你的大學讀的是商科、心理學、物理或文學，現在想申請紐西蘭的AI相關碩士。最常聽到的建議是「先補程式設計和數學」，但這句建議其實不夠具體。真正該問的是：你要申請的學校，對跨專業學生的課程要求是什麼？哪些課是入學前必修，哪些是入學後可以補的？這些答案，比系所名稱是否包含「AI」兩個字更重要。

課程匹配：把「我想讀AI」變成「我符合這間學校的要求」

跨專業申請最大的風險，不是背景不夠強，而是你申請的學校根本沒有為跨專業學生設計入學路徑。有些碩士課程嚴格要求本科必須是計算機科學或相關科系，有些則允許不同背景申請，但要求你在入學前完成特定先修課程。

第一輪篩選時，打開每一間學校的碩士課程頁面，找出兩個關鍵資訊：入學要求（Entry Requirements）和課程結構（Programme Structure）。入學要求會列出最低學歷背景，課程結構會告訴你必修課有哪些。把這兩個資訊放在一起看，就能判斷：以你目前的背景，是直接符合資格，還是需要補修，又或者是根本不符合。

一個實用的做法是建立一份比對表，列出你在大學修過的課程，對照學校要求的先修科目。例如學校要求「程式設計入門」與「離散數學」，而你修過統計學但沒碰過程式，這就代表你需要補課。這份比對表不僅幫你篩選學校，也是日後撰寫個人陳述時的重要素材。

橋樑課程與先修條件：入學前補，還是入學後補

紐西蘭部分大學為跨專業學生提供橋樑課程，或允許在碩士修讀期間補修基礎課。但這不是通則，每一間學校的做法差異很大。

有些學校把補修課放在碩士學程的第一學期，意思是你要一邊修基礎課、一邊修研究所課程，壓力會比較大。有些學校則要求你在入學前完成線上課程或暑期課程。還有一些學校沒有明確的橋樑機制，跨專業申請者必須自己想辦法補足背景，並在申請時證明自己已經具備必要基礎。

判斷的關鍵是看課程頁面有沒有列出「Graduate Diploma」或「Postgraduate Certificate」作為銜接選項。如果學校提供這類學制，通常代表他們有成熟的跨專業輔導經驗。如果完全沒有提到跨專業申請者的安排，你就需要主動聯繫系所，詢問先修課程的具體要求。

研究計畫中的知識遷移：跨專業申請者的核心說服點

跨專業申請者常犯的錯誤，是把個人陳述寫成「我對AI很有熱情」，卻沒有說明自己原本領域的訓練如何幫助AI研究。這在授課式碩士可能還能過關，但如果是研究型碩士，評審會直接質疑你是否有能力完成原創研究。

你應該把跨專業背景當成優勢，而不是需要道歉的缺點。例如讀心理學的申請者，可以強調自己對人類認知與行為的理解，這對人機互動或AI倫理研究有直接幫助；讀物理的申請者，可以強調數學與建模訓練，這對機器學習理論研究很重要；讀商科的申請者，可以強調對產業流程與決策的理解，這對AI在商業場景中的應用研究有價值。

在個人陳述或研究計畫中，用一段篇幅清楚說明：你的原領域提供了什麼分析工具、這些工具如何遷移到AI研究、你打算透過什麼方式補齊程式與數學基礎。這段「知識遷移邏輯」比任何熱情宣言都有說服力。

用AI選校時，如何避免被系所名稱誤導

AI選校工具很擅長根據關鍵字找出相關課程，但對於跨專業申請者，AI的輸出有一個明顯風險：它可能推薦你系所名稱包含AI的課程，卻沒有告訴你這間課程是否接受非本科背景。

使用AI選校結果時，把每一間學校的「入學要求」當作第一道過濾器。AI說這間學校適合你，但入學要求寫著「需具備計算機科學學士學位」，這間學校就應該直接刪除。不要寄望於「也許可以通融」，研究型碩士的入學審查通常比授課式更嚴格，因為導師要確保你有能力獨立做研究。

另一個核對重點是課程結構。AI可以告訴你課程名稱，但無法判斷必修課的難度與先修順序。你必須自己看課程大綱，確認這些課是否假設你已經具備某些基礎。如果一門機器學習課的課程大綱提到「學生應熟悉線性代數與機率論」，而你沒有修過，這就是你需要補課的訊號。

跨專業申請的行動清單

• 先列出所有感興趣的AI相關碩士課程，不要只看系所名稱。
• 逐一查閱入學要求，確認是否接受非本科背景。
• 比對你修過的課程與學校要求的先修科目，找出差距。
• 確認學校是否提供橋樑課程或入學後補修機制。
• 在個人陳述中寫清楚知識遷移邏輯，而非只表達興趣。
• 將AI選校結果視為候選清單，最終以學校官網的當前資訊為準。

跨專業申請不是把過去歸零重來，而是把過去訓練轉換成新的研究語言。課程匹配幫你確認這間學校願意給你機會，而你的個人陳述則要證明，你值得這個機會。