UIUC网硕MCS-DS Online就读体验，附加与其他项目比较
2523857
应邀来写院系评价，赚点大米，家里已经揭不开锅了。。。文章包括：个人背景，项目比较，决策路径，就读体验。
1. 个人背景：中国985本科，美国综排50-60硕士，Electrical Engineering，北美工作，考虑转码或者数据类工作，于是入坑CS Master，但是脱产全职读书的成本太高，决定Online读一个CS相关的MS。
2. 项目比较：当时主要看了，并且申请了4个项目，如下：
第一个MCS@UIUC是UIUC大学的，学位是Master of computer science 属于computer science 专业，8个大课，学费2万美金，
第二个MCIT-DS@Upenn是宾大的，学位是Master of Science in Engineering in Data Science属于engineering department下面的，10门大课，学费3.2万美金，
第三个Mads@Umich是密歇根大学的，学位是Master of Applied Data science 属于school of information，34个小课，每个课1个月上完，学费4万美金，
第四个MSE@UCLA是UCLA的，学位是Master of Science in Engineering With Certificate of Specialization in Data Science Engineering，属于engineering department下面的，9门大课，学费3.7万美金，
其他的，还了解过UCB，ASU，NEU，GT几个项目，但是没有申请，原因如下：
UCB太贵
ASU和NEU 感觉综排或者排名一般
GT需要3封推荐信
申请结果：
MCS@UIUC：录取
Mads@Umich：录取+小奖
MSE@UCLA：录取
MCIT-DS@Upenn：悲剧（原因可以再开个贴细讲）
3. 决策路径：
三个项目都很想读，难分伯仲，也曾经在地里求助过各位大神。
首先放弃的是Mads@Umich，原因是这个项目是在school of information下的，拿的degree也是Master of Applied Data science，和CS稍微有点距离，课程方面，每个课程都是1个月完成，速度比较快。总有一种刚刚开始，就要final的感觉。另外，仔细研究了课程的老师，一半professor，一半lecturer，感觉希望professor含量再高点。
第二个放弃的是MSE@UCLA，本来这个项目本身有点不多，是一些个人原因，让他一直活到决赛Pk。。。这个项目的admission stats网站都有，非常清楚的显示每年applicant人数不多，印象中30-50个每年，60%左右的admission rate，课程方面的缺点，一个是很多考试需要到UCLA学校完成，或者在本地找UCLA合作的exam location，每次考试还需要协调老师，试卷，考试时间等，非常麻烦。另外，就是这个项目的人数比较少，课友也少，感觉很多需要自己摸索的事情。
于是。。。最终从了UIUC，当时考虑的优点，是CS的department，也是CS的degree，课程设置不错，UIUC在CS的排名和声誉也很好，同时也是这几个项目最便宜的。。。（今年看到US News的综合排名UIUC进步了，感觉自己赚到了😂）
4. 就读体验：
目前就读2个学期，各方面感觉还是比较推荐的，具体来说：
课程方面：所有课程都是录播，基本每周有作业会Due，整个课程会有几个小project，平时有Quiz，也会有Test，有些有final，或者大的project等，每门课的要求不同，但是都是100%的online完成。毕业要求，总共9门课，具体的选课要求（我是MCS-DS方向，如果是MCS方向，会略有不同）：
Machine Learning: 选一门
CS 441 Applied Machine Learning
CS 445 Computational Photography
CS 447 Natural Language Processing
CS 598 Deep Learning for Healthcare
Data Mining: 选一门
CS 410 Text Information Systems
CS 411 Database Systems
CS 412 Introduction to Data Mining
Data Visualization: 选一门
CS 416 Data Visualization
CS 519 Scientific Visualization
Cloud Computing: 选一门
CS 425 Distributed Systems (Cloud Computing Concepts)
CS 435 Cloud Networking
CS 437 Internet of Things
CS 498 Cloud Computing Applications
Advanced Coursework: 选三门
CS 513 Theory and Practice of Data Cleaning
CS 519 Scientific Visualization
CS 598 Foundations of Data Curation
CS 598 Practical Statistical Learning*
CS 598 Advanced Bayesian Modeling
CS 598 Deep Learning for Healthcare
CS 598 Cloud Computing Capstone*
CS 598 Data Mining Capstone*
Electives：任选
CS 418 Interactive Computer Graphics
CS 421 Programming Languages and Compilers
CS 427 Software Engineering I
CS 450 Numerical Analysis
CS 484 Parallel Programming
STAT 420 Methods of Applied Statistics
目前上过的两门课，感觉教授教的都不错，能学到东西。上课的平台是Coursera，同时也会配合Campuswire，Slack等其他辅助的课堂讨论和交流平台。Coursera平台的support和UIUC系里秘书，目前感觉都挺好，基本邮件都是24小时内会回复，而且遇到的问题都是感觉他们在尽力帮忙解决。课友中国人比较多，大家在群里的讨论也不少。找工方面，一方面因为大家基本都已经是在职的，找工作的outcome不是非常明显和明确。另一方面就是我自己才刚刚开始2个term，后续可以继续发review帖。
以上全部为个人经历与感受，希望对大家有用，不喜勿喷～～
想要大米，越多越好 orz
1. 个人背景：中国985本科，美国综排50-60硕士，Electrical Engineering，北美工作，考虑转码或者数据类工作，于是入坑CS Master，但是脱产全职读书的成本太高，决定Online读一个CS相关的MS。
2. 项目比较：当时主要看了，并且申请了4个项目，如下：
第一个MCS@UIUC是UIUC大学的，学位是Master of computer science 属于computer science 专业，8个大课，学费2万美金，
第二个MCIT-DS@Upenn是宾大的，学位是Master of Science in Engineering in Data Science属于engineering department下面的，10门大课，学费3.2万美金，
第三个Mads@Umich是密歇根大学的，学位是Master of Applied Data science 属于school of information，34个小课，每个课1个月上完，学费4万美金，
第四个MSE@UCLA是UCLA的，学位是Master of Science in Engineering With Certificate of Specialization in Data Science Engineering，属于engineering department下面的，9门大课，学费3.7万美金，
其他的，还了解过UCB，ASU，NEU，GT几个项目，但是没有申请，原因如下：
UCB太贵
ASU和NEU 感觉综排或者排名一般
GT需要3封推荐信
申请结果：
MCS@UIUC：录取
Mads@Umich：录取+小奖
MSE@UCLA：录取
MCIT-DS@Upenn：悲剧（原因可以再开个贴细讲）
3. 决策路径：
三个项目都很想读，难分伯仲，也曾经在地里求助过各位大神。
首先放弃的是Mads@Umich，原因是这个项目是在school of information下的，拿的degree也是Master of Applied Data science，和CS稍微有点距离，课程方面，每个课程都是1个月完成，速度比较快。总有一种刚刚开始，就要final的感觉。另外，仔细研究了课程的老师，一半professor，一半lecturer，感觉希望professor含量再高点。
第二个放弃的是MSE@UCLA，本来这个项目本身有点不多，是一些个人原因，让他一直活到决赛Pk。。。这个项目的admission stats网站都有，非常清楚的显示每年applicant人数不多，印象中30-50个每年，60%左右的admission rate，课程方面的缺点，一个是很多考试需要到UCLA学校完成，或者在本地找UCLA合作的exam location，每次考试还需要协调老师，试卷，考试时间等，非常麻烦。另外，就是这个项目的人数比较少，课友也少，感觉很多需要自己摸索的事情。
于是。。。最终从了UIUC，当时考虑的优点，是CS的department，也是CS的degree，课程设置不错，UIUC在CS的排名和声誉也很好，同时也是这几个项目最便宜的。。。（今年看到US News的综合排名UIUC进步了，感觉自己赚到了😂）
4. 就读体验：
目前就读2个学期，各方面感觉还是比较推荐的，具体来说：
课程方面：所有课程都是录播，基本每周有作业会Due，整个课程会有几个小project，平时有Quiz，也会有Test，有些有final，或者大的project等，每门课的要求不同，但是都是100%的online完成。毕业要求，总共9门课，具体的选课要求（我是MCS-DS方向，如果是MCS方向，会略有不同）：
Machine Learning: 选一门
CS 441 Applied Machine Learning
CS 445 Computational Photography
CS 447 Natural Language Processing
CS 598 Deep Learning for Healthcare
Data Mining: 选一门
CS 410 Text Information Systems
CS 411 Database Systems
CS 412 Introduction to Data Mining
Data Visualization: 选一门
CS 416 Data Visualization
CS 519 Scientific Visualization
Cloud Computing: 选一门
CS 425 Distributed Systems (Cloud Computing Concepts)
CS 435 Cloud Networking
CS 437 Internet of Things
CS 498 Cloud Computing Applications
Advanced Coursework: 选三门
CS 513 Theory and Practice of Data Cleaning
CS 519 Scientific Visualization
CS 598 Foundations of Data Curation
CS 598 Practical Statistical Learning*
CS 598 Advanced Bayesian Modeling
CS 598 Deep Learning for Healthcare
CS 598 Cloud Computing Capstone*
CS 598 Data Mining Capstone*
Electives：任选
CS 418 Interactive Computer Graphics
CS 421 Programming Languages and Compilers
CS 427 Software Engineering I
CS 450 Numerical Analysis
CS 484 Parallel Programming
STAT 420 Methods of Applied Statistics
目前上过的两门课，感觉教授教的都不错，能学到东西。上课的平台是Coursera，同时也会配合Campuswire，Slack等其他辅助的课堂讨论和交流平台。Coursera平台的support和UIUC系里秘书，目前感觉都挺好，基本邮件都是24小时内会回复，而且遇到的问题都是感觉他们在尽力帮忙解决。课友中国人比较多，大家在群里的讨论也不少。找工方面，一方面因为大家基本都已经是在职的，找工作的outcome不是非常明显和明确。另一方面就是我自己才刚刚开始2个term，后续可以继续发review帖。
以上全部为个人经历与感受，希望对大家有用，不喜勿喷～～
想要大米，越多越好 orz