文|指南者留学学员·Cardi21fall爱丁堡大学信息学硕士Chapter1 选择首先，我属于做项目和实操型选手，不擅长考试，不擅长背诵，因此

 

文|指南者留学学员·Cardi21fall爱丁堡大学信息学硕士Chapter1 选择首先，我属于做项目和实操型选手，不擅长考试，不擅长背诵，因此，作为普通一本出身的双非学生，保研或考研上985基本没戏；其次，个人认为计算机属于实践型学科，绝大多数人都不是搞理论的料，早点工作进入工业界没有错，因此短平快的留学比较适合我；第三，我比较爱玩，喜欢旅游，喜欢探索新东西，英国和欧洲有很多风景名胜，在留学期间到处旅游也是我的一个初衷。

王子街夜拍

学院自习时，拍的晚霞其实，在当时选offer是有点纠结的，南加大的DataScience（当时很多人推荐去)和爱丁堡CS，最终做决定的原因有三点一是我对NLP（自然语言处理）很感兴趣，本科期间已经在接触了，爱宝的NLP是排到全球Top的，去了之后更容易获得相应的资源；二是相比于LA，个人更想去安静点的地方读书（因为本人很贪玩，很贪玩）；三是没想好在美国就业，因为21年暑假北美22summerintern已经开了我还没刷题，USC群里一些朋友已经在面试了，虽然很有吸引力，但我想按自己节奏来走；当然，USC确实很好，在我看来，在就业方面，应该拥有比爱大更高的上限和机遇。

Chapter2 学习我入读的专业是金融计算高级技术（MScAdvanced Technology for FinancialComputing），后转入信息学，信息学专业一共180学分，20学分的IRR、IPP(教你如何阅读paper和对paper做review)和60学分的毕业设计是必修，剩下100学分从课程池里选（如下图）。

同时，信息学院的同学有权利选20学分爱大其他学院的任何课程。整体来看，课程对后端/基础架构开发和NLP相关算法感兴趣的同学提升较大。

选课表选课list应该是全英最全的了，大概有50门课可以选，绝大部分课是单学期，有一些课是全年running的第一学期学理论知识，第二学期做research/developproject(比如很火的MLP，TTDS），每年都有实力比较强的同学在第二学期的project中做出一些solidwork，投稿或者发表顶会的。

此外，有一些第一学期的课是第二学期的铺垫，比如ANLP是NLU+的前置课程等大家可以完全按照个人兴趣喜好和就业方向来定制自己的课程组合，但我建议要考虑workload，不少课程难度不低且作业很考验综合能力，需要量力而行。

还有40学分旁听课程可供选择，就是不参加考试，但是可以共享课程所有资料和视频，学有余力的同学一般都会选上1-2门旁听课程这里我主要介绍个人最喜欢的三门课程：NLU+（自然语言理解，生成与机器翻译）这门课应该是全英NLP质量排Top的课程，基本聚焦在主流深度学习NLP领域，尤其是下游应用的实践和知识。

主要课程涵盖RNN，LSTM，Attention,Transformer，Bert,XL-net，Prompt等最新的预训练模型在文本分类，摘要，问答，机器翻译，text-sql以及模型高效化等场景的具体实践。

老师上课通俗易懂，讲的很细，辅有lab，tutorial答疑，会教你如何fine-tune一个语言模型，理解transformer每个block的执行原理，作业也是比较有难度，需要自己根据任务数据来改进transformer，需要做各种对比试验。

这门课总体会从一个全局角度来梳理深度学习NLP领域内的发展历史，并贯穿每个关键点的代表模型和应用课程理论和实践相结合，紧跟工业界走向没有脱节，每年slides都在加新内容，因此实用性不错，适合求职面试当然难度是有的，默认你会pytorch，熟练使用python。

MLP（机器学习实践）这是一门全年课程，第一学期学习+lab为主，作业是探究CNN梯度消失的原因以及各种绘图，值得一提的是，作业是老师写好的一个基于pytorch的小型框架，集成性很好，但是想要运行起来，需要理解框架里的代码，比如数据流，各模块输入输出，接着去补全作业要求，比如搭建一些特定的卷积Block，处理输入输出的函数等。

难度不大但挺有意思，对于初学同学也比较友好第二学期，是参照ACL，AAAI论文格式，组队做deep-learningproject，自由度很大，有PhD每周答疑和指导，认真做的小组有机会产出paper.

ADBS（高级数据库系统）这是大家今年评价/期末给分都很高的一门课，这门比较弱化数据库原理里那些关系代数、关系演算范式和约束那些概念更专注于数据库系统的实现难度也是有的，需要一些计算机基础（比如操作系统)和java，比较适合科班同学继续深入优化自己的知识体系。

课程内容较多，涵盖范围也比较广，包括但不限于B+树，索引优化，内存管理，事务，查询语句中的各种operator（Select,Join,Sum)，operator之间的schedule机制，No-Sql，分布式数据库和数据库性能优化等。

老师上课讲的也比较细致，tutorial题目是课堂理论的实践部分，也是考试重点，因此tutorial一定要认真准备这门课基本可以cover后端/大数据开发/算法工程师面试中的database问题，比较实用。

Chapter3 实习由于我没有读博打算，所以allin回国工作，很幸运的是，在读研期间担任了华为爱丁堡校园大使，并通过笔面试在暑假前作为第一届实习生加入华为的爱丁堡研究所实习，隶属于华为2012实验室，各团队都由爱大比较知名的教授带领，我们组是主攻NLP，主要负责华为pedal-search的电商知识图谱构建，优化搜索，推荐等个性化服务。

所以，在读研期间我拥有了一段四个多月的海外实习。这也是爱大信院的专属福利，今年起，华为预计会招10-20名summerintern/年，且实习薪资很可观！

公司下班前现在，我回国开始第二段实习了，内容是大家都在刷的小红书的首页推荐算法，关于秋招算法/数据科学方向求职经历，指路我的另一篇文章，大家可以看看今年秋招真的很严峻，大部分公司都在降本增效和缩招，希望大家抓紧时间做做项目，实习起来！。

至于我们院的同学，去向大概分两种，部分成绩优异和学术研究意愿强的同学会考虑攻读PhD，每年大概有十几二十个人在申请；大部分同学还是考虑回国就业，少部分同学同时会考虑留英求职从往年就业来看，大厂会比较多，尤其上届的入职阿里，字节，腾讯和华为的软件开发，NLP算法是最多的。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186