UTAustin在线CS硕士项目MSCSO就读一年感受
1074524
本人在东部某学校传统工科方向的博士，去年申请了UTAustin 在线CS硕士项目。分享下一些感悟。
选择原因：
楼主平时的科研项目会用统计和一些AI的模型来分析水资源现象，虽然纯计算方向，但是写的代码跟CS的还是区别很大，楼主想更多接触计算机内容以转码，导师不太支持在本校上太多课程，所以选择申请在想CS项目。楼主在比较OMSCS与UIUC的项目后选择UTAustin的原因是1）不需要推荐信（楼主没法跟自己导师要推荐信）；2）学费相对便宜，一门课1000刀；3）暂时还不需要托福，GRE，且支持国际学生，虽然不给i20; ４）身边几个大牛师兄是AustinCS毕业，有些许情节。
项目简介(cs.utexas.edu)：
本项目是UTAustin才开了三四年的在线计算机硕士项目，学费1000刀一门课，需要上10门门课程才能毕业，或是上8门课程+跟某个老师做毕业论文。目前开设出来的课程有15门左右，偏重AI人工智能与计算机系统方向。
由于目前学生不算特别多，所以选课只要是开了的都可以选的上，每学期开出来的课程差不多10门左右。课程很多都是理论与项目并重。在上之前听说这里的课程都超级难且超级花时间，但我一学期两门上了四门课后发现只要时间安排合适，拿A没问题。
目前我碰到的的TA和老师都超级尽责，每天都有office hour可以去找帮助，piazza上面问问题也基本上当天有答复。我真心觉得TA的作用太好了，虽然他们也有时候抱怨工作量太大或有学生找他们debug。
同学感觉什么人都有，做项目合作的几个都是在西部或东部做SDE或DS的人，感觉大部分还是已经工作且有本科CS一定基础。
找工作还是靠自己吧，学校的handshake 和其他就业宣传活动很多，不过还是自己刷题找内推靠谱。我觉得项目我最大的收获是自信了些，通过上课做项目感觉自己也可以跟计算机科班出身的人一样解决那些“复杂”的问题。
课程评价：
虽然项目开出来时间很短，但目前都有很详细的课程学生反馈，这里可以看到全部课程的详细评价（mscshub.com）。我上过四门课，在这里稍微介绍下。
高级线性代数（ALA:cs.utexas.edu）
这门课是项目里面大家都推荐的项目入门课，在很快复习了本科的线性代数内容后讲了很多在ML，DL会用到的概念和计算方法。课程偏理论和推导，作业用matlab，我觉得对上其他AI课程还是很有帮助。三次考试和一些作业。不过由于老师今年都退休了，不知后面继续开出来会改变成什么样子。
深度学习（DL: philkr.net）一门非常不错的深度学习项目课程，很偏重各种模型的训练，感觉就是老师带着你把各种现在的DL模型（ANN,CNN,LSTM,……）在不同场景下训练一遍，用python+pytorch, 最后的project是组队做一个两人冰球比赛，还是很有趣。没有考试。
自然语言处理（NLP: cs.utexas.edu）第一次接触NLP方向内容，感觉好多好多新概念，新名词。5次作业模型没有很难，但要花好多时间理解到底是要做什么，讲的内容与做的模型区别很大。很多这几年的paper，虽然楼主没有时间仔细阅读，基本看看abstract知道大概就过了。期末project去年是超大模型的缺陷分析和改进，再写一篇类似的文章，由于大家普遍能力有限我觉得并没法做出什么新花样，不过看和写NLP的论文倒是很有趣。
并行系统（PS: cs.utexas.edu）我的第一门系统课程，五次独立作业。讲在不同情况，不同语言下的并行编程要怎么做，比如pthread, go,cuda, rust, MPI.上课与作业可以说完全不相关。由于接触过系统方面的课程，也基本没写过C/C++,我真的觉得这么课程超级超级超级难。读超级多遍课程阅读材料，不断找TA和身边大牛帮助。虽然我拿了A不过我肯定不推荐太早上这门课。
项目总结：感觉阴差阳错上了这个项目，付出与收获还是很对等。再给我一次机会我可能会更加推荐OMSCS，感觉Austin 这个项目对转专业学生不算特别友好，不过我还是上的很开心。等我找到实习与工作后再来继续反馈啊。
最后求点赞积分和支持啊，争取明年顺利毕业顺利实习和工作。
选择原因：
楼主平时的科研项目会用统计和一些AI的模型来分析水资源现象，虽然纯计算方向，但是写的代码跟CS的还是区别很大，楼主想更多接触计算机内容以转码，导师不太支持在本校上太多课程，所以选择申请在想CS项目。楼主在比较OMSCS与UIUC的项目后选择UTAustin的原因是1）不需要推荐信（楼主没法跟自己导师要推荐信）；2）学费相对便宜，一门课1000刀；3）暂时还不需要托福，GRE，且支持国际学生，虽然不给i20; ４）身边几个大牛师兄是AustinCS毕业，有些许情节。
项目简介(cs.utexas.edu)：
本项目是UTAustin才开了三四年的在线计算机硕士项目，学费1000刀一门课，需要上10门门课程才能毕业，或是上8门课程+跟某个老师做毕业论文。目前开设出来的课程有15门左右，偏重AI人工智能与计算机系统方向。
由于目前学生不算特别多，所以选课只要是开了的都可以选的上，每学期开出来的课程差不多10门左右。课程很多都是理论与项目并重。在上之前听说这里的课程都超级难且超级花时间，但我一学期两门上了四门课后发现只要时间安排合适，拿A没问题。
目前我碰到的的TA和老师都超级尽责，每天都有office hour可以去找帮助，piazza上面问问题也基本上当天有答复。我真心觉得TA的作用太好了，虽然他们也有时候抱怨工作量太大或有学生找他们debug。
同学感觉什么人都有，做项目合作的几个都是在西部或东部做SDE或DS的人，感觉大部分还是已经工作且有本科CS一定基础。
找工作还是靠自己吧，学校的handshake 和其他就业宣传活动很多，不过还是自己刷题找内推靠谱。我觉得项目我最大的收获是自信了些，通过上课做项目感觉自己也可以跟计算机科班出身的人一样解决那些“复杂”的问题。
课程评价：
虽然项目开出来时间很短，但目前都有很详细的课程学生反馈，这里可以看到全部课程的详细评价（mscshub.com）。我上过四门课，在这里稍微介绍下。
高级线性代数（ALA:cs.utexas.edu）
这门课是项目里面大家都推荐的项目入门课，在很快复习了本科的线性代数内容后讲了很多在ML，DL会用到的概念和计算方法。课程偏理论和推导，作业用matlab，我觉得对上其他AI课程还是很有帮助。三次考试和一些作业。不过由于老师今年都退休了，不知后面继续开出来会改变成什么样子。
深度学习（DL: philkr.net）一门非常不错的深度学习项目课程，很偏重各种模型的训练，感觉就是老师带着你把各种现在的DL模型（ANN,CNN,LSTM,……）在不同场景下训练一遍，用python+pytorch, 最后的project是组队做一个两人冰球比赛，还是很有趣。没有考试。
自然语言处理（NLP: cs.utexas.edu）第一次接触NLP方向内容，感觉好多好多新概念，新名词。5次作业模型没有很难，但要花好多时间理解到底是要做什么，讲的内容与做的模型区别很大。很多这几年的paper，虽然楼主没有时间仔细阅读，基本看看abstract知道大概就过了。期末project去年是超大模型的缺陷分析和改进，再写一篇类似的文章，由于大家普遍能力有限我觉得并没法做出什么新花样，不过看和写NLP的论文倒是很有趣。
并行系统（PS: cs.utexas.edu）我的第一门系统课程，五次独立作业。讲在不同情况，不同语言下的并行编程要怎么做，比如pthread, go,cuda, rust, MPI.上课与作业可以说完全不相关。由于接触过系统方面的课程，也基本没写过C/C++,我真的觉得这么课程超级超级超级难。读超级多遍课程阅读材料，不断找TA和身边大牛帮助。虽然我拿了A不过我肯定不推荐太早上这门课。
项目总结：感觉阴差阳错上了这个项目，付出与收获还是很对等。再给我一次机会我可能会更加推荐OMSCS，感觉Austin 这个项目对转专业学生不算特别友好，不过我还是上的很开心。等我找到实习与工作后再来继续反馈啊。
最后求点赞积分和支持啊，争取明年顺利毕业顺利实习和工作。