一、个人背景。在来SJSU之前，我的学习和工作均在中国。而且，我之前是一名中学老师，和IT没啥关系。大约在两三年前，我对AI产业产生了兴趣，于是申请并来到了SJSU。我就读的是MSAI program，预计两年毕业。当然，在开始正式学习之前，我进行了一些自学，有了一定的知识储备。此为个人背景。

二、学校背景。我之前申请的时候，并不了解SJSU。在一个朋友的建议下，我才申请了这里。当然，这是我孤陋寡闻。如果你想快速了解这个学校，SJSU身上的标签有：坐落硅谷、就业神校、价格便宜、保底神校、水校。

三、学习情况。先说总体感受。这里的教学水平并不高，老师水平有限，备课也不充分，布置的homework、project也比较随意。你不太可能在此接受严格系统的学术训练。在这两个学期，我一共选了六门课。我来回顾一下细节：

（第1学期）CMPE180A 算法与数据结构。老师Juan Gomez。这是我在SJSU上的第一门课，自然有些期待。但一个学期下来，槽点实在有点多。课程设计并没有替学生着想，如果你以前没上过这课，那么学起来会比较吃力。这位老师没有自己的ppt，上课用的ppt都是东拼西凑的。老师的口音比较怪（好像是南美人），听起来很费劲。布置的homework，没有提供任何的skeleton code，没有任何的test code。期中、期末考试出题偏难，感觉是有意为难学生。此外，老师脾气不好，和他不好交流。这位老师在网上的风评极差。不过，以这个老师的段位水平，他还为难不到我，嘿嘿。顺便一提，因为我是转码，所以需要学习三门180系列的prerequisite课程。这是其一。

（第1学期）CMPE180B 数据库导论。老师Gheorghi Guzun。这哥们是个PPT老师，照本宣科，而且PPT还不是他自己做的，是某textbook附赠的PPT。这门课的节奏贼慢，半个学期过了，只讲完了sql语言……他的课基本没人听。这门课的project是设计一个应用，任何应用都可以，只要和database相关。顺便说一句，我发现这个学校的课程project有个特点，就是范围特别宽泛，没啥约束，随便怎么搞都行。

（第1学期）ISE201 数学基础课。老师Shilpa Gupta。这门课的内容是复习本科的数学知识，包括线代、概率和统计。一个学期复习这么多内容，可想而知，每个部分都只是点到为止。如果你以前学习过相应数学知识，应该不难，但是如果你没学过，又没预习过，那就会听得一脸懵逼。课程有作业和project。大约都是用R studio做一些数据分析。这门课是线上课。这位女老师似乎是在SJSU兼职做老师。老师还是用了一些心思准备课程的。给这位女老师点赞。老师是印度人，有一些印度口音。

（第2学期）CMPE180C 操作系统。很不幸，这门课的老师依然是180A的老师Juan Gomez。他延续了其“优秀”的风格，PPT是textbook附赠的，作业都是些老掉牙的题目，课上讲的笑话都不好笑，脾气挺大，诸如此类。当然，有AI的帮助，我顺利混过了这门课。

（第2学期）CMPE257 机器学习导论。老师Bernardo Flores。上第一次课时，我的期望还挺高，因为老师说话字正腔圆，上课也有互动，不至于太沉闷。但是随着课程的深入，问题出现。这位老哥讲得太过表面，没有细节。讲解每一个算法，套路都是固定的，“是什么” + “有什么用” + “有什么优缺点” + “如何调包”。用一哥们的话说，“PPT上的内容都可以通过google在五分钟内得到”。没有任何homework作为巩固。这门课唯一的作业就是一个team project，做啥都行，只要和machine learning相关。我在这门课最大的收获是，课程的最后一节课上，他的一位助教讲了讲如何应对ML Engineer岗位的面试，呵呵。

（第2学期）CMPE252 人工智能与数据工程导论。老师Stas Tiomkin。老师深入讲了几个知识点，包括A*搜索，MDP、连续空间的MDP、Information Bottleneck method。老师的上课技巧一般，口音比较重（应该是东欧人），喜欢重复。这门课是math heavy的，数学不好的同学会听着头疼。这门课的4个programming作业设置的不错，用python实现上面说的几个知识点。老师可能知道我们学生也是**，所以给了挺多的skeleton code，即使你上课没听懂，按照步骤一步一步来，也能把结果跑出来。

我估计大家来这里，