圣何塞州立大学(SJSU)MSAI program学习一年体验

avatar 908885
龙悟能
5493
7
大家好,这个学期已经接近尾声。我在SJSU已经学习了完整的一个学年(23FALL和24SPRING)。我想通过这个帖子记录一下这个学年的学习和生活,给大家一个参考。内容主要是个人的主观思考和感受,偏颇之处,敬请谅解。

一、个人背景。在来SJSU之前,我的学习和工作均在中国。而且,我之前是一名中学老师,和IT没啥关系。大约在两三年前,我对AI产业产生了兴趣,于是申请并来到了SJSU。我就读的是MSAI program,预计两年毕业。当然,在开始正式学习之前,我进行了一些自学,有了一定的知识储备。此为个人背景。

二、学校背景。我之前申请的时候,并不了解SJSU。在一个朋友的建议下,我才申请了这里。当然,这是我孤陋寡闻。如果你想快速了解这个学校,SJSU身上的标签有:坐落硅谷、就业神校、价格便宜、保底神校、水校。

三、学习情况。先说总体感受。这里的教学水平并不高,老师水平有限,备课也不充分,布置的homework、project也比较随意。你不太可能在此接受严格系统的学术训练。在这两个学期,我一共选了六门课。我来回顾一下细节:

(第1学期)CMPE180A 算法与数据结构。老师Juan Gomez。这是我在SJSU上的第一门课,自然有些期待。但一个学期下来,槽点实在有点多。课程设计并没有替学生着想,如果你以前没上过这课,那么学起来会比较吃力。这位老师没有自己的ppt,上课用的ppt都是东拼西凑的。老师的口音比较怪(好像是南美人),听起来很费劲。布置的homework,没有提供任何的skeleton code,没有任何的test code。期中、期末考试出题偏难,感觉是有意为难学生。此外,老师脾气不好,和他不好交流。这位老师在网上的风评极差。不过,以这个老师的段位水平,他还为难不到我,嘿嘿。顺便一提,因为我是转码,所以需要学习三门180系列的prerequisite课程。这是其一。

(第1学期)CMPE180B 数据库导论。老师Gheorghi Guzun。这哥们是个PPT老师,照本宣科,而且PPT还不是他自己做的,是某textbook附赠的PPT。这门课的节奏贼慢,半个学期过了,只讲完了sql语言……他的课基本没人听。这门课的project是设计一个应用,任何应用都可以,只要和database相关。顺便说一句,我发现这个学校的课程project有个特点,就是范围特别宽泛,没啥约束,随便怎么搞都行。

(第1学期)ISE201 数学基础课。老师Shilpa Gupta。这门课的内容是复习本科的数学知识,包括线代、概率和统计。一个学期复习这么多内容,可想而知,每个部分都只是点到为止。如果你以前学习过相应数学知识,应该不难,但是如果你没学过,又没预习过,那就会听得一脸懵逼。课程有作业和project。大约都是用R studio做一些数据分析。这门课是线上课。这位女老师似乎是在SJSU兼职做老师。老师还是用了一些心思准备课程的。给这位女老师点赞。老师是印度人,有一些印度口音。

(第2学期)CMPE180C 操作系统。很不幸,这门课的老师依然是180A的老师Juan Gomez。他延续了其“优秀”的风格,PPT是textbook附赠的,作业都是些老掉牙的题目,课上讲的笑话都不好笑,脾气挺大,诸如此类。当然,有AI的帮助,我顺利混过了这门课。

(第2学期)CMPE257 机器学习导论。老师Bernardo Flores。上第一次课时,我的期望还挺高,因为老师说话字正腔圆,上课也有互动,不至于太沉闷。但是随着课程的深入,问题出现。这位老哥讲得太过表面,没有细节。讲解每一个算法,套路都是固定的,“是什么” + “有什么用” + “有什么优缺点” + “如何调包”。用一哥们的话说,“PPT上的内容都可以通过google在五分钟内得到”。没有任何homework作为巩固。这门课唯一的作业就是一个team project,做啥都行,只要和machine learning相关。我在这门课最大的收获是,课程的最后一节课上,他的一位助教讲了讲如何应对ML Engineer岗位的面试,呵呵。

(第2学期)CMPE252 人工智能与数据工程导论。老师Stas Tiomkin。老师深入讲了几个知识点,包括A*搜索,MDP、连续空间的MDP、Information Bottleneck method。老师的上课技巧一般,口音比较重(应该是东欧人),喜欢重复。这门课是math heavy的,数学不好的同学会听着头疼。这门课的4个programming作业设置的不错,用python实现上面说的几个知识点。老师可能知道我们学生也是**,所以给了挺多的skeleton code,即使你上课没听懂,按照步骤一步一步来,也能把结果跑出来。

我估计大家来这里,更多的是冲着找工来的。但是我还是想写几点关于应付学业的小建议,毕竟大多人还是要混个毕业。一,对于自己完全不熟悉的课程,预习一下是必要的;二、选课的时候,可以在网上看一下上课老师的风评,避免踩坑。三、充分利用AI,比如ChatGpt、Germini、Github Copilot。你懂的。当然我只是抛砖引玉,想必屏幕前的各位领导有更高效的方法。

四、找工情况。来之前我和大家一样,都听说这是一所就业神校。但是很惭愧,现在五月份了,我仍未找到实习岗位。于是我深刻地进行了自我反思。首先是因为转码,所以信心不足,总感觉自己没有做好准备。其次是自己没有眼光,应该从入校开始就把重心放在找工作上,而不是放在刷GPA上。如果我去年来美国之前就能看到这么详细到位的总结帖,想必能少走很多弯路。除去个人因素,仅就大环境而言,美国的IT岗位依然竞争激烈,工作不好找。有趣的是,23FA刚来的时候,有人说,24SP情况会好转。现在24SP了,大家又说24FA会好起来的。

这里顺便说一下学校政策。SJSU是一所比较传统的公立校,按照学校规定,第一年不能找校外实习,只能找on campus job,例如学校超市收银员啥的。从第二年的暑假开始,才能申请CPT。当然如果你是春季入学,那么从第二年的春季开始,可以申请CPT。

五、生活感受。首先是生活节奏的改变。在中国工作,每天需要和很多人交流沟通,会加入一些莫名其妙的沟通群,在美国,你的微信可能一天也收不到一条消息;在中国,手机已经成为身体一部分,离开了手机,感觉自己像个残疾人,在美国,你把手机放在宿舍一天,生活也不会受太大影响,学习效率还提升不少;在中国,累了你会逛个街,在美国,你会躺在床上看着窗外绿树发呆。如此而已。搞笑的是,我写这篇帖子的时候,咨询了Gemini,他说,你可以适当增加一下幽默元素,比如:SJSU的食堂饭菜难吃,但是我已经习惯了。AI真神啊!

其次是交流问题。我以前一直以为自己英语很差,来了美国才知道,自己的英语真的很差。但好在我脸皮厚,多查多问多琢磨,一年下来,基本生活没啥问题。在课堂上参与team project,我也觉得还行,毕竟,当你听不懂你的队友在说啥的时候,你只需要微笑并点头即可:)

最后是同学氛围。先说一下基本情况。上面说到我需要上prerequisite课,有的课是和本科生一起上,我还能看到偶尔几个白人,等到真正的研究生专业课,你的同学就基本都是印度三哥三姐了,比例目测在80%以上。我只想说,三哥牛逼,向三哥学习!同学中会有偶尔的几个中国人,聊完天后你也会发现,他们基本都是本科甚至初高中就来美国了。像我这种研究生才过来的,零星而已。有人问,印度人是不是很抱团取暖?呃,我想,所有的种族都会抱团吧。

六、补充说明(关于生活支出)。经常有人问费用问题。笼统来说,这里的一年总支出大约是$40k至$50k。分解到细项大约是,一年两学期,每学期学费$8k,住宿费$6k,生活费$6k。学费便宜,生活成本高。附近的Stanford或者Berkeley,费用要翻一倍。所以SJSU算是个经济适用型学校吧。

七、补充说明(关于申请)。经常有人问,SJSU有哪些master program可以选择。我简单罗列一下SJSU与CS相关的Program:DS(Data Science)、DA(Data Analysis)、CS(Computer Science)、CE(Computer Engineering)、SE(Software Engineering)、AI(Artificial Intelligence)。其中,DS和CS更偏学术,CE偏硬件,SE偏软件,AI对数学要求比较高。当然,请阅读招生简章以了解详细情况。不过有些领导问的问题我就无法回答了。比如,哪些专业容易申请,不容易被拒?什么样的背景的人更容易申请?英语考试成绩和GPA要多少才比较稳?我很想回答这些问题,但是臣妾做不到啊。毕竟我只是个普通学生,不是招生委员会的人,没有内幕消息。请各位领导不要拿这些问题为难我了。

啰里啰嗦写了一大堆,如果各位领导坚持看到了最后,真心感谢你们。也欢迎各位领导做出重要指示:)如果大家想补充什么内容,欢迎回帖。如果想和我交流,由于我上论坛并不频繁,大家可以加我微信longhaitao三六二三零二(把中文替换成数字)。

我就说这么多,谢谢大家。
  • 28
7条回复