圣何塞州立大学（SJSU）MSAI program学习一年体验
1111911
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。
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。
11条回复