UTAustinECE&CS情況超詳細介紹

作者：aaronhan223發表於一畝三分地院系介紹版

時值新一年決定去向之際，特地分享一下LZ在UT兩年經歷後對學校的認知，因為地裡很多關於UT的軟硬體找工貼，於是LZ結合自身經驗寫一個面向想讀PhD的同學的院系總結，特別是ML related的方向。LZ錄取到UT是17Fall ECE MS，這學期正式轉入PhD program，導師一個在CS一個在ECE（主要導師在CS，ECE老師co-advise），研究方向是machine learning演算法（ICML，NIPS，ICLR，etc.）。

UT做ML的老師主要集中在ECE和CS兩個系，由於LZ的program是ECE（雖然現在感覺自己90%是一個CS學生），所以先詳細介紹一下ECE的情況。LZ所在的ECE DICE（decision, information, and communication engineering）track是department下最大的track（應該？），雖然從名字看出這是一個通訊related track，不過這個方向的許多大佬（optimization，control，signal processing，information theory等等）近年轉來做ML成果豐碩，當然，也不缺很早就開始做data mining / ML的教授，這使得UT ECE成為ML professor的大本營之一，也吸引了很多CS的PhD學生來找advisor。WNCG是DICE track afflicted的一個研究機構，是ECE最大的實驗組之一，也是phd學生主要的funding來源，近幾年加大了在ML/AI方面研究的投入，包括recruit related faculty，加大industry合作以及成立UT-MINDS（傳送門：http://data.ece.utexas.edu/）。DICE track的學生錄取質量一流，在ECE各個track中的bar是比較高的（應該？因為據我瞭解，身邊的同學都是各個國家的top university），因此錄取的學生大部分都會讀PhD。仰仗WNCG的聲譽，很多學生PhD畢業後的去向都不錯，做ML的包括Facebook AI research，Google research，amazon AI etc，以及轉去做quant，two sigma，citadel之類。找faculty的人也有找的很不錯的（一般先讀post-doc），有同級學校如UIUC，Cornell，Columbia等，也有回國內top 4或香港top 3做AP，國內top學校也經常會來宣講招人。總體來說，DICE可以給學生提供一個比較高的平臺，提供很多機會的可能性（最主要還是靠自己爭取）。由於近兩年ML/AI方向申請難度越來越大，對於擔心申請不到top 10 CS PhD program的同學，可以考慮把UT ECE DICE作為保險專案之一（DICE整體申請難度比UTCS略低，個別老師可能除外，UT ECE rank 7～9，CS rank 8～10上下）。

在課程設定方面，DICE cover了所有ML researcher需要的基礎和advanced課程，並且每年都有special topic。上課的老師都很負責任，load大部分很重，甚至成為系裡的招牌課，比如probability and stochastic process, convex optimization, data mining etc，advanced課會開一些unsupervised learning, GAN, fairness & interpretability ML, large scale optimization, learning & inference這類可能比較趕時下潮流的課，再搭配CS系的其他related課程比如reinforcement learning，NLP，deep learning seminar等，一定能把你培養成基礎紮實，視野廣闊的ML researcher～

再說CS系，對於ML演算法這個研究方向來說，和ECE比，CS在faculty數量和publication上反而有些相形見絀（當然是基於我自己的觀察，若不準確求輕噴），原因除了ECE這兩年在使勁發力外，還有幾個CS大教授都on leave去了工業界，學生也該實習實習該推走推走，不過這並不能影響CS錄取的high bar。總體來說，CS在各個方向研究都沒有死角。在ML方面，從learning theory到methodology再到CV / NLP都有很好的教授，包括有聲望的大牛和中流砥柱的AP，學生去向跟ECE比也是隻好不壞。不過，CS，ECE學生互相找對方學院的導師，教授交叉合作的情況很多（比如LZ）。最近4月份是faculty招聘的收尾時間，幾乎每週CS系裡都會至少發一次faculty candidate talk announcement，ML/CV/NLP方向居多，預計以後CS系在這方面規模還會擴大很多，對於potential applicant來講是好事情。

最後再隨意討論下對研究方向的看法，由於仍然是PhD萌新如果觀點片面還請專家們批評指正。LZ根據最近申請的熱度大致判斷CV > NLP > ML，原因除了CV / NLP落地場景多（尤其是CV），還有做純ML演算法所需要的數學功底讓不少人止步。對比ML，前兩者更加接近application從而更容易被人接受，但多瞭解演算法機理對CV / NLP的研究也有很多幫助。有很多做ML的PhD在第四甚至第五年轉去做CV / NLP可以得心應手，而且在industry職位方面，CV related職位申請人數一般比ML要多很多倍，並且瞭解了演算法核心可以更容易接近公司核心業務。扯了這麼多，主要觀點是phd早期多做點演算法可能對以後各方面發展幫助很大，也希望小夥伴們多試一下ML方向的PhD，如果我上面的內容能有幫助就最好不過了。

最後祝所有人都能拿到dream school的offer，若覺得我的資訊有用請加米，感謝！（附件有UT ECE 19Fall以及之後兩年的研究生課程表，希望也可以幫到其他track的小夥伴）

補充內容 (2019-4-13 02:14):關於UT ECE和CS由MS轉PhD的流程，我在[一畝三分地原帖]下面的回覆裡面做了詳細說明，可以參考一下

左下角閱讀原文，去地裡跟作者和大家的交流

谷歌工程師講系統設計