清華大學「計算與建模科學研究所」主要分為數值計算與數學建模兩類，前者是將數學與程式做結合，假如大學是理工背景，會有很大概率看過或修過這門課。後者是將轉化問題後的數學架構，經由自身的數學工具做精簡，例如泛函、拓樸，最終得到解。這兩類皆有可能碰觸到程式語言部分，只是或多或少，也不要求學生入學前一定要會特定程式語言，只要有程式邏輯即可。
作者是屬於數值計算這類的，目前是在碩二寫論文的階段，進研究所時恰好搭上機器學習熱潮，也就一股腦去學，在神經網路這區塊，除了要解決的問題很數學，在找尋解方向的優化器也很數學，梯度下降法是神經網路最基礎的優化器，也是數值計算很具代表性的例子。
在剛進研究所通常都會先學到怎麼用程式去解線性非線性的數學問題，絕大部分都是二維以上，這時就很吃大學偏微分方程的基礎了，當你把問題精簡成線性聯立方程，又會學到許多解法去解它，而最終得到近似解。
相較於資工，我們所學程式語言的確沒有他們專精，但是在數學分面所訓練出來的邏輯能力，也會是我們一大的助力。
