何敏
就读体验|爱丁堡大学AI专业,亚马逊接班人
立即咨询
评论
400-010-8000
金吉列留学官网
何敏
去主页浏览TA的更多精彩内容
举报

就读体验|爱丁堡大学AI专业,亚马逊接班人

时间:2020-05-18 16:29:26 收藏0 阅读 评论0 点赞0
咨询热线:17710534709 立即咨询
金吉列留学专注留学20年,为您提供全方位留学服务,第一时间更新权威留学资料。如果您想了解更多的留学咨询,欢迎浏览金吉列留学官网 www.jjl.cn 或者点击右侧咨询栏,专业留学顾问提供在线咨询。接下来为您介绍就读体验|爱丁堡大学AI专业,亚马逊接班人
本文是通过爱大AI专业18级毕业生的个人体验来为大家参考一下人工智能专业的就读难度与其他就读体验参考,希望有助于同学们更精准的定位到自己的目标专业上。
想留学,没方向?还不点我快来聊?

爱大信院授课型硕士分为三个学期,前两个学期上课,最后一个学期写论文(准确地说是2个学期+3个月论文写作时间),大概起始于九月份第二周,论文完成于次年八月中下旬,然后毕业典礼大概是在十一月份。要在一年之内修满180学分,毕业论文占60分,也就是说剩下的120学分都是上课。信息学院前两个学期分别有一个10学分的必修课,有关 Academic Writing 的,对大部分信院的项目来说其余的100学分是任选的(基本上除了特定学科的课比如医学院的其他的应该都可以选,但是不能选太多其他院的课),所以选课是比较自由的,也不需要抢课(但我看2019最新的项目介绍上说,如果一些课选的人很多的话,还是会限制一下选课量,选不选的上依据专业相关程度来决定,可能跟信院近几年扩招太多有关系,毕竟有的课可能选课都超过300人了)。据我了解目前 MSc CS, AI, Informatics 都是选课比较自由的,这三项目除了毕业证上写的项目名称不一样,感觉其他没什么区别。如果有的课程不符合条件(比如有什么先修课程),和自己的 Personal Tutor 说一下也能选上。相比之下,好像 DS 专业选课限制就比较多。

这里大多数课程都是10学分,大概一周1-2个小时的上课时间和1小时的lab或者tutorial时间,授课时间不多,但是作业量是不小的。有一部分是20学分的课,工作量相应增加。我选的几门课都是有录像的,而且非常快,基本下课一个小时之后就能看上录播了,有的课还有直播,在家里看不去上课都可以,不知道其他信院的课是不是也都这样。一般来说的话大家都会上学期选50学分,下学期50学分,这样分配的比较合理。当然第一学期选60学分也是可以的,选课的时候和 Personal Tutor 说就好了,会比较累。

之前官网上会给出几个track,比如 Intelligent Robotics,Machine Learning,Natural Language Processing 这样的方向,但是这个只是给你的一个选课参考和推荐,可以 NLP 和 Robotics 的课同时上,不必按照他们说的选。

去 MSc 的网站上去看所有可以选的课程(链接就不给了,MSc项目介绍的网页上都有),而且直接 google 课程缩写 + edinburgh 可以直接看课程的网站。因为爱大的 NLP 十分强,目前在 CSRanking (一个根据论文来给学校排名的网站) 中排在第一,信院有很多关于 NLP 的质量很高的课程。很多同学都是来爱大学NLP的,第一学期一般的组合都是 Accelerated Natural Language Processing(ANLP 20 credits),Machine Learning and Pattern Recognition(MLPR 20 credits),Machine Learning Practical(MLP 分两个学期的课,一个学期10学分,纯 coursework 没考试),正好50分,因为都是比较难和累的课,所以压力挺大的。如果想上简单一点的 ML 入门课,可以选 Introductory Applied Machine Learning (IAML 20 credits),是 MLPR 的弱化版,比较偏应用。不过还是强烈推荐MLPR。

这里再详细说一下MLPR和MLP这两门课。我大概大二下学期的时候就修了一些关于数据挖掘和机器学习的选修课,然后后来在实验室实习是关于NLP的,然后毕设是有关CV的,西瓜书浏览过一遍,李航老师的《统计学习方法》也看了部分,但是上MLPR这门课,还是收获非常大,有很多细节去思考。尤其是概率下的机器学习,也就是本门课程的核心 Bayesian Regression 和 Gaussian Process,讲的真的非常好。MLP 是另一门关于ML的实践课,主要上课讲的是 NN, CNN 等等的深度学习模型,lab的形式就是吴恩达老师的那门深度学习公开课差不多,给框架然后NN的细节自己去填,也是用 Jupyter Notebook,但是内容要多很多。一学期两个coursework,要把控好时间,要不就得熬好几天赶报告了。如果你按照我刚才说的方法搜到课程主页的话,肯定能找到这门课今年的 github 地址,包含所有 lab 和 cw 的代码。

对 NLP 不感兴趣的同学,也有人修 Robotics 的课 Robotics:Science and System(RSS 20 credits),加上那两门ML的课,一学期也正好50学分。这门课主要是入门 Robotics,内容主要涉及 Kalman Filter,Localization(Grid localization and particle filter),Mapping,Motion Planning,Kinematics,Dynamics,Digital Controller (PID,LQR,MPC),Optimization。可以看出来内容还是很广泛的,每个topic大概4个小时授课时间,质量也不错。课程实践部分挺难的,不过也挺有意思,只不过认真做最后也可能只拿个百分之三四十的分数。如果想学 Robotics 下面的某一个方面比如 SLAM 的话,还是不要选了,不会详细讲的,感觉爱大也没多少人做这方面。爱大在 Robotics 方面的课真的不多,选择范围小。CV方向也是一样,没几门可以选的课程,相关的老师也少。当然还有其他一些小众的,比如交互式,网络安全,物联网,分布式之类的课程,不过我不大了解。

如果之前不是学 CS 的同学,开学之前大概需要做一点点准备。大致熟悉 Linux(比如Ubuntu)的简单操作,因为整个信院的 lab 都是 linux 操作系统,会 ssh 远程连接,当然,如果之前在实验室待过跑过程序的话,这套流程肯定是都会的。Python 的 Jupyter Notebook 很方便,一开始学 Python 应该都接触过吧,可以想想如何远程连接 Notebook。Github 和 Git 也应该了解。数学不太好的看看数学。

就我个人来说,这一学期学习体验很好。首先从信院整体的环境来说,每个人都会有一个账号可以登录DICE(Distributed Informatics Computing Environment)系统,LAB里电脑很多,可以很方便随便挑一台登录,在外边也很方便远程 ssh 或者其他方式连接到系统,使用学院的资源。总之就很方便,在外边手头有电脑就可以连,在LAB电脑都随便用。

其次这学期我的选的所有课都有自己的网站,很方便下载上课讲的 PPT 或者手稿,以及其他的材料,每门课都有录像(不确定其他课是不是一样),而且基本上上完课就可以看录像回放了。有问题可以用专用的提问论坛随时提问,老师或者助教回复很快。

每门课程内容一看就是精心设计过的(虽然有的老师授课水平一般),而且都很 up to date,比如 MLP 的 assignment 是根据去年的 paper 出的题目。这点体会比较深,本科四年,除去数理的基础课程不太需要变动之外,很多工科课程内容都很陈旧,而且东拼西凑,感觉授课大纲可能十年都没变过,甚至有的课程涉及的内容早就过时了。

这大概就是我感觉特别好的几个点了吧。除此之外可能我本科 EE,到这边可以很自由地选感兴趣的 CS 课程,有不少好感加成。

但这学期压力还是挺大的,反正比国内压力大很多,别看就选了3门课。学期初比较清闲,但是后边各种 assignment 多了之后就很赶了,熬夜是经常的事。RSS 验收之前在实验室连着呆了30个小时,虽然是在旁边给大佬加油,也没睡觉;赶 MLP 的 report 连着几天都没怎么睡觉,全靠红牛续命。反正我之前没这么干过,本科虽然也有4, 5门课的 project 一起,但是给的时间都比较充裕,所以不会很赶。

我本人上过的课

* 有的课程我可能会标注课程人数,这个数据不是完全准确的。我是根据 Piazza 每门课程注册人数来看的。因为大部分课程,都会要求学生去 Piazza 上注册一下,方便问问题。但是,并不是所有选课的人都会去注册,也有的人可能会重复注册两次(因为爱大邮箱有两个可用地址,还真的挺容易忘了自己是哪个地址注册的,所以重复注册的现象是会有的),所以这个数据,仅供参考,大致就是在那么个范围。

Machine Learning and Pattern Recognition (MLPR, 20 credits)

【授课质量:高】【课程难易程度:偏难】【cw 难易程度:简单】

MLPR 是一个比较偏理论的课程,重点我觉得主要是贝叶斯,高斯过程那些。老师是信院男神之一,整个课程方方面面都非常好,质量爆炸,是这两学期我上过的课中的 MVP。之前有上过 Machine Learning 相关课程的同学,也不妨再上一遍,没准和你想象的 ML 课程完全不一样。我是有相关基础的,但是上 MLPR 这门课,还是收获非常大,有很多细节去思考。

Machine Learning Practical (MLP, 20 credits)

【授课质量:中等】【课程难易程度:中等】【cw 难易程度:中等】 【大致人数:秋季学期 406,春季学期 334】

MLP 是另一门关于 ML 的实践课。这门课的重点是实践,授课时间比较少,分两个学期,一个学期各占10学分。第一学期主要是 NN, CNN 等的基础知识,大部分时间都花在做 lab 和 coursework 上了。下学期的内容涵盖 visualizing CNN, GAN, 物体检测, 语义分割, 视频分析等等常见的深度学习模型,但都是简介吧。第一学期lab的形式就是吴恩达老师的那门深度学习公开课差不多,使用 Jupyter Notebook,给一个框架然后 NN 的正向传播,反向传播之类的自己去实现,第二学期主要是小组合作完成一个深度学习项目,内容自选,会有 GPU 支持,难度在于你们自己的选题。

Robotics: Science and System(RSS, 20 credits)

【授课质量:中等】【课程难易程度:中等】【cw 难易程度:难!】

这门课主要是入门 Robotics,考试和实践各占一半的分数。授课内容主要涉及 Kalman Filter,Localization(Grid localization and particle filter),Mapping,Motion Planning,Kinematics,Dynamics,Digital Controller (PID,LQR,MPC),Optimization。可以看出来内容还是很广泛的,每个 topic 大概4个小时授课时间,质量也不错。但如果想学 Robotics 下面的某一个方面比如 SLAM 的话,还是不要选了,不会详细讲的。课程实践部分挺难的,不过也挺有意思,没有硬件基础的话会比较坑。认真做最后 major milestone2 也可能只拿个百分之三四十的分数,当然整个 practical 综合起来拿个百分之七十分数还是不难的。

Informatics Research Review (IRR, 10 credits)

【授课质量:因 Tutor 而异】【cw 难易程度:中等】

这门课是必修的,主要是讲如何科学地阅读 paper,如何写论文,最后的作业是交一个 Literature Review,topic 任选。内容还是挺有用的。

Advanced Vision (AV, 10 credits)

【授课质量:中等】【课程难易程度:中等】【cw 难易程度:中等】 【大致人数:153】

为数不多的关于 CV 的课程,不过讲的内容主要是传统方法,涉及物体识别,行为分析,3D视觉等等,深度学习的部分只是泛泛而谈。这门课是自己看视频学习,上课时间主要是问问题,老师给出思考题然后大家讨论,这个和后面说的 IAML 比较像。Coursework 还是挺有意思的,主流是用 Matlab 写。

Parallel Programming Languages and Systems (PPLS, 10 credits)

【授课质量:中等】【课程难易程度:比较简单】【cw 难易程度:简单】 【大致人数:60】

大致主要讲了并行计算的基础概念,和简单介绍了几个常见的库,比如 c 的 Pthread,MPI,java 的并行,TBB,Linda。作业不需要话费太多的时间,作业比较容易拿满分。但是最后我考试卷面分不高,555。

Reinforcement Learning (RL, 10 credits)

【授课质量:一般】【课程难易程度:中等】【cw 难易程度:中等】 【大致人数:306】

RL 这门课很火,选的人很多,但授课质量,emm,仁者见仁智者见智吧。内容基本上是入门 RL 吧,作业也挺有意思。

Computational Cognitive Neuroscience (CCN, 10 credits)

【授课质量:一般】【课程难易程度:偏难】【cw 难易程度:较难】 【大致人数:64】

CCN,这门课没有考试,成绩根据三个作业,最后一个作业选一篇 computational psychiatry 的论文写 review。我反正是没什么相关基础就去上课了,内容还挺有趣的,因为我还是比较想看看 Neuroscience 领域都是在做什么的,这门课现在的内容主要偏向 computational psychiatry。我平时作业比较认真地完成,最后成绩还算不错。作业量比较大,除了前两个编程作业之外,还有好几个 lab,每个都算是神经科学的一个独立的方向初步探索吧,大部分人用 Matlab。好在 lab 不算分数,可能没多少人好好做。如果真的要是很认真地上这门课程,认真写作业,做 lab,估计要话费的时间比 20 学分的课程还要多。

我听别人说过的课

Introductory Applied Machine Learning (IAML, 20 credits)

内容比 MLPR 简单一点,更注重实践一点。如果不想学太理论的 ML,或者没什么基础的同学,推荐第一学期选 IAML 来替代 MLPR。学习的形式是自己看录制好的视频,上课时间是用来答疑的。

Accelerated Natural Language Processing (ANLP, 20 credits)

如果想学 NLP 的话,第一学期必选。

Natural Language Understanding, Generation, and Machine Translation (NLU, 20 credits)

这个听说挺难的,NLP 第二学期的硬课。

Probabilistic Modelling and Reasoning (PMR, 20 credits)

感觉是 ML 第二学期后续的课程,比较理论,数学要求不低。据同学说课程质量非常高,甚至好过 MLPR。

关于爱丁堡大学:


爱丁堡大学(The University of Edinburgh),简称爱大,是一所位于英国苏格兰首府爱丁堡的世界顶尖公立综合研究型大学,苏格兰最高学府,英国老牌顶尖学府,英国罗素大学集团、欧洲科英布拉集团、欧洲研究型大学联盟、全球大学高研院联盟成员。
爱大创建于1583年,是英语世界第6古老的高等学府。由于其悠久的历史、庞大的规模、卓越的教学质量与科研水平,爱丁堡大学在REF 2014 英国大学官方排名中高居全英第4位 ,仅次于牛津大学、伦敦大学学院和剑桥大学,是名副其实的英国顶尖大学,在全球享有极高的学术声誉;此外在2015年和2016年维基百科世界大学影响力排名中均位居全球第16位;同时位列2020QS世界大学排名第20位,2020泰晤士高等教育世界大学排名第30位,2020U.S. News世界大学排名第28位,2019软科世界大学学术排名第31位 。
本杰明·富兰克林曾盛赞:“爱丁堡大学拥有许多真正的伟人和从事各种知识研究的教授,这在以往的任何时代、任何国家都从未有过。”  爱丁堡大学校友和教职人员中有27名诺贝尔奖获得者,1名菲尔兹奖获得者,4名图灵奖获得者,4名英国首相。大卫·休谟、亚当·斯密、达尔文、麦克斯韦、贝叶斯、弗莱明、玻恩、希格斯、阿蒂亚、亚当·弗格森、詹姆斯·莫里斯、柯南·道尔、温斯顿·丘吉尔等诸多名家、伟人均曾在这里学习或工作

最后:爱丁堡大学人工智能专业课程设置分享:

Artificial Intelligence MSc人工智能硕士: 

Compulsory courses:

Informatics Research Review

Informatics Project Proposal

Dissertation

Example courses offered recently in artificial intelligence include:

Accelerated Natural Language Processing

Advanced Vision

Automatic Speech Recognition

Decision Making in Robots and Autonomous Agents

Machine Learning & Pattern Recognition

Natural Language Understanding, Generation, and Machine Translation

Probabilistic Modelling and Reasoning

Reinforcement Learning

Robotics: Science and Systems


人工智能专业研究领域

AI 的研究领域通常包括知识表示和推理 (knowledge representation and reasoning) 、机器学习 (learning) 、规划 (planning) 、决策 (decision-making) 、视觉 (vision) 、机器人 (robotics) 、语音和语言处理 (speech and language processing) ,

在这些主要的研究领域里,通常包括的研究课题如下:

机器学习:图形模型 (Graphical models) 、核方法 (Kernel methods) 、非参数贝叶斯方法 (Nonparametric Bayesian methods) 、强化学习 (Reinforcement learning) 、问题解决 (Problem solving) 、决策 (decisions) 和游戏程序 (games) 。

知识表示和推理:一阶概率逻辑 (First order probabilistic logics) 、符号代数 (Symbolic algebra) 。

搜索和信息检索:协同过滤 (Collaborative filtering) 、信息提取 (Information extraction) 、图像和视频搜索 (Image and video search) 、智能信息系统 (Intelligent information systems) 。

语音和语言:从语法上分析 (Parsing) 、机器翻译 (Machine translation) 、语音识别 (Speech Recognition) 、情境建模 (Context Modeling) 、对话系统 (Dialog Systems) 。

视觉:分组和图形 / 背景原则 (Grouping and Figure-Ground) 、目标识别 (Object Recognition) 、人类活动识别 (Human Activity Recognition) 、主动视觉 (Active Vision) 。

机器人:路径规划 (Motion Planning ) 、计算几何学 (Computational Geometry) 、计算机辅助外壳和医学分析、规划和监测 (Computer assisted surgical and medical analysis, planning, and monitoring) 、无人飞行器 (Unmanned Air Vehicles) 。

专家系统:具有专门知识和经验的计算机智能程序系统,后台采用的数据库相当于人脑,具有丰富的知识储备,采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题。

人工智能专业就业方向

AI 的就业方向主要有,科研机构 ( 机器人研究所等 ) ,软硬件开发人员,高校讲师等。当然了,鉴于一些高科技公司开辟出了新的研究领域,比如谷歌的无人驾驶汽车,在国内的话就业前景是比较好的,国内产业升级, IT 行业的转型工业和机器人和智能机器人以及可穿戴设备的研发将来都是强烈的热点正好都是 3-5 年后的时间,正好是同学们学成归来的时候 !

1) 搜索方向:百度、谷歌、微软、 yahoo 等 ( 包括智能搜索、语音搜索、图片搜索、视频搜索等都是未来的方向 ) 。

2) 医学图像处理:医疗设备、医疗器械很多都会涉及到图像处理和成像,大型的公司有西门子、 GE 、飞利浦等。

3) 计算机视觉和模式识别方向:指纹识别、人脸识别、虹膜识别等。还有一个大的方向是车牌识别。目前鉴于视频监控是一个热点问题,做跟踪和识别也不错。

4) 还有一些图像处理方面的人才需求的公司如威盛、松下、索尼、三星等。

2020年爱丁堡人工智能专业录取案例:

背景:211,87分,电子电气自动化专业,无雅思申请。


有关申请AI/DATA SCIENCE/COMPUTER SCIENCE等计算机专业的同学们,欢迎咨询广州金吉列英港一部mema老师!


如果此文章对您有所帮助,是对我们最大的鼓励。对此文章以及任何留学相关问题有什么疑问可以点击右侧咨询栏询问专业的留学顾问,愿金吉列留学成为您首选咨询服务机构。
还没看够?点我点我!专业顾问等你来“撩”~
去主页浏览TA的更多精彩内容
何敏 咨询顾问
邮箱:hemin@jjl.cn
电话:17710534709
广州分公司:广州市天河区体育西路191号中石化大厦b座33楼3310—3321
收藏 点赞 立即咨询

相关推荐

还可以输入500
  • 粉丝103
  • 文章527

何敏

金吉列广州分公司

咨询顾问

金吉列留学广州分公司英港爱一部咨询顾问何敏老师,精通英国/香港/澳门/爱尔兰留学申请,深谙这些国家和地域的教育制度和教学特点,擅长定制最适合学生的学...展开全部

立即咨询 关注
微信扫一扫,免费咨询

猜你喜欢