学季也到了尾声，感觉板上没有太多留学後的课程跟教授等後续追踪的状况，所以简单写 了一篇发个废文顺便打发时间，供後面的人可以踩着前人的屍体前进。大概分两个部分， 第一个部分是以来美国後的学季为时间轴，介绍当个学季我修过或旁听的课程。第二个部 分大概就是一些简短的心得跟Murmur。文颇长但懒得分。 先简单自我介绍一下，我是University of Washington的 MSME。UW ME 的优点是除了少 数必修课必须在系上完成外，剩下的学分可以在外系选修，因此下列有大量的非本系课程 。 课号 - 课名 – 授课讲师 – 难易度 --------------AUTUMN 2017---------------------------------- ME550 - Nonlinear Optimal Control - Brian C. Fabien – 3/5 两年开一次的课程，但因为授课教授太忙的关系，据说以後应该都不会开了，私心觉得算 是修过UW机械系最好的课程了。内容基本上从基础的手写analytical solution跟证明到 数值分析都包含在内。主要内容是Nonlinear Programming 在 Control 上面的分析。还 蛮喜欢课堂氛围的，除了是小班授课讨论颇为踊跃之外，教授本身对文本非常熟悉，上课 基本上教授是完全不需要小抄的 (不过这一点我後来发现好像颇多教授都有这个技能)。 ME547 - Linear Systems Theory - Andrew Flynn Davis – 1/5 原本这门课是Santosh Devasia的课，结果教授开课前落跑度假，临时找一个没有经验的 博士生授课。内容就是跟着那本课本，期末有一个project这样。大班授课，然後学生程 度很烂导致整门课也教的很慢，不得不说来了之後才发现台湾人的好。这里其他地方来的 Master 出奇的废，大概是连想要讨论作业都要从头开始教的那种，最後还是跟台湾人一 起讨论比较轻松。每次看到笔记上有人问什麽是交集联集都觉得我对不起父母的钱来修这 种东西。(然後原本想进Santosh Devasia的实验室还特别请在里面的朋友询问状况，结果 寄完信後他连回都懒得回) ME535 - Biology inspired robotics control - Sawyer Buckminster Fuller – 2/5 这门课主要是讨论课。每周看两篇paper写心得摘要，并由一位同学报paper 跟带讨论 。期末一份专题。严格意义上是不差的课，尤其是对刚来美国而言可以训练英文的地方。 缺点是从我下一年後改制，我这届时有八位同学，所以每个人都必须参与在里面。但下一 届开始变30个不知到要讨论什麽的。我本身被assign到TRPO的paper但那时候对RL不熟一 整个觉得自己在唬烂。教授本身很猛，但表达颇糟。另外就是原本想进他的实验室结果教 授说他现在只想收EE的。第一次听过ME的教授不收ME的学生的。不过UW ME的教授本来就 也不怎麽照顾学生所以也不意外就是了。 ME564 - Mechanical Engineering Analysis I - Steven L. Brunton - 0/5 机械系必修，基本上就是大学工数的无限简化版。教授本身很猛，做的是流场+ 控制+ML ，同时也是应数的合聘教授，跟应数那边很多合作。教授本身很有舞台魅力讲课也不错， 但这门课本身内容极度的无聊，网路上找的到往年的影片。据说现在换授课讲师了不确定 新的状况。 --------------WINTTER 2018---------------------------------- ME565 - Mechanical Engineering Analysis II - Steven L. Brunton – 0.5/5 连续两学季的必修，因此心得跟前面差不多，但第二学季内容有稍微有趣一点所以多0.5 分。 CSE421 - Introduction to algorithms - Shayan Oveis Gharan – 2/5 课程本身follow那本经典课本。Shayan 是CSE理论组的教授之一，本身极为照顾学生。我 一开始的时候因为完全没有CSE背景也不懂整个证明演算法的流程也没有认识的人在这门 课可以讨论，所以整个没进入状况作业也表现的很差。Shayan还特别寄信说担心我的状况 跟我约时间讨论。另外因为期中考考太简单期末考只好考比较难，考完後教授还寄信安慰 大家考不好不要担心的那种。另外Shayan本身是天才，主要研究方向是approximation algorithms。缺点是我修完课後一直以为CSE就是要一直证明演算法，导致很後面我才发 现要转码的话我的修课策略整个都错了。 EE/IND E 508 - Stochastic Processes in Engineering - Archis Vijay Ghate – 3/5 课程本身是IND E 或 EE 的必修课，是博班资格考的必考科目。内容一路教到基础的 Martingale。Archis是IND E的教授，也是个非常照顾学生且热心教学的教授。教授本身 的研究方向是癌症治疗方式的建模，修了这门课後因为十分喜欢Archis的教学方式所以也 顺便把他所有开的课都修过一轮。整体而言对我影响最深的教授就是Shayan跟Archis，但 某种程度而言也因为他们的关系导致我对CSE该会的必备技能想像重一开始就错了哭。 --------------SPRING2018---------------------------------- IND E 599 - Markov Decision Optimization - Archis Vijay Ghate – 4/5 Archis 的课，内容聚焦在Markov Decision Processes 上面。从finite horizon 到 infinite horizon，MDPs 到 POMDPs, 离散到连续，最後到基础RL都包含在内。比较特殊 的是不少机械系的有来修这门课，包含ME581的助教，所以就变成ME581的助教时间也是大 家赶作业的时间这样。 EE/CSE 576 - Computer Vision - Linda G. Shapiro – 2.5/5 不是很难的一门课但涵盖了基本上所有的CV基础。Linda人很好但因为有点老讲话步调颇 慢，然後她开课有点是来接触人群的感觉。三份作业加期末project难度都颇低可以轻松 应对。会给2.5主要还是我那时候coding基础有些薄弱多花了一些时间，再加上队友各种 雷花了更多时间。不是我要说来了之後西雅图一堆人都在宣称自己在做ML，但不少是根本 连linear regression 都不知道只会call function的废物就是了。 ME581 - Digital Control System Design - Martin C Berg - -0.5/5 很无趣的一门课。本身是大教授但教学颇烂。整门课会要实作用myrio但很简单基本上九 都是在调参数。会给-0.5是因为有的时候去助教时间讨论Markov Decision Optimization 的作业时会有人来问问题，结果助教有的时候根本乱回答，最後听不下去变成我在教。付 钱不只接收不到新知还要付出自己的知识，这麽搞笑的废课其实也不多见就是了。 CSE 547 – Machine Learning for Big Data - Sham Kakade – 4/5 https://courses.cs.washington.edu/courses/cse547/18sp/ Sham 本身是reinforcement learning 领域的专家，原本在MSR後来跑来UW，同时也是理 论组的教授。如果有看TRPO的paper的话，原始paper大量引用Sham的证明。但不是我要说 我觉得时机很重要就是这样，这门课前一年都在教Hadoop或平行运算的东西後一年也都是 ，但就这一年莫明其妙Sham心血来潮都在证明。结果害我一整个很兴奋想说我之前学的东 西对於要找DS /SDE相关工作都是有帮助的，结果多走了一堆冤枉路。如果是前一年或後 一年的话虽然没上过但课程难度大约是2.5/5吧我猜(?)。 --------------SUMMER 2019---------------------------------- 暑期实习，比较值得一提的是公司跟UW刚好这年合办27th Annual Computational Neuroscience Meeting --------------AUTUMN 2018---------------------------------- CSE521 - Design and Analysis of Algorithms - Shayan Oveis Gharan – 3/5 https://courses.cs.washington.edu/courses/cse521/18au/ Shayan的课。这门课以前据说是421的延伸而已但後来理论组开会决定教一些比较现代的 演算法。课程本身主要分三个部分: 随机演算法，Spectral Graph，跟 Approximate Optimization (Rounding)。不像421都是好几百年前的古董这门课教的大约是近50年的发 展。例如涵盖了 Andrew Ng 提出 Spectral Clustering之後 Shayan 跟 James怎麽给出 证明的之类的。内容本身不会太难作业也还好，Shayan本身是做理论但他也蛮强调应用的 ，所以证明完演算法也会希望简单时做出来的那种，可以学到不少有趣的东西。 IND E599 – Data Driven Optimization - Archis Vijay Ghate – 3/5 Archis的课。内容包含 ranking and selection, Stochastic Approximation, Sample Average Approximation, Robust Optimization, 跟基础 Bandits + RL。主要是这些领 域的重大成就跟目前发展及待解决问题。本身不是太难但因为每次作业都要看好几份 paper然後写摘要用自己的方式重新证明或给个大方向，但有些paper长达六十几页导致时 间几乎都花在看paper上面了。另外这门课需要做一个个人期末project应用所学，我大概 就随便implement了两个RL的演算法也算是对修ME535时唬烂的我的一个交代这样。 EE518 – Digital Signals Processing - Jeffrey A Bilmes – 2/5 课程内容就基础DSP，非常灌水，是那种把课纲拿起来会疯狂滴水的那种。但Jeff本身非 常的强，是理论应用都很猛的强者，研究兴趣是Optimization 的演算法跟NLP，目前主要 聚焦在Submodular。Jeff 人很好但缺点是有点屁话，大概是两个小时的课扣除掉他的屁 话只剩下半个小时那种。Jeff本身也部分算是理论组的教授，同时也是eScience (UW 一 个偏DS的组织)的教授，另外也负责 Graphical Models 跟 Information Theory 的课程 。 --------------WINTTER 2019---------------------------------- 这学季因为放假所以都只有旁听而已。 MATH/AMATH/ IND E 515 - Optimization: Fundamentals and Applications - Aleksandr Y. Aravkin – 2/5 这门课主要是偏向Convex Optimization 的演算法，从Gradient Descent 系列一路讲到 Interior Point 跟 Splitting Method。Sasha 本身是 Terry 的嫡传弟子的样子，另外 他也是 eScience 跟 ADSI的 Faculty。人很好而且也蛮有教学热诚的。 EE 578 – Convex Optimization - Maryam Fazel – 4/5 Maryam是Stephen P. Boyd的嫡传弟子，本身也算理论组的一员，和Yin Tat Lee, Sham Kakade 都是 ADSI的主要负责人。不知道为什麽她跟Archis还蛮要好的也是Archis说上完 他的 Data Driven Optimization 再来一定要去这门课。另外Sasha说他从UW 毕业前最後 修的就是Maryam的课。这门课本身是以Convex 的性质及应用为主，不会涉及到演算法， 但Maryam说明年她会再加开演算法的课程。作业难度不小，是一门需要投注颇多心力的课 。 CSE 535 - Theory of Optimization and Continuous Algorithms - Yin Tat Lee – 4/5 http://yintat.com/teaching/cse535-winter19/ Yin Tat是香港中文大学的，後来到MSR再到UW的样子。理论组的教授也是ADSI的负责人之 一。这门课包含了Ellipsoid method 跟变形，以及怎麽用 Sampling 去设计 Optimization 的演算法。另外因为Gradient Descent本质上是 dynamical system，所以 也需要 会解Stochastic ODE的能力。缺点是Yin Tat 的口音有点重，那时候一整个不习 惯所以後来主要都是自己看讲义。但之後也听了他的其他演讲之类的慢慢习惯後会发现其 实Yin Tat 教的还蛮好的。 EE511 - Introduction to Statistical Learning - Mari Ostendorf – 1/5 还蛮简单的一门基础课但因为我没有真正学过 ML的关系所以还是去听了。用的是那本经 典课本的内容。Mari本身是做NLP的人非常的好，再加上她很猛的关系，所以虽然整门课 都是知道的东西但听她从一些不同的角度切入往往有新的收获。 EE 548 - Linear Multivariable Control - Sam A Burden 教的极慢的一门课，虽然比起Lillian，Burden是好教授但因为步调太慢太想睡後来就没 去了。 --------------SPRING 2019---------------------------------- CSE 525 - Randomized algorithms and probabilistic analysis - James R Lee – 3/5 https://homes.cs.washington.edu/~jrl/teaching/cse525sp19/ Shayan 叫我一定要修的课，但因为跟机械系的必修课冲堂我又需要毕业只好修那门然後 听这门。521的延伸课程，James是好老师而且上课整个很有趣。内容还蛮包罗万象的从基 础的Concentration bound 到Random tree embeddings 到 Spectral Graph 跟 Markov Chain都包含在内。每周或两周一份作业加一个 take home final。很赞的一门课。 CSE 599 - Reinforcement Learning and Bandits – Alekh Agarwal & Sham Kakade – 4/5 https://courses.cs.washington.edu/courses/cse599m/19sp/ Alekh 跟 Sham 的和开课。Alekh 是 MSR的 Researcher 顺便来开个课这样。内容是比较 新的 RL演算法跟证明，所以整个大纲跟内容其实跟传统RL的教学差异蛮大的。不少内容 是近几年的paper，大概就有种paper的作者直接教你paper的内容的感觉。 ME535 - Computational Techniques in Mechanical Engineering - Ashley F Emery – 0/5 http://courses.washington.edu/mengr535/ 很无聊的一门课，主要是numerical的东西，蛮简单也学不太到东西的一门课，但又是机 械系的必修课所以一定得修。 EE 549 - Estimation and System Identification - Kristi Morgansen 只有去听前面几堂但感觉教的颇慢就没有继续去了，听说还蛮不错的一门课。 --------------SUMMER 2019---------------------------------- 暑期因为没什麽公司要我逼得我留在学校所以顺便听了些学校的conference 跟 summer school Applied Mathematics: The Next 50 Years https://depts.washington.edu/amath/amath50/ 里面的Workshop 有 Sasha的 Optimization & Data Science 还有 Kutz 的 Data Science Methods。其中Kutz 是跟 Brunton 合作。 另外Sasha还请Terry, Maryam, 跟 Archis来演讲 MSRI Mathematics of Machine Learning Summer School http://www.msri.org/summer_schools/866 MSR + ADSI 主办的Summer School，主要是ML理论 Robert Schapire 讲Statistical Learning; Sebastien Bubeck 讲 Convex Optimization; Kevin Jamieson 讲 Bandits; Emma Brunskill讲 reinforcement learning; Joan Bruna 讲 Deep Learning ADSI SUMMER SCHOOL ON FOUNDATIONS OF DATA SCIENCE https://alecgt.github.io/adsi_summer/ ADSI 的 Summer School, Alekh, Yin Tat 跟 Kevin 都被抓回来讲 ADSI SUMMER WORKSHOP: ALGORITHMIC FOUNDATIONS OF LEARNING AND CONTROL https://ajwagen.github.io/adsi_learning_and_control/ ADSI 的 Workshop Sham 跟 Maryam 主办 --------------AUTUMN 2019---------------------------------- 没有人想面我还在学校当地缚灵所以去听了一些课 CSE 599 - Robustness in Machine Learning - Jerry Li - 2/5 https://jerryzli.github.io/robust-ml-fall19.html 主要是偏向outlier / attack/ defense 的一门课。Jerry是MSR的Researcher，才刚从 MIT毕业没多久。内容非常的新，但也代表这领域发展的有多快，不少去年的paper放到今 年就变成classical的方法了。需要基础的concentration bound 跟 Optimization 的知 识。应该说所有ML的理论课都需要这些基础知识，也可以算是必备技能了。 EE514 – Information Theory I - Jeffrey A Bilmes – 3/5 https://class.ece.uw.edu/514/bilmes/ee514_fall_2019/ Jeff 的课。比起让他教DSP那种有点大材小用的东西，我更喜欢他在这门课的教学。不得 不说还是该把教授放到对的课程，不然听起来都感觉有点卡卡的。感觉没机会听到他的II 了，但可以以Information Theory I 作为收尾也是还不错了我觉得。 结论（以下都是Murmur）： 结论是虽然这些理论课都很有趣也不会太难，但对於要转码或做DS而言就不该浪费生命在 这上面了。严格来说只要是没有要读博的都不该浪费时间在理论上面。我原本害怕太理论 的话我的履历会没有东西，所以还是有跟实验室以及实习做应用的东西，原本以为这样可 以比较整合应用跟理论，至少有一些只做纯理论找不到工作的前车之监在。但实际情形是 只要做的东西是recruiter没有能力看的懂得东西，再难都没有价值。所以以结论而言， 完全不要浪费时间在理论上面，骗过recruiter跟面试官才是最重要的。以我的经验来说 第一步应该要去看职缺内容要的东西，然後就会发现大多数东西是完全不需要理论偏高职 的东西，如果是想当SDE或 Control Engineer的话，大学教育是没有办法给一份工作的。 於是就造成即使我已经修改了好几百份履历，大量请朋友推 Uber, Google, MS, Amazon, Lyft…公司，连一份OA都不给的窘境。於是只眼睁睁的看着不做理论的人都离开 了，我还在学校当地缚灵浪费生命的状况。另外基本上recruiter有的时候不只不懂技术 连该有的知识都没有。记得去了一堆公司的career fair(然後 Career Fair 也是颇浪费 生命的东西) 问状况还有去他们办的履历修改问怎麽修，每个听到没有回应都一脸不可置 性然後叫我投，投完直接被拒，甚至有的连自己公司有什麽缺都不清不楚的。或者是寄信 来问我有没有兴趣然後里面要求3-5年经验於是我一回有兴趣就被拒的都有。大多数的情 况而言大家都说3-6个月就足已成为一个 new grad SDE了，而6-9个月就足以成为一个 new grad DS了。一堆DS连演算法都不会也爽爽在当DS，干嘛需要浪费时间多学其他东西 ，什麽 potential 啊，进来在学啊都是骗人的，连门票都拿不到所有东西都是bullshit，多学应 用做专题才是合理的。这也是写这篇的一个目的我觉得，因为来之前功课做的不够多导致 走错方向而失败了，希望以後来的人可以踩在前人的屍体上前进。 懒人包: 完全不要浪费生命在理论上面，看缺要什麽就点什麽骗到一个工作才是重要的 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 73.97.142.52 (美国) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/studyabroad/M.1575241908.A.969.html 抱歉重修一下。感谢becseger大的帮忙回覆XD。很感谢jobby246wc大的建议但我实验室跟 实习做的其实偏向医疗/生物的data建模，这领域其实也用到颇多控制相关的知识，但因 为这些经历无法给我一份工作，所以我完全觉得不重要。Robotics 相关则是修课Project 外就没有碰到了。所以虽然不是完全没兴趣但除了becseger大说得这领域对国际生没那麽 吃香外(Vision 相关蛮缺人的其实)，感觉上其实我离robotics有点远不是那麽容易重回 这个领域 （抱歉我其实不怎麽会用PTT正再研究怎麽私讯）。 ※ 编辑: drrdrem (73.97.142.52 美国), 12/02/2019 23:34:03 啊信寄出了感谢hanaya大的教学 如果只的是manipulation 的话正职不是那麽好找，但我知道Honda 跟 Nvidia全年有招 research intern ，必备技能是DRL + ROS + manipulation。但纯控制或控制理论的话就 我所知像becseger大说的一样国际生master不要肖想，一般做robotics一定要跨去做AI或 Vision才好找。就是不要做纯理论就对了。我有机械系的朋友做SLAM一直有面试，虽然他 都没上XD但一直有面试的话总有一天会上我觉得因为也都是考刷题。 ※ 编辑: drrdrem (73.97.142.52 美国), 12/03/2019 12:11:36 啊感谢japhelec大的鼓励也祝你一切顺利! 我是觉得直接转码啦，听过的拿到Amazon 跟 MicroSoft等等面试的都超爽超容易，只要拿到面试剩下New Grad完全是轻易进，不要浪费生命在这奇奇怪怪的东西上面。生命值得更美好的东西但不是试图让recruiter 理解他/她们没有能力理解的东西。 ※ 编辑: drrdrem (73.97.142.52 美国), 12/04/2019 07:19:29 摁这听起来有点 Bullshit. 他们面试时又不会面你控制理论的东西，而且有些SDE就连演算法只要跟刷题的解法不一样就看不懂了。 ※ 编辑: drrdrem (1.172.199.32 台湾), 07/08/2020 05:56:03