专业简介

　　华盛顿大学的EE(电子工程)专业于2018年更名为ECE(电子计算机工程)，相应地也增设了不少计算机相关课程。UW的ECE专业在美国的专业排名在19名，其学院楼与CS相邻，选课相对自由。

　　身边不少同学，从就读ECE硕士开始到毕业，几乎上的都是CS相关课程。

　　华盛顿大学EE专业的硕士学位下有两个项目，MSEE和PMP，毕业要求分别为42个credits和45个credits，皆没有论文要求。由于华盛顿大学是公立学校，每年的学费在3w刀左右，比起私立学校的5w刀相对便宜。

　　当然，对于一心想做科研的同学，可以在入学后给感兴趣研究方向的professor发邮件，征得同意后可以加入实验室。据我所知，实验室的门槛并不高。

　　MSEE的课程偏理论，PMP(professional master program)项目的课程偏实践，且有一定的选课限制，有些课程需要在晚上上，但是录取标准也会相应地低一些。

　　关于选课

　　括号内的编号可能每个学期都会有变动，以课程内容为主。

　　专业内(ECE)

　　Statistic Learning (EE 511, 4 credits):

　　老师是和蔼可亲，主要是做NLP(自然语言处理)的。

　　上课主要讲机器学习模型，有期中考试和final project。作业项目每周一次，除了理论计算，就是每周给你一个数据集去处理。

　　项目偏实践，包括推文(tweet)处理，星际图片处理等，与实际Machine learning engineer 的工作较为相近。

　　Machine Learning (EE 596， 4 credits):

　　老师来自MIT，认真得有点 “变态” ，学校通知停课也照常上课，可以学到机器学习模型的底层原理。

　　作业很花时间，有时候一周40个小时也不为过。本人因为写过random forest和GBDT的底层算法而自豪，但至今都没有机会用上这些东西。后来这个老师开的deep learning，我没敢选。

　　Independent study (EE 598， 1-4 credits)：

　　这是科研课，找到一个教授，可以是学院内，也可以是别的学院，征求教授同意就可以加入实验室。一般是给PhD打下手，参加实验室周会，特别优秀的同学也可以自己做科研发paper。

　　Machine Vision (EE 596， 3-4 credits):

　　老师是CS学院的老教授，上课是机器学习算法。

　　作业比较坑，用QT和C++处理图像，习惯了还好，可以学到不少图像处理的算法代码。

　　期末是final project，主题自定。

　　Capstone project (EE 598， 8 credits):

　　学校和西雅图的公司合作的项目，每年参加的公司都不一样，大到亚马逊微软，小到几个人的创业公司。

　　开课之前可以参加晚会(免费的晚餐)，听每个公司代表人介绍他们的项目(记得注意听项目内容和公司介绍，别只顾着吃)。

　　项目分两个quarter，也即半年，3人合作完成。对有些人而言，是找工作的好机会。同专业的有两个同学因为和公司合作项目，最后公司提供了实习和全职的offer。公司的选择是双向的，我们可以选公司，然后学校把我们的个人简历发给我们所选的几个公司，公司再进行反选，故而简历也十分重要。

　　当然，如果分到的公司不满意，也可以做做项目，然后为简历添一笔，跟一次实习差不多。

　　项目的最后，需要做poster展示项目成果，学校会请很多公司过来参观，也是一次锻炼的机会。

　　Capstone final presentation

　　Auto driving (EE P 545， 4 credits):

　　自动驾驶，这门课很花时间。上课讲控制算法，然后给你一辆小车，据说小车挺贵的，经常需要泡实验室调车或者写code。

　　Internship (EE 601 1-2 credits):

　　暑期实习需要选这门课，part-time一个学分，full-time两个学分。当然，倘若学分修满却还没找到理想的工作，可以延期一个quarter毕业做做实习，只选EE 601的学期学费几乎没有。

　　Android development(EE 590，4 credits)：

　　老师有口音，估计是法国口音，上课不怎么听得懂。但作业还行，不难，且有趣。Final project可以和小伙伴开发一款软件，算比较水的一门课。

　　Seminar (EE 500， 1-2 credits):

　　每周去学院楼听讲座，lecturer是美国各个高校的教授，讲他们自己的研究成果。MSEE的同学需要签到，PMP的同学写小paper。

　　专业外(CS)

　　Data structure and algorithm (CS 373) ：

　　这门课强烈推荐。其实，本人在本科阶段上过数据结构，但同项目一个找到Facebook SDE工作的姐姐强烈推荐了这门课，所以本着复习复习的心态，我也选了。

　　让人惊喜的是，国内外对于计算机基础课的教学有较大差异。相同的是，都上课，都有考试，这点国内外通用。

　　但这门课的作业，每周一次的项目甚是有趣，从一开始的自己写链表，哈希表底层代码，再到最后用自己写的模块去搭建网页搜索引擎，迷宫游戏。

　　个人觉得是一门作业需要花很多时间的课，但学到的东西，对软件工程师的求职面试很有帮助。

　　Introduction to database (CSE 414) ：

　　适合非计算机专业的同学补补基础，本人没有上，但不少EE的同学推荐。

　　就业方向

　　一开始，EE/ECE专业的伙伴们，就业方向有很多种:

　　Software developer, Machine learning engineer, data scientist, robotic engineer, hardware engineer ······

　　我自己也换了不少方向。

　　后来，大部分人转码了，原因很简单，SDE(software developer engineer)的就业机会是最多的，工资待遇也相对高些。

　　自从中美关系紧张，越来越多的硬件工程师明确说明不找中国人，而机器学习或者数据处理的岗位，也有同学找到这类工作，但工资待遇却不如SDE(一般公司SDE年薪都是10w刀起，还有各种股票福利)。其实我也不太明白，似乎大公司的机器学习或者数据科学家的岗位，偏向于招PhD，所以MS在这方面确实SDE的出路一开始好一些。

　　很多大公司，如FLAG(Facebook, LinkedIn (or Microsoft)，Amazon，Google)，对于码农的需求是特别大的。

　　这么说吧，我知道的许多公司或者具体的team里，做软件开发和做data scientist的比例是9：1，故而需求更大。

　　当然，倘若你对于Machine Learning是真爱，而且这个领域回国更好，也可以忽略现有待遇，往这方面努力，适合自己的才是对的。

　　而关于硬件工程师，也有UW EE的师兄是做这个的，但我了解不深，也没应聘过这类岗位，这里不做论述。

  编辑：翁晓兰