2023 Fall Gatech MSCSE第一學期心得
1618930
申請研究所的時候看到其他人的文章，最後才申請Georgia Tech的CSE，秉持著一個傳承的概念，寫下這學期來到亞特蘭大的心得~
〈校園〉
學校有坡度，所以很常要上坡下坡的走，但是可以坐校車，校車有超過4種以上的路線，頻率大概15分鐘內會有一班，假日還有for grocery 的路線會抵達走路20分鐘以上的Target。學生中心有很多不同的餐廳，而80%的學生來這邊基本都吃一樓的Panda Express跟Chick-Fli-A，我個人覺得Panda蠻好吃的，所以很滿意學生中心，而且購買學校的Dining dollars的話，可以免去8.9%的消費稅。從我覺得Panda蠻好吃，就應該看得出我對食物的標準不高哈哈，因此學生餐廳的食物我也是吃的津津有味，買一學期的50次券（最低次數）的話，平均一次是11美，能吃到很多肉、不同風味的料理、甜點跟咖啡，我覺得非常划算。
〈生活〉
亞特蘭大公眾交通不算發達，只有一個十字型的捷運Marta，離Georgia Tech最近的亞洲超市要30分鐘，除非有車，不然挺不方便，學校附近還有一間美式超市Publix，但整體東西偏貴，所以很多人是訂閱Walmart+然後外送grocery到家的。亞特蘭大景點不多，Coca-Cola展覽館、亞特蘭大水族館是知名的，除此之外就是一堆山，所以很多人假日就會去健行，算是這邊熱門的活動。治安挺好的，除了熱鬧的地方，像midtown可能瘋子比較多一點，但都沒什麼事發生。
〈找工〉
學校有一個CareerBuzz, 上面會發一些實習機會，但限制很多，剛入學的新生GPA會被卡住不能投履歷，然後有可以預約線上諮詢的功能，我預約過2次，分別是改履歷跟練Behavior questions，個人認為蠻有用的。
〈課程〉
CSE 6010 Computational Problem Solving, Instructor: Elizabeth Cherry, loading 3/5, recommend 4.5/5
這堂課是我整學期覺得最有「課程感」的課，因為整個課程是從0開始教C語言，週二上演算法，週四上作業系統，能感受的到循序漸進的學習過程。老師上課都講蠻仔細的，Slides也有公布在canvas上，提供可以搭配去年的遠距影片以及slides的遠端上課選擇。考試大約2周一次，open book，整體不會考很難，大多都是可以從slides裡面就可以找到的答案，反而在網路上找到的都會錯。作業除了Hw4之外都不難，約5~10個小時可以解決，但是麻煩的事情很多，像是每次交作業都要附上slides解釋自己的code，也要求互評另外3個學生，最後要寫150字以上的心得與改進想法。整體而言是蠻棒的課程，推薦給沒修過C語言以及有程式基礎想修涼課的人。
CSE 6242 Data and Visual Analytics, Instructor: Duenhorng Chau, loading 4.5/5, recommend 2.5/5
作業才是這堂課的本體。這堂課一開始老師就講很多概念，然後放影片，舉手回答環節，然後差不多就下課了，學期中之後我就很少去現場。要是我以後當老師，我應該想當這樣的教授吧。作業總共有4份，每份大概需要15~25小時，Hw1是Python跟SQLite，Hw2主要是運用JavaScript的一個套件D3.js做出各種互動的圖，Hw3是雲端平台大雜燴，Hw4是做RandomForest。如果你履歷沒什麼東西好放，那這門課的project確實可以幫助你，但大概做完Hw2之後，履歷上project也差不多放滿了，就可以開始後悔選這堂課。Hw2也就是期中後會同時進行期末專案，主題自訂，只要包含前端就好，然後這堂課的paperwork要求真的很多，一定要照著syllabus上的每個點去寫。整體而言是普普通通的課程，推薦給履歷不夠滿的人。
CSE 6730 Modeling and Simulation, Instructor: Peng Chen, loading 3/5, recommend 2/5
如果不是必修，我一定不會修的課。這堂課講了蠻多面向的simulation，但正因為是simulation，所以公式特多，屬於你上課分心1分鐘，接下來老師1個小時講什麼你都聽不懂的類型。課程主要環繞著小考展開，因為小考佔50%，每2周一次，加上老師會先有一個不計分pre-quiz，所以就按照pre-quiz的內容去唸，小考基本題都拿到是可以平均80%的。期末報告是做任何主題的simulation，從學期初就有慢慢開始在做，相比6242，這堂課的報告評分標準是較鬆的，我跟組員有個明確的方向後，慢慢找資料，做分析，最後報告拿了38/40分。整體而言是有點頭痛的課程，推薦給想走Data Science而且不怕理論的人。
CSE/ISYE 6740 Computational Data Analysis, Instructor: Tuo Zhao, loading 3.5/5, recommend 4.5/5
意料之外、情理之中、仔細想來、非你不可。這堂課也是必修，老師第一堂就在下馬威，直接考了一個pop quiz，內容包含微積分、線性代數、MLE等概念，成功勸退很多人。前期的上課氛圍也不太好，如同6730一樣，大多內容圍繞公式展開，作業總共有6份，每份約10小時，就是用Python應用各種不同Machine learning跟Deep learning的套件，因此上課時我都興趣缺缺，老師講什麼我就寫什麼。直到我學期中的有次面試，面試官開始跟我聊觀念，正好我那時候在寫Lasso regression的作業，就稍微講了Lasso的正則性跟lambda，因此我發現在這堂課上課以及寫作業的過程中，他是能讓你去淺略了解每個演算法的特性，此後老師每換一個主題，我就會自己在網路上搜尋相關的文章，幫助我更深入了解概念。期末專案是有關ML/DL就可以，需要上台報告30分鐘，老師會在中間提問。這邊宇宙無敵強烈建議報告前一定要去office hour，老師會給關於期末報告的建議，強調要informative，或是提供幾個可以改進的點子，我們這組去問了之後，大概修改30%的內容，最後報告老師沒問很多問題，順利結束。整體而言是很廣泛的課程，推薦給對ML/DL有興趣，或是之前沒有修過相關課程的人。
綜上所述，蠻喜歡來到Georgia Tech之後的生活，認識很多人，更認識自己，更了解自己的不足。
〈校園〉
學校有坡度，所以很常要上坡下坡的走，但是可以坐校車，校車有超過4種以上的路線，頻率大概15分鐘內會有一班，假日還有for grocery 的路線會抵達走路20分鐘以上的Target。學生中心有很多不同的餐廳，而80%的學生來這邊基本都吃一樓的Panda Express跟Chick-Fli-A，我個人覺得Panda蠻好吃的，所以很滿意學生中心，而且購買學校的Dining dollars的話，可以免去8.9%的消費稅。從我覺得Panda蠻好吃，就應該看得出我對食物的標準不高哈哈，因此學生餐廳的食物我也是吃的津津有味，買一學期的50次券（最低次數）的話，平均一次是11美，能吃到很多肉、不同風味的料理、甜點跟咖啡，我覺得非常划算。
〈生活〉
亞特蘭大公眾交通不算發達，只有一個十字型的捷運Marta，離Georgia Tech最近的亞洲超市要30分鐘，除非有車，不然挺不方便，學校附近還有一間美式超市Publix，但整體東西偏貴，所以很多人是訂閱Walmart+然後外送grocery到家的。亞特蘭大景點不多，Coca-Cola展覽館、亞特蘭大水族館是知名的，除此之外就是一堆山，所以很多人假日就會去健行，算是這邊熱門的活動。治安挺好的，除了熱鬧的地方，像midtown可能瘋子比較多一點，但都沒什麼事發生。
〈找工〉
學校有一個CareerBuzz, 上面會發一些實習機會，但限制很多，剛入學的新生GPA會被卡住不能投履歷，然後有可以預約線上諮詢的功能，我預約過2次，分別是改履歷跟練Behavior questions，個人認為蠻有用的。
〈課程〉
CSE 6010 Computational Problem Solving, Instructor: Elizabeth Cherry, loading 3/5, recommend 4.5/5
這堂課是我整學期覺得最有「課程感」的課，因為整個課程是從0開始教C語言，週二上演算法，週四上作業系統，能感受的到循序漸進的學習過程。老師上課都講蠻仔細的，Slides也有公布在canvas上，提供可以搭配去年的遠距影片以及slides的遠端上課選擇。考試大約2周一次，open book，整體不會考很難，大多都是可以從slides裡面就可以找到的答案，反而在網路上找到的都會錯。作業除了Hw4之外都不難，約5~10個小時可以解決，但是麻煩的事情很多，像是每次交作業都要附上slides解釋自己的code，也要求互評另外3個學生，最後要寫150字以上的心得與改進想法。整體而言是蠻棒的課程，推薦給沒修過C語言以及有程式基礎想修涼課的人。
CSE 6242 Data and Visual Analytics, Instructor: Duenhorng Chau, loading 4.5/5, recommend 2.5/5
作業才是這堂課的本體。這堂課一開始老師就講很多概念，然後放影片，舉手回答環節，然後差不多就下課了，學期中之後我就很少去現場。要是我以後當老師，我應該想當這樣的教授吧。作業總共有4份，每份大概需要15~25小時，Hw1是Python跟SQLite，Hw2主要是運用JavaScript的一個套件D3.js做出各種互動的圖，Hw3是雲端平台大雜燴，Hw4是做RandomForest。如果你履歷沒什麼東西好放，那這門課的project確實可以幫助你，但大概做完Hw2之後，履歷上project也差不多放滿了，就可以開始後悔選這堂課。Hw2也就是期中後會同時進行期末專案，主題自訂，只要包含前端就好，然後這堂課的paperwork要求真的很多，一定要照著syllabus上的每個點去寫。整體而言是普普通通的課程，推薦給履歷不夠滿的人。
CSE 6730 Modeling and Simulation, Instructor: Peng Chen, loading 3/5, recommend 2/5
如果不是必修，我一定不會修的課。這堂課講了蠻多面向的simulation，但正因為是simulation，所以公式特多，屬於你上課分心1分鐘，接下來老師1個小時講什麼你都聽不懂的類型。課程主要環繞著小考展開，因為小考佔50%，每2周一次，加上老師會先有一個不計分pre-quiz，所以就按照pre-quiz的內容去唸，小考基本題都拿到是可以平均80%的。期末報告是做任何主題的simulation，從學期初就有慢慢開始在做，相比6242，這堂課的報告評分標準是較鬆的，我跟組員有個明確的方向後，慢慢找資料，做分析，最後報告拿了38/40分。整體而言是有點頭痛的課程，推薦給想走Data Science而且不怕理論的人。
CSE/ISYE 6740 Computational Data Analysis, Instructor: Tuo Zhao, loading 3.5/5, recommend 4.5/5
意料之外、情理之中、仔細想來、非你不可。這堂課也是必修，老師第一堂就在下馬威，直接考了一個pop quiz，內容包含微積分、線性代數、MLE等概念，成功勸退很多人。前期的上課氛圍也不太好，如同6730一樣，大多內容圍繞公式展開，作業總共有6份，每份約10小時，就是用Python應用各種不同Machine learning跟Deep learning的套件，因此上課時我都興趣缺缺，老師講什麼我就寫什麼。直到我學期中的有次面試，面試官開始跟我聊觀念，正好我那時候在寫Lasso regression的作業，就稍微講了Lasso的正則性跟lambda，因此我發現在這堂課上課以及寫作業的過程中，他是能讓你去淺略了解每個演算法的特性，此後老師每換一個主題，我就會自己在網路上搜尋相關的文章，幫助我更深入了解概念。期末專案是有關ML/DL就可以，需要上台報告30分鐘，老師會在中間提問。這邊宇宙無敵強烈建議報告前一定要去office hour，老師會給關於期末報告的建議，強調要informative，或是提供幾個可以改進的點子，我們這組去問了之後，大概修改30%的內容，最後報告老師沒問很多問題，順利結束。整體而言是很廣泛的課程，推薦給對ML/DL有興趣，或是之前沒有修過相關課程的人。
綜上所述，蠻喜歡來到Georgia Tech之後的生活，認識很多人，更認識自己，更了解自己的不足。