网络 |
资源清单（官方在线 · 已验证可访问）
| 阶段 | 资源 |
|---|---|
| Python 基础 | 哈佛 CS50P（免费）、Python 官方教程 |
| 科学计算 | 《Python Data Science Handbook》（VanderPlas，免费在线） |
| 工程能力 | MIT《The Missing Semester》（免费，有中文版） |
| 实测入门 | Automate the Boring Stuff（在线免费） |
| 实验编程 | PsychoPy 官方教程、jsPsych 文档 |
| 进阶 | PyTorch 官方教程、《Fluent Python》（需购买） |
学期安排
大一上（2026 秋）
| 内容 | 目标 |
|---|---|
| Python 语法基础 | 能独立写出 100 行的程序 |
| Git 入门 | 会用 add/commit/push，建一个 GitHub 账号 |
| 环境 | 已就绪（桌面 数学工具/，含 numpy/pandas/pytest 等） |
大一下（2027 春）
| 内容 | 目标 |
|---|---|
| numpy + pandas + matplotlib | 建立向量化思维，能独立做数据分析 |
| 第一个项目 | 用真实数据集跑完整流程，放进 GitHub |
大二上（2027 秋）
| 内容 | 目标 |
|---|---|
| 工程能力（Git 进阶/测试/环境/命令行） | 代码规范化 |
| PsychoPy 或 jsPsych | 能独立做一个心理学实验程序 |
| 爬虫 / API | 能获取网络数据 |
大二下（2028 春）
注意：按新路线，本学期无外部考试压力，可正常推进。
| 内容 | 目标 |
|---|---|
| 面向对象 | 能设计类结构 |
| PyTorch 入门 | 跑通一个神经网络 |
可选加分项
- 把课程作业代码开源到 GitHub，申请时的作品集
- Kaggle 入门赛，练数据处理和建模
- 写技术博客，输出倒逼输入
- 数学建模美赛（每年 2 月），Python 解题，一举两得
- 参与开源项目，学协作、读大项目代码
要不要学 C 语言？
结论：大一大二不主动学 C。Python 优先级远高于 C。
原因：留学需要的能力链（Python → pandas/统计 → PsychoPy → PyTorch）一环都碰不到 C，认知科学的科研代码 99% 是 Python。
| 你的情况 | 建议 |
|---|---|
| 想两年内走通留学的 Python 链 | 不学 C（时间不够，回报为零） |
| 学校培养方案里 C 是必修 | 好好学（那是拿学分，不算额外负担） |
| 想走计算神经科学 / 理论方向 | 大三大四再补，不是现在 |
| 想搞高性能计算 / 写底层库 | 需要，但那是很久以后的事 |
C 的真实价值是"理解计算机"的内功（内存、指针、性能），但这门内功不会过期，等你大三有余力、或确定理论方向再学，理解反而更深。
更值得注意的：认知科学/神经科学的底层研究，主流是 MATLAB（神经影像）和 R（统计），很多研究者先学的是这两个，不是 C。要打底层内功，C++ 反而比 C 更常用于高性能计算。
建议做法：大三如果想补内功，用「C 手写一个数组 → 看 numpy 如何把它优化 100 倍」的方式学，既懂底层又看见抽象的价值。
4.3.3 【专业课】
总原则：语言腿 + 计算腿，两条都上强度。
核心认知是：语言和计算不是两条路，是同一件事的两面。
- 语言是观察认知的窗口（人类最复杂的认知能力）
- 计算是描述认知的语言（唯一能精确表述认知理论的形式化工具）
真正的护城河不在"会语言"或"会计算"，而在能把两边接起来。
分水岭：从"描述现象"到"用计算模型预测现象"。
只会背"工作记忆容量约 7±2"是本科水平；能写出模型并预测实验结果，才是认知科学。
五大支柱（两条腿的共同基础）
| 支柱 | 核心问题 | 关键内容 |
|---|---|---|
| 认知心理学 | 心智如何运作？ | 注意、记忆、语言、决策、问题解决、表征 |
| 认知神经科学 | 大脑如何实现认知？ | 神经解剖、fMRI/EEG/ERP/MEG/TMS 方法 |
| 语言学 | 语言的结构与使用？ | 语音、句法、语义、语用、习得 |
| 人工智能 / 计算 | 认知能否被计算？ | 符号主义、联结主义、贝叶斯建模 |
| 心灵哲学 | 什么是心智？ | 意识、表征、心身问题、功能主义 |
这五根柱子的交汇点，就是认知科学本身。任一方向深挖，都要以其他四个为背景。
语言腿（上强度）
| 层次 | 课程 | 内容 | 用途 |
|---|---|---|---|
| 基础 | 普通语言学 | 语言的层级结构、描写方法 | 总纲 |
| 核心 | 语音学 | 发音器官、国际音标(IPA)、声学分析（共振峰） | 语言加工实验的基础 |
| 核心 | 音系学 | 音位、音节、音变规则 | 语言结构建模 |
| 核心 | 句法学 | 生成语法、树形结构、移位、约束 | 语言计算建模的基础 |
| 核心 | 语义学 / 语用学 | 真值条件、预设、指代、言语行为 | 意义如何计算 |
| 分水岭 | 心理语言学 | 词汇通达、句法歧义消解、眼动 / 自定步速阅读 / ERP(N400, P600) | 用实验研究语言加工，核心武器 |
| 分水岭 | 神经语言学 | 失语症、语言脑区、语义/句法加工的神经机制 | 语言与大脑 |
| 进阶 | 语言习得 | 一语习得、二语习得、关键期假说 | 发展认知 |
| 进阶 | 类型学 / 语料库语言学 | 跨语言规律、大规模语料统计 | 计算语言学入口 |
| 进阶 | 计算语言学 | 形式语言、自动机、句法分析算法 | 语言↔计算的桥 |
判断标准：拿到一段语料，能提出可检验的假设并设计实验验证，而不是只做描写。
北语的优势：这个学校本身就是语言学重镇（语言认知科学学科创新引智基地）。
这个资源要榨干。老师、语料、实验设备，都是别的学校没有的。
计算腿（上强度）
| 层次 | 课程 | 内容 | 用途 |
|---|---|---|---|
| 基础 | 人工智能导论 | 搜索、知识表示、推理 | 总纲 |
| 核心 | 机器学习 | 监督/无监督、回归、分类、聚类、评估 | 一切建模的基础 |
| 核心 | 神经网络 / 深度学习 | 反向传播、CNN、RNN、Transformer、注意力 | 现代 AI 核心 |
| 分水岭 | 自然语言处理 NLP | 词向量、语言模型、句法分析、机器翻译 | 语言↔计算的正面战场 |
| 分水岭 | 计算认知建模 | 用模型拟合人类行为数据（反应时、错误率） | 认知科学的核心方法 |
| 分水岭 | 贝叶斯认知建模 | 贝叶斯推断、生成模型、MCMC | 当代认知科学的理论主流 |
| 进阶 | 认知架构 | ACT-R、SOAR、理性分析 | 统一认知理论 |
| 进阶 | 强化学习 | MDP、Q-learning、策略梯度 | 决策、学习、大脑奖赏 |
| 进阶 | 表征学习 | 嵌入、自监督学习 | 理解"表征"这个认知核心概念 |
判断标准：给一组人类实验数据，能建计算模型去拟合，并解释模型参数的心理意义。
交叉点（真正的护城河）
两条腿交叉的地方，就是认知科学最独特、也最少人能做的地方：
| 交叉领域 | 语言 × 计算 | 为什么值钱 |
|---|---|---|
| 计算语言学 / NLP | 用计算建模语言结构 | 学术界 + 工业界双热 |
| 语言模型与人类语言加工 | 用 LLM 作为人类语言加工的模型 | 当下最火的方向，北语优势尽显 |
| 认知建模 | 用模型解释心理现象 | 认知科学的立身之本 |
| 贝叶斯大脑 / 预测编码 | 大脑作为贝叶斯推断机 | 统一理论，横跨三者 |
| 神经计算 | 神经 × 计算 | 计算神经科学 |
| 表征相似性分析 RSA | 用神经/模型表征对比 | 认知神经科学前沿 |
重点提醒：现在「语言模型能否解释人类语言加工」是全球认知科学的热点。
这条路同时用上你的语言学背景 + 计算能力 + 认知理论，三样都懂的人极少。
这是你最该盯住的方向。
实验方法论（贯穿两条腿，最易被忽视）
这是认知科学的命根子。不会做实验，上面全是空谈。
| 内容 | 说明 |
|---|---|
| 实验设计 | 自变量/因变量、控制、平衡、拉丁方 |
| 行为方法 | 反应时(RT)、正确率、眼动追踪、鼠标追踪 |
| 神经方法 | EEG / ERP、fMRI、MEG、TMS、fNIRS |
| 数据分析 | 混合效应模型、贝叶斯分析、多重比较校正 |
| 可复现研究 | 预注册、开放数据、开放代码 |
| 工具 | PsychoPy（实验）、R/Python（分析）、MNE（脑电）、SPM/FSL（fMRI） |
判断标准：能独立设计、执行、分析一个完整的认知实验。
学习方法
- 文献是主战场。认知科学靠读论文，不是靠教材。大二起每周精读 1–2 篇。
- 入门：Cognition、Journal of Memory and Language、Psychonomic Bulletin & Review
- 顶刊：Nature Human Behaviour、Trends in Cognitive Sciences（综述极好读，从这里入门） - 两条腿都要动手：语言腿 → Python 分析语料、跑心理语言学实验；计算腿 → PyTorch 建模型、拟合行为数据。
- 选一个理论挖到底。别什么都学一点。选一个（如"预测编码"或"基于使用的语言观"），把文献读到能做报告。
- 进实验室，越早越好。大二前搞定，哪怕先做数据清洗，这是接触真实科研的入口。
- 做研究，不只学课程。大二暑假争取一个完整项目，能写成报告最好。
资源与笔记 📂
📂 打开专业课教材索引，笔记、免费资源都在这一页
⚠️ 认知科学核心教材受版权保护，无免费合法 PDF。所以这块以各门课的笔记为主
（20 篇，见上面的专业课栏目）。笔记中的概念性内容无法用代码验证
（只有统计学部分验证过），务必对照教材与文献。
免费在线资源（合法免费，链接已验证）：
| 资源 | 用途 |
|---|---|
| Noba Project | 免费心理学模块 |
| Purves《Neuroscience》（NCBI Bookshelf） | 神经科学教科书免费全文 |
| UTHealth Neuroscience Online | 免费神经科学在线教材 |
| MIT OCW 9.13 / 9.00SC | 认知神经科学 / 心理学导论课程 |
| OpenStax Psychology 2e（CC-BY） | 开放授权教材 |
资源清单（教材 · 原版需购买）
| 领域 | 资源 |
|---|---|
| 认知科学总论 | Bermúdez《Cognitive Science: An Introduction to the Science of the Mind》 |
| 认知心理学 | Sternberg《Cognitive Psychology》、Anderson《Cognitive Psychology and Its Implications》 |
| 认知神经科学 | Gazzaniga《Cognitive Neuroscience》、Kandel《Principles of Neural Science》 |
| 语言学 | Fromkin《An Introduction to Language》、Chomsky 原著（进阶） |
| 心理语言学 | Sedivy《Language in Mind》、Pickering & Garrod |
| 计算语言学 | Jurafsky & Martin《Speech and Language Processing》（免费在线） |
| 机器学习 | 《统计学习方法》(李航)、Bishop《PRML》 |
| 深度学习 | Goodfellow《Deep Learning》(免费)、《动手学深度学习》(免费中文) |
| 计算认知建模 | Farrell & Lewandowsky《Computational Modeling of Cognition》 |
| 贝叶斯认知 | Kruschke《Doing Bayesian Data Analysis》 |
| 心灵哲学 | Chalmers《The Conscious Mind》、Stanford 哲学百科（免费） |
| 追文献 | Google Scholar、arXiv、connectedpapers.com（追文献链神器） |
学期安排
大一上（2026 秋）
| 内容 | 目标 |
|---|---|
| 认知科学导论 / 普通心理学 | 建立全景图，知道五大支柱各是什么 |
| 普通语言学 | 语言的描写基础 |
| 开始读综述 | 每周 1 篇 Trends in Cognitive Sciences |
大一下（2027 春）
| 内容 | 目标 |
|---|---|
| 认知心理学 | 核心概念：注意、记忆、语言、决策 |
| 语音学 / 句法学（语言腿起步） | 语言结构的分析能力 |
| 编程配合 | 用 Python 处理语料（衔接编程模块） |
大二上（2027 秋）
| 内容 | 目标 |
|---|---|
| 认知神经科学 | 大脑 + 方法（fMRI/EEG/ERP） |
| 心理语言学 | 语言加工的实验方法（语言腿分水岭） |
| 机器学习 | 计算腿核心 |
| 进实验室 | 争取一个研究助理位置 |
大二下（2028 春）
注意：按新路线无外部考试压力，专业课可全力推进。
| 内容 | 目标 |
|---|---|
| 神经语言学 / 语言习得 | 语言腿深入 |
| 神经网络 / NLP | 计算腿深入 |
| 计算认知建模 | 把两条腿接起来（有余力再上） |
| 做一个完整研究项目 | 能出报告，用于申请 |
两条腿的认识论差异（关键）
| 语言腿 | 计算腿 | |
|---|---|---|
| 核心问题 | 人类如何加工语言？ | 认知如何被计算实现？ |
| 方法 | 实验、行为、神经数据 | 模型、算法、模拟 |
| 证据 | 反应时、脑电、眼动 | 模型拟合度、预测准确率 |
| 弱点 | 只能描述现象 | 容易脱离真实认知 |
| 合流点 | 用计算模型解释实验数据 | 用实验数据检验计算模型 |
这就是认知科学区别于心理学和计算机的地方。两边必须对得上。
可选加分项
- 进实验室做研究，争取署名，出国申请最硬的资产
- 大创 / 挑战杯，国内科研履历
- 暑期学校 / 科研营，如中科院心理所、神经所的暑期项目
- 写综述或读书笔记发博客/知乎，输出倒逼输入，也是作品集
- 参加认知科学会议，感受前沿（如 CUNY 人类句子加工会议）
- "语言模型 vs 人类"小研究，蹭热点，材料现成（开源 LLM + 心理语言学范式）
4.3.4 【英语】
为什么重要：这是所有方案都要的。
📂 打开英语词汇表，中英双向搜索 + 1759 词按 17 个主题分组
| 学校 | 英语要求 |
|---|---|
| Osnabrück（德） | 英语 B2 |
| Tilburg（荷） | IELTS 6.0 |
| 其他英语授课项目 | IELTS 6.0–7.0 |
目标：雅思 6.5（≈ B2）。这是"够用线"，不是"漂亮线"。
但比考试分数更重要的是学术英语：读论文、写论文，这是认知科学的日常。
四层能力
| 层次 | 内容 | 优先级 |
|---|---|---|
| 考试英语 | 听、说、读、写四块 | ⭐⭐⭐ |
| 学术英语 | 论文阅读、学术写作 | ⭐⭐⭐（长期最有用） |
| 专业术语 | 心理学/认知科学/神经科学英语 | ⭐⭐ |
| 日常 | 口语、生活交流 | ⭐ |
容易被忽视但极重要：认知科学的文献全是英文。你读论文的能力，比雅思分数更影响你的科研水平。所以从大一开始，直接读英文文献（配合 Trends in Cognitive Sciences 这类综述）。
资源清单
| 用途 | 资源 |
|---|---|
| 刷题 | 剑桥雅思真题 4–18 |
| 听力 | BBC 6 Minute English、TED、播客 |
| 阅读 | The Economist、Scientific American |
| 背单词 | Anki（间隔重复，效率最高） |
| 学术写作 | They Say / I Say |
| 论文阅读 | How to Read a Paper（三步法） |
| 专业词汇 | 心理学/认知科学英文术语表 |
学期安排（按用户决定：大一直接搞掉）
| 学期 | 内容 | 目标 |
|---|---|---|
| 大一上 | 打基础：词汇、听力、阅读 | 捡起高考底子 |
| 大一下 | 集中冲雅思 | 首考目标 6.5，尽量一次考掉 |
| 大二上 | 保持 | 无压力 |
| 大二下 | 若需 7.0 再补 | 按目标校要求调整 |
✅ 英语是大一唯一的外语重点：集中火力，一次考掉，后面就不用分心。
时间线
大一上 大一下 大二上 大二下
英语 基础 → 冲雅思6.5 → 保持 → 保持/补
新路线下压力大减：硕士申请在 2029 年秋，英语成绩有效期 2 年，
所以大一考完虽然会过期，但大四申请前重考一次即可（底子在，重考轻松）。
也可以选择大二下或大三再考，把分数留到申请时。两种都行，建议大一先考出一次摸底。
可选加分项
- 英语：考一次托福，部分学校只认托福，两手准备
- 学术英语：用英文读认知科学论文并做笔记，硕士申请最需要的能力
- 多语优势：北语的语言环境是最好的免费语伴资源，别浪费
4.4 申请材料清单（远期 · 2029 年秋申请时用）
⚠️ 这是硕士申请的材料方向，现在只需知道有哪些，不必准备。
大一大二的核心是 GPA + 英语 + 科研，材料到时会水到渠成。
硕士申请常见材料：
- [ ] 本科成绩单（GPA，最重要）
- [ ] 学位证 / 毕业证（在读证明）
- [ ] 语言成绩（雅思/托福）
- [ ] 推荐信 2–3 封（来自导师，所以要早进实验室）
- [ ] 个人陈述 / 动机信（Statement of Purpose）
- [ ] 简历（含科研经历、项目、技能）
- [ ] 可能：GRE、写作样本、面试
APS 材料清单（已废弃，仅存档）
APS 是德国专属，路线改为硕士 + 英语国家后完全不需要。
下列内容仅作历史记录，不用准备。
- ~~在线注册证明（打印、贴2寸照、亲笔签名）~~
- ~~汇款单复印件（审核费 2500 元，本人名义汇）~~
- ~~身份证正反面复印件~~
- ~~小学毕业证复印件（无需公证）~~
- ~~初中毕业证复印件（无需公证）~~
- ~~高中毕业证，公证件原件~~
- ~~会考成绩单，公证件原件~~
- ~~高考成绩单（省教育考试院出具），公证件原件~~
- ~~学信网中英文会考成绩报告~~
- ~~学信网中英文高考成绩报告~~
- ~~英文简历（高考超半年的申请人需要）~~
5 选校清单（海外硕士 · 认知科学方向）
⚠️ 本节为远期参考（申请在 2029 年秋）。现在只需知道方向，不必定校。
本科阶段把 GPA、英语、科研三条线做好，选校到大三再落实。
硕士比本科友好得多：认知科学 / 认知神经科学 / 计算认知科学 / 心理语言学 / 心理学 / AI
的硕士项目，英语授课遍地都是，不再稀缺。这和本科的困境完全不同。
预算数学变了：硕士是 1–2 年，不再需要覆盖 4 年。
| 学制 | 总花费 | 可去的国家 |
|---|---|---|
| 1 年制 | 20–35 万 | 英国（重新进入视野）、荷兰部分项目 |
| 2 年制 | 30–45 万 | 荷兰、德国、北欧、意大利、美国（部分） |
原来"超预算"的英国，因为只读 1 年，可能重新可选。以后细算。
5.1 目标专业方向（硕士）
| 方向 | 说明 | 你的优势 |
|---|---|---|
| 认知科学 / 认知神经科学 | 正主 | 专业直接对口 |
| 计算认知科学 | 建模方向 | 数学 + 编程 + 认知理论三者结合 |
| 心理语言学 / 语言科学 | 语言加工 | 北语的语言学底子 |
| 心理学 | 面最广，项目最多 | 交叉学科可申 |
| 人工智能 / NLP | 计算方向 | 需补足编程与数学 |
5.2 高价值目标校（示例，待大三核实）
| 地区 | 学校 | 相关硕士项目 | 备注 |
|---|---|---|---|
| 荷兰 | Radboud（奈梅亨） | Cognitive Neuroscience / AI | Donders 中心，认知神经科学全球顶尖 |
| 荷兰 | 格罗宁根 RUG | Cognitive Science / AI | 全英文，体系成熟 |
| 荷兰 | 蒂尔堡 | Cognitive Science and AI | 相对好进 |
| 意大利 | 特伦托 | Cognitive Science（硕士） | 学费低，性价比高 |
| 意大利 | 帕多瓦 | Psychology / Neuroscience | 传统强校 |
| 德国 | Osnabrück 等 | Cognitive Science | ⚠️ 需德语，除非英语硕士项目 |
| 英国 | UCL / 爱丁堡 等 | Cognitive Neuroscience | ⚠️ 1 年制，但学费高 |
| 美国 | 多校 | Cognitive Science PhD / MS | ⚠️ 费用高，博士通常有 funding |
5.3 ⚠️ 待核实（大三再做）
- [ ] 各硕士项目的中国本科背景认可度（尤其"教育学学士"能否申认知科学硕士）
- [ ] 是否要求 GRE
- [ ] 科研经历的具体要求（论文？项目？）
- [ ] 1 年制 vs 2 年制的取舍
核实渠道：各校官网、bachelorsportal.com/mastersportal.com、studyinnl.org、universitaly.it
6 已确认的事实（来源核实过）
- 认知科学本科稀缺、硕士丰富，这是改为硕士路线的核心依据
- 荷兰 Tilburg：Cognitive Science and AI 本科 €16,100/年，雅思 6.0（参考）
- 意大利帕多瓦：Psychological Science，学费按收入 €900–4,000，雅思 6.0（参考）
- APS：德国专属，改走硕士 + 英语国家后不需要
- 已放弃：德国（缺德语）、转学读本科（重读代价大）
7 待办 / 未决
- [ ] 确认专业性质：是"认知科学与技术"还是"语言学习科学实验班"？教育学学士对申硕士的影响
- [ ] 从教务系统拿《培养方案》，把真实课程表对照进本规划
- [ ] 问北语教务处：认知科学能否参加校际交换（现在是加分项）
- [ ] 大二前找到实验室，科研是硕士申请的核心，越早越好
- [ ] ~~选定本科出国目标校~~ → 改为大三时筛选硕士项目
8 备注
- ⚠️ 学校政策、学费、截止日均须以各校官网为准，不要只信转述
- ⚠️ 路线为本科毕业 → 海外硕士；不需要 APS，不需要德语
- ⚠️ 硕士申请的三大件：GPA、科研、推荐信；语言成绩是门槛不是亮点
- ⚠️ 本规划的大一大二学习内容（数学/编程/专业课/英语）全部继续有效，且现在有 4 年时间打磨