UCLA MEng
项目体验分享
UCLA 的位置很好,气候宜人,生活便利,排名也不错。学校在洛杉矶西边的 Westwood,离 LAX 机场不远,周边有圣莫妮卡海滩、好莱坞、比佛利山庄这些景点。生活方面,学校周边餐厅、超市很多,最近还开了大华超市,虽然我还没去过,但听朋友说不错。住宿的话,可以申请研究生宿舍 Weyburn Terrace,价格在 1200-1500 美元左右,吃饭、超市都很方便。如果校内宿舍没抽到,Westwood、Sawtelle、Century City、Culver City 这些地方也可以租房,离学校不远,通勤也算方便。
项目本身是 Master of Engineering(MEng),属于 Samueli 工学院,目的是对标 UC Berkeley 的 MEng。整体是一个一年制的项目,有三个 quarters + 一个 summer session,但可以延期一个 quarter 到 12 月毕业,这样有时间做暑期实习,也能等转正。如果毕业前就找到全职工作,也可以一年毕业,早点去赚钱。
2023 Fall 录取了大概 150 人,主要集中在 Data Science 和 AI 两个方向。学生大部分是中国人,陆本、海本都有不少。
但是从24 fall开始,能否延期已经是个薛定谔的结论,项目负责人也不负责,经常不回邮件, 24fall入学时候都不知道该项目是否可以延期,能否拿到cpt,想来需要做好心理准备
录取bar 和dp
gpa3.7+加上gre325+
- 211 软工本科,gpa 3.98
- 交大cs本科 gpa88, toefl 105
- 交大自动化本科,gpa 3.55, toefl 106
- 南开cs本科,gpa86,toefl 104
- uci cs本科gpa3.96
- 宁波诺丁汉cs本科gpa3.85
课程设置
- 选课相对自由(选不上的找教授要pte)2. workload可自我调节留足时间找工刷题
项目需要修 8 门课,包括 2 门 core 技术课,3 门 elective 技术课,3 门 professional development 课,以及一个 capstone project。选课只能从给定列表里选,选课限制还是挺多的,很多感兴趣的课都不能选(当然可以自费额外选,但不会算在毕业要求里)。对于 Data Science 和 AI 这两个主流 track,课程主要是各种 data science 和 machine learning 相关的内容,有些甚至比较理论,没有什么系统课或者编程课。如果你是想转 SDE,可能不太推荐这个项目,毕竟没什么机会补 CS 方面的基础课。
职业发展课就是一些偏软技能的课程,比如沟通、项目管理、金融之类的,也有数据分析和决策方向的课程。虽然这些课对找工没什么直接帮助,但可以提升表达能力,而且据说很多课给分宽松,算是可以水过去的课程。
项目没有 thesis 要求,但需要在暑期做一个 capstone project,一般是和企业合作,企业提供选题,可以远程完成,边实习边做就行,最后答辩一下就好。不过合作企业以本土企业为主,互联网大厂比较少,所以想通过 capstone 建立大厂 connections 可能不太现实。
找工dp
求职方面,学校的 career fair 质量一般,来的企业基本没听说过,项目的 career counselor 会定期发 JD,但质量不太行,还不如自己刷 LinkedIn 或 Glassdoor。所以总体来说,找工还是得靠自己,项目提供的帮助不多。
CPT/OPT 方面支持得还可以,项目属于 STEM,CPT 申请需要修满一个 academic year(Fall、Winter、Spring)。
- ucsd math本科,无实习,上岸amazon intern并且return
- ucla ee本科,有小厂实习和开源经历,上岸小厂ng
- 台大清华ee本科有九个月RA经历,gpa3.82 找到外包
- 浙大本科,有杭州小厂实习,上岸nvidia实习,最后去了tt ng
- 宁波诺丁汉cs本科,有宁波小厂实习,上岸小厂ds intern
- 浙大cs本科,有多段qr 实习和sde 实习,上岸google ng
- 台大本科多段worldqunat intern,上岸湾区全职researcher
- 台科技 ece本科gpa3.81/4.3,两年全职,上岸加州小厂intern
适合人群
如果你已经有工作经验,来读 MEng 主要是为了拿学位或者工作签证,不太在意课程内容,那这个项目还算合适。洛杉矶气候好,生活压力不大,课程 workload 也不算重,可以一边学习一边找工作,整体体验还不错。但如果你希望通过项目的课程和资源来提升自己,或者借助项目的求职支持进入大厂,那可能就需要再考虑一下了,毕竟项目本身的资源比较有限。