申请研究所的时候看到有位学长的medium文章，以及ptt上有位北大统计系的前辈申请这
个系，最后才申请Georgia Tech的CSE，秉持着一个传承的概念，写下这学期的心得~
-
〈校园〉
学校有坡度，所以很常要上坡下坡的走，但是可以坐校车，校车有超过4种以上的路线，
频率大概15分钟内会有一班，假日还有for grocery 的路线会抵达走路20分钟以上的
Target。学生中心有很多不同的餐厅，而80%的学生来这边基本都吃一楼的Panda Express
跟Chick-Fli-A，我个人觉得Panda蛮好吃的，所以很满意学生中心，而且购买学校的
Dining dollars的话，可以免去8.9%的消费税。从我觉得Panda蛮好吃，就应该看得出我
对食物的标准不高哈哈，因此学生餐厅的食物我也是吃的津津有味，买一学期的50次券（
最低次数）的话，平均一次是11美，能吃到很多肉、不同风味的料理、甜点跟咖啡，我觉
得非常划算。
-
〈生活〉
亚特兰大公众交通不算发达，只有一个十字型的捷运Marta，离Georgia Tech最近的亚洲
超市要30分钟，除非有车，不然挺不方便，学校附近还有一间美式超市Publix，但整体东
西偏贵，所以很多人是订阅Walmart+然后外送grocery到家的。亚特兰大景点不多，
Coca-Cola展览馆、亚特兰大水族馆是知名的，除此之外就是一堆山，所以很多人假日就
会去健行，算是这边热门的活动。治安挺好的，除了热闹的地方，像midtown可能疯子比
较多一点，但都没什么事发生。
-
〈找工〉
学校有一个CareerBuzz, 上面会发一些实习机会，但限制很多，刚入学的新生GPA会被卡
住不能投履历，然后有可以预约线上咨询的功能，我预约过2次，分别是改履历跟练
Behavior questions，个人认为蛮有用的。
-
〈课程〉
CSE 6010 Computational Problem Solving, Instructor: Elizabeth Cherry, loading
3/5, recommend 4.5/5
这堂课是我整学期觉得最有“课程感”的课，因为整个课程是从0开始教C语言，周二上演
算法，周四上作业系统，能感受的到循序渐进的学习过程。老师上课都讲蛮仔细的，
Slides也有公布在canvas上，提供可以搭配去年的远距影片以及slides的远端上课选择。
考试大约2周一次，open book，整体不会考很难，大多都是可以从slides里面就可以找到
的答案，反而在网络上找到的都会错。作业除了Hw4之外都不难，约5~10个小时可以解决
，但是麻烦的事情很多，像是每次交作业都要附上slides解释自己的code，也要求互评另
外3个学生，最后要写150字以上的心得与改进想法。整体而言是蛮棒的课程，推荐给没修
过C语言以及有程式基础想修凉课的人。
-
CSE 6242 Data and Visual Analytics, Instructor: Duenhorng Chau, loading
4.5/5, recommend 2.5/5
作业才是这堂课的本体。这堂课一开始老师就讲很多概念，然后放影片，举手回答环节，
然后差不多就下课了，学期中之后我就很少去现场。要是我以后当老师，我应该想当这样
的教授吧。作业总共有4份，每份大概需要15~25小时，Hw1是Python跟SQLite，Hw2主要是
运用JavaScript的一个套件D3.js做出各种互动的图，Hw3是云端平台大杂烩，Hw4是做
RandomForest。如果你履历没什么东西好放，那这门课的project确实可以帮助你，但大
概做完Hw2之后，履历上project也差不多放满了，就可以开始后悔选这堂课。Hw2也就是
期中后会同时进行期末专案，主题自订，只要包含前端就好，然后这堂课的paperwork要
求真的很多，一定要照着syllabus上的每个点去写。整体而言是普普通通的课程，推荐给
履历不够满的人。
-
CSE 6730 Modeling and Simulation, Instructor: Peng Chen, loading 3/5,
recommend 2/5
如果不是必修，我一定不会修的课。这堂课讲了蛮多面向的simulation，但正因为是
simulation，所以公式特多，属于你上课分心1分钟，接下来老师1个小时讲什么你都听不
懂的类型。课程主要环绕着小考展开，因为小考占50%，每2周一次，加上老师会先有一个
不计分pre-quiz，所以就按照pre-quiz的内容去唸，小考基本题都拿到是可以平均80%的
。期末报告是做任何主题的simulation，从学期初就有慢慢开始在做，相比6242，这堂课
的报告评分标准是较松的，我跟组员有个明确的方向后，慢慢找资料，做分析，最后报告
拿了38/40分。整体而言是有点头痛的课程，推荐给想走Data Science而且不怕理论的人
。
-
CSE/ISYE 6740 Computational Data Analysis, Instructor: Tuo Zhao, loading
3.5/5, recommend 4.5/5
意料之外、情理之中、仔细想来、非你不可。这堂课也是必修，老师第一堂就在下马威，
直接考了一个pop quiz，内容包含微积分、线性代数、MLE等概念，成功劝退很多人。前
期的上课氛围也不太好，如同6730一样，大多内容围绕公式展开，作业总共有6份，每份
约10小时，就是用Python应用各种不同Machine learning跟Deep learning的套件，因此
上课时我都兴趣缺缺，老师讲什么我就写什么。直到我学期中的有次面试，面试官开始跟
我聊观念，正好我那时候在写Lasso regression的作业，就稍微讲了Lasso的正则性跟
lambda，因此我发现在这堂课上课以及写作业的过程中，他是能让你去浅略了解每个演算
法的特性，此后老师每换一个主题，我就会自己在网络上搜寻相关的文章，帮助我更深入
了解概念。期末专案是有关ML/DL就可以，需要上台报告30分钟，老师会在中间提问。这
边宇宙无敌强烈建议报告前一定要去office hour，老师会给关于期末报告的建议，强调
要informative，或是提供几个可以改进的点子，我们这组去问了之后，大概修改30%的内
容，最后报告老师没问很多问题，顺利结束。整体而言是很广泛的课程，推荐给对ML/DL
有兴趣，或是之前没有修过相关课程的人。
-
综上所述，蛮喜欢来到Georgia Tech之后的生活，认识很多人，更认识自己，更了解自己
的不足。