跨专业申请 Gatech OMSCS 毕业回顾+感想
1551819
申请
本科毕业于国内三本院校，英语专业 (没错！我是学文科的…)。硕士专业数学， 统计方向， 毕业于美国南部一所不上榜的州立大学。毕业后在一家传统金融服务公司做分析数科类工作，平时工作主要用SAS。工作期间断断续续上MOOC学了Python。2017年H1B中签后开始考虑在职读一个CS硕士，在那时了解了OMSCS。OMSCS没有录取名额限制，申请的人只要qualified都会录取，在reddit上看很被拒的大多是非CS背景，被拒理由基本都是说not prepared to be successful. 我也是跨专业申请，又看到有人说OMSCS看qualification是认可MOOC的，所以申请前做了些准备，包括上Coursera认真完成了Dr. Chuck的Python课程并花钱拿了certificate, 上了吴恩达的Deep Learning Specialization, 完成了Udacity的Natural Language Processing Nanodegree，当然中间的费用都找公司报销了。开始申请时只能赶上2019年春季入学，大小老板各写了封推荐信，就顺利录取了。个人认为跨专业申请重点是要强调自己是well prepared。比如说自己有很多编程经验，还学过algorithm，数学基础很好…
上课
项目要求30学分，一共上十门课就可以毕业。方向我选的是Machine Learning。有全职工作+家庭责任，我个人的极限就是一学期上一本课，算上Summer一共上了三年多一点。感觉大部分时候还是manageable的，偶尔也会有十分抓狂的时候。如果上的比较rewarding/challenging的课，那个学期个人的娱乐活动基本上是要完全放弃的，也会牺牲一些陪家人的时间，甚至牺牲身体健康。如果重来一遍，我最希望改变的就是能把时间安排的更好一些，学习也不要太过于拼命，晚上少熬夜，注意保养身体。毕竟身体才是革命的本钱。也希望新入学的同学不要犯同样的错误。
以下是我对我上过的课的感想，希望会有一些帮助
AI for Robotics
Sebastian Thrun developed的无人车入门课。我上的第一门课，如果只是想拿个A的话，比较简单，作为第一门课是个挺好的选择，放在Summer上也比较合适。以前每个学期大神还会来做两次office hour，不知道现在还有没有。视频课程质量比较高，讲解也都很清楚。负责这门课的Instructor也很活跃，提的问题都很及时回答。没有考试，只有作业，而且可以提前做。因为是第一门课，我当时十分激动，学习的很努力，结果三个月就把所以的课程任务完成了，最后一个月就完全可以放松。课上讲的很多内容在Intro to AI中都有重复，也算是为上AI作个铺垫。
Machine Learning for Trading
比较容易的一门课，我是在summer上的. 本来的教授Dr. Balch去了JPMorgan, 这门课完全是TA在管。不过我上课的时候TA倒是非常的responsive, 整个课程运转也很流畅。视频课程质量一般，Dr. Balch自己录制的一些视频我觉的反而比较好。课程内容一部分是金融一部分是机器学习，讲的都比较浅。对于我这样没有很多投资知识的人来说还是觉得挺收益的。而且这门课也让我开了眼界，认识到算法交易的威力。也激发了我对这个领域的兴趣。我个人觉得这是一门非常好的课。
Artificial Intelligence
从search, 到 optimization, 到 machine learning, AI 的个个方面这门课都会cover一些，但都讲的不深。课程视频质量不怎么样，很多重要的concept都一带而过，缺乏细节。想要真的学到东西还得靠看书和做作业，结果就是上完这门课后，作业有做过的内容感觉掌握的还不错，没有做过作业的内容就一团糟。作业设计的都很不错，会有office hour专门解释作业要求和预期。有两个take home的exam, exam比较难，而且可能会涉及一些课程内容以外的东西，也是一个学新东西的过程。教授会有定期的office hour， TA team也非常活跃，回答问题非常及时，也愿意听取意见。整个课程前半学期比较难，后半学期会轻松一些。总的来说是非常好的课。
Machine Learning
我最要吐槽的课了。吐槽之前先说说好的地方把。课程视频质量非常高，Isbell和Littman的讲解非常清楚到位，有深度，让人容易理解。视频内容也非常多。视频总时长比很多课都长的多。所以要准备好花很多时间看视频。Dr. Isbell几乎从来不出现，除了announcement以外，偶尔在Piazza (现在换用Ed了)上出现就是说些挖苦人的笑话。作业是最让我纠结的地方。作业说是open ended project, instruction就是一些high level的guidance。这样听着挺好，但是问题是TAs不一定有能力去客观的grade open ended project. 所以其实每个作业还是有一个清晰的rubric的，TA会去看报告里有没有rubric上要求的东西。要怎么样知道报告里到底都需要有什么呢？只有在office hour 的时候像挤牙膏一样挤出来。所有的office hour基本上都是在讨论作业。而且感觉TA似乎除了作业以外的东西也不怎么知道。经常有人问些稍微偏离课程内容的问题，他的回答都是I don’t know. 作业的grading也是比较恶心的，成绩好不好很大程度上是取决于哪个TA给分。所以拿A拿B看运气了。有的作业我自己感觉做的不怎么样，结果成绩很好。有的做的很认真，感觉很不错，结果很糟糕。这个问题不是只有我觉得这样，OMSCENTRAL也很多人反映。总之对这门课是非常失望的。如果不是必修课的话我建议别给自己添堵了。看看视频外加Andrew Ng Machine Learning能学透彻其实感觉也不错了。
Software Development Process
暑假修课最佳选择之一。可能是我上过的课中最没压力的。我甚至没啥JAVA的基础，边做作业边学的。好多人给这门课评分差是因为这门课太容易。OMSCENTRAL有人说就是本科的JAVA课的水平。但是我觉得对我这样非CS背景的人来说，在这门课上还是学到不少东西。本科CS的，想了解一下软件开发的话，我觉得这门课很值得上。有个group project, 我对group project实在是不喜欢，还好我们的team members都还不错。
Reinforcement Learning
OMSCS 中我最喜欢的课，没有之一。同样是Isbell和Littman的课。视频质量非常高。虽然Isbell完全不出现，但是TA team非常给力。Head TA Miguel也是非常capable，甚至出版过一本reinforcement learning 的书。Project不简单，需要自己做很多research。但是instruction和guidance都很清楚。还会有专门一个office hour讲解作业的要求并给出一些建议。Office hour除了回答作业和课程有关的问题以外，有时TA还会专门带大家一起讨论些近期的research paper。感觉是我上过的最像是graduate school课程。我觉得这门课非常值得上。
Video Game Design
出于对游戏的热爱选了这门课。上了之后发现做游戏远不如玩游戏爽… 教授的视频做的很认真。而且在Piazza上也很active。但是可能因为我以前没学过multimedia相关的内容，大部分lectures我都不知道在说啥。但是做作业也不需要看lectures，于是后来lectures我干脆的不看了。作业基本上就是Unity tutorial, 我觉得不算简单，但是认真做了基本都能那满分。最后有个group project，而且占的比重非常大。不喜欢group project的同学慎选。
Deep Learning
说是和FB合作设计的课程。教授自己的视频还算行。FB员工录制的视频实在是不敢恭维。感觉就是应付差事凑数的。教授有regular office hour。作业不算难，但是有时候instruction写的非常模糊，也让人有点纠结。最后做group project时会给AWS和Google Cloud的credit。Group project基本上只要交了就会给90+的成绩。我对这门课比较失望。跟吴恩达的deep learning比，propagation的数学部分更深，也cover了一些比较新的内容，比如transformer, 但是感觉吴恩达的deep learning课程质量要高的多。
Intro to Graduate Algorithm
这门课对绝大多数人都是必修课。教授的视频录的不错，讲解也细致。TA也很capable。这门课确实不简单，但是对我这样没有CS背景的，上完也不算特别吃力。成绩75%都是考试，考试基本上都是基于作业的知识点。如果作业全部做明白考试应该问题不大。三个考试是必考的，期末考试optional，如果考了期末，成绩比之前一次考试好的话，就会替换分数最低的考试。作为最后一门课，我上的却是没有十分经历，就只想着赶紧毕业了事。最后A的cutoff是82，我的总成绩是81.97，拿了个B。实在是我人生中拿的最可悲的一个B了…
OMSCS上到一半的时我就开始问自己，到底值不值得。我毕竟也是个有家有孩子的大叔。为了读OMSCS的确牺牲了很多。而且目前来看OMSCS也没有带来明显的经济效应。在现在公司里，和我经验差不多的同事比，我的收入也不比别人高。毕业后开始找新的工作，最近刚接了一个offer，工作性质跟目前的工作差不多。至于OMSCS对找工作到底有没有帮助也很难说。不过必须承认的是，通过读OMSCS确实开拓了我的眼界，让我看到了许多以前看不到的可能性。但是这些可能性将来是否能真的创造价值现在也无从知晓...
最后，如果大家觉得有点帮助的话，麻烦给加点米吧！谢谢！
本科毕业于国内三本院校，英语专业 (没错！我是学文科的…)。硕士专业数学， 统计方向， 毕业于美国南部一所不上榜的州立大学。毕业后在一家传统金融服务公司做分析数科类工作，平时工作主要用SAS。工作期间断断续续上MOOC学了Python。2017年H1B中签后开始考虑在职读一个CS硕士，在那时了解了OMSCS。OMSCS没有录取名额限制，申请的人只要qualified都会录取，在reddit上看很被拒的大多是非CS背景，被拒理由基本都是说not prepared to be successful. 我也是跨专业申请，又看到有人说OMSCS看qualification是认可MOOC的，所以申请前做了些准备，包括上Coursera认真完成了Dr. Chuck的Python课程并花钱拿了certificate, 上了吴恩达的Deep Learning Specialization, 完成了Udacity的Natural Language Processing Nanodegree，当然中间的费用都找公司报销了。开始申请时只能赶上2019年春季入学，大小老板各写了封推荐信，就顺利录取了。个人认为跨专业申请重点是要强调自己是well prepared。比如说自己有很多编程经验，还学过algorithm，数学基础很好…
上课
项目要求30学分，一共上十门课就可以毕业。方向我选的是Machine Learning。有全职工作+家庭责任，我个人的极限就是一学期上一本课，算上Summer一共上了三年多一点。感觉大部分时候还是manageable的，偶尔也会有十分抓狂的时候。如果上的比较rewarding/challenging的课，那个学期个人的娱乐活动基本上是要完全放弃的，也会牺牲一些陪家人的时间，甚至牺牲身体健康。如果重来一遍，我最希望改变的就是能把时间安排的更好一些，学习也不要太过于拼命，晚上少熬夜，注意保养身体。毕竟身体才是革命的本钱。也希望新入学的同学不要犯同样的错误。
以下是我对我上过的课的感想，希望会有一些帮助
AI for Robotics
Sebastian Thrun developed的无人车入门课。我上的第一门课，如果只是想拿个A的话，比较简单，作为第一门课是个挺好的选择，放在Summer上也比较合适。以前每个学期大神还会来做两次office hour，不知道现在还有没有。视频课程质量比较高，讲解也都很清楚。负责这门课的Instructor也很活跃，提的问题都很及时回答。没有考试，只有作业，而且可以提前做。因为是第一门课，我当时十分激动，学习的很努力，结果三个月就把所以的课程任务完成了，最后一个月就完全可以放松。课上讲的很多内容在Intro to AI中都有重复，也算是为上AI作个铺垫。
Machine Learning for Trading
比较容易的一门课，我是在summer上的. 本来的教授Dr. Balch去了JPMorgan, 这门课完全是TA在管。不过我上课的时候TA倒是非常的responsive, 整个课程运转也很流畅。视频课程质量一般，Dr. Balch自己录制的一些视频我觉的反而比较好。课程内容一部分是金融一部分是机器学习，讲的都比较浅。对于我这样没有很多投资知识的人来说还是觉得挺收益的。而且这门课也让我开了眼界，认识到算法交易的威力。也激发了我对这个领域的兴趣。我个人觉得这是一门非常好的课。
Artificial Intelligence
从search, 到 optimization, 到 machine learning, AI 的个个方面这门课都会cover一些，但都讲的不深。课程视频质量不怎么样，很多重要的concept都一带而过，缺乏细节。想要真的学到东西还得靠看书和做作业，结果就是上完这门课后，作业有做过的内容感觉掌握的还不错，没有做过作业的内容就一团糟。作业设计的都很不错，会有office hour专门解释作业要求和预期。有两个take home的exam, exam比较难，而且可能会涉及一些课程内容以外的东西，也是一个学新东西的过程。教授会有定期的office hour， TA team也非常活跃，回答问题非常及时，也愿意听取意见。整个课程前半学期比较难，后半学期会轻松一些。总的来说是非常好的课。
Machine Learning
我最要吐槽的课了。吐槽之前先说说好的地方把。课程视频质量非常高，Isbell和Littman的讲解非常清楚到位，有深度，让人容易理解。视频内容也非常多。视频总时长比很多课都长的多。所以要准备好花很多时间看视频。Dr. Isbell几乎从来不出现，除了announcement以外，偶尔在Piazza (现在换用Ed了)上出现就是说些挖苦人的笑话。作业是最让我纠结的地方。作业说是open ended project, instruction就是一些high level的guidance。这样听着挺好，但是问题是TAs不一定有能力去客观的grade open ended project. 所以其实每个作业还是有一个清晰的rubric的，TA会去看报告里有没有rubric上要求的东西。要怎么样知道报告里到底都需要有什么呢？只有在office hour 的时候像挤牙膏一样挤出来。所有的office hour基本上都是在讨论作业。而且感觉TA似乎除了作业以外的东西也不怎么知道。经常有人问些稍微偏离课程内容的问题，他的回答都是I don’t know. 作业的grading也是比较恶心的，成绩好不好很大程度上是取决于哪个TA给分。所以拿A拿B看运气了。有的作业我自己感觉做的不怎么样，结果成绩很好。有的做的很认真，感觉很不错，结果很糟糕。这个问题不是只有我觉得这样，OMSCENTRAL也很多人反映。总之对这门课是非常失望的。如果不是必修课的话我建议别给自己添堵了。看看视频外加Andrew Ng Machine Learning能学透彻其实感觉也不错了。
Software Development Process
暑假修课最佳选择之一。可能是我上过的课中最没压力的。我甚至没啥JAVA的基础，边做作业边学的。好多人给这门课评分差是因为这门课太容易。OMSCENTRAL有人说就是本科的JAVA课的水平。但是我觉得对我这样非CS背景的人来说，在这门课上还是学到不少东西。本科CS的，想了解一下软件开发的话，我觉得这门课很值得上。有个group project, 我对group project实在是不喜欢，还好我们的team members都还不错。
Reinforcement Learning
OMSCS 中我最喜欢的课，没有之一。同样是Isbell和Littman的课。视频质量非常高。虽然Isbell完全不出现，但是TA team非常给力。Head TA Miguel也是非常capable，甚至出版过一本reinforcement learning 的书。Project不简单，需要自己做很多research。但是instruction和guidance都很清楚。还会有专门一个office hour讲解作业的要求并给出一些建议。Office hour除了回答作业和课程有关的问题以外，有时TA还会专门带大家一起讨论些近期的research paper。感觉是我上过的最像是graduate school课程。我觉得这门课非常值得上。
Video Game Design
出于对游戏的热爱选了这门课。上了之后发现做游戏远不如玩游戏爽… 教授的视频做的很认真。而且在Piazza上也很active。但是可能因为我以前没学过multimedia相关的内容，大部分lectures我都不知道在说啥。但是做作业也不需要看lectures，于是后来lectures我干脆的不看了。作业基本上就是Unity tutorial, 我觉得不算简单，但是认真做了基本都能那满分。最后有个group project，而且占的比重非常大。不喜欢group project的同学慎选。
Deep Learning
说是和FB合作设计的课程。教授自己的视频还算行。FB员工录制的视频实在是不敢恭维。感觉就是应付差事凑数的。教授有regular office hour。作业不算难，但是有时候instruction写的非常模糊，也让人有点纠结。最后做group project时会给AWS和Google Cloud的credit。Group project基本上只要交了就会给90+的成绩。我对这门课比较失望。跟吴恩达的deep learning比，propagation的数学部分更深，也cover了一些比较新的内容，比如transformer, 但是感觉吴恩达的deep learning课程质量要高的多。
Intro to Graduate Algorithm
这门课对绝大多数人都是必修课。教授的视频录的不错，讲解也细致。TA也很capable。这门课确实不简单，但是对我这样没有CS背景的，上完也不算特别吃力。成绩75%都是考试，考试基本上都是基于作业的知识点。如果作业全部做明白考试应该问题不大。三个考试是必考的，期末考试optional，如果考了期末，成绩比之前一次考试好的话，就会替换分数最低的考试。作为最后一门课，我上的却是没有十分经历，就只想着赶紧毕业了事。最后A的cutoff是82，我的总成绩是81.97，拿了个B。实在是我人生中拿的最可悲的一个B了…
OMSCS上到一半的时我就开始问自己，到底值不值得。我毕竟也是个有家有孩子的大叔。为了读OMSCS的确牺牲了很多。而且目前来看OMSCS也没有带来明显的经济效应。在现在公司里，和我经验差不多的同事比，我的收入也不比别人高。毕业后开始找新的工作，最近刚接了一个offer，工作性质跟目前的工作差不多。至于OMSCS对找工作到底有没有帮助也很难说。不过必须承认的是，通过读OMSCS确实开拓了我的眼界，让我看到了许多以前看不到的可能性。但是这些可能性将来是否能真的创造价值现在也无从知晓...
最后，如果大家觉得有点帮助的话，麻烦给加点米吧！谢谢！
