你以前是在哪个国家读的本科？在美国感觉学习负担压力大吗？感觉读本科和读研究生，有哪些不同？:陆本，这边如果想拿个好成绩还是有压力的。本科的时候有时间和机会尝试各种各样的可能，上研的话还是得尽早确定自己的方向，把有限的时间和精力花在这上面。

一周需要学习多久才能跟上？你觉得拿A拿B难吗？:时间看具体的课程。不过只要认真花时间学了，还是可以拿到不错的成绩。需要注意的是，项目要求总GPA大于3.0（连续两个学期小于3.0会被退学），核心课的GPA大于3.5。

平常除了上课之外，跟教授们联系多吗？是否有机会跟着做些研究？:不多，有问题可以给教授发邮件。一些实验室也会招RA，如果想做研究的话多关注这些机会。此外，master里可以选择thesis 6学分的课程，两个学期跟着教授搞研究。

平常除了多跟同胞交流，是否经常跟外国同学party? 一般一起玩什么呢？有什么值得注意的地方可以提醒新人注意的吗？:不善social，外加疫情，基本都宅家了。如果喜欢social的同学，nyc真的是个适合你的地方。

你获取求职信息的主要途径是什么？学校里的career service/job fair多吗？你觉得有用吗？:Career fair，Job Handshake，公司官网。春秋都有career fair，现在转线上了，来的tech公司少数会收简历，大多是仅回答问题，让你自己去官网投。

美国的学习和生活有什么方面是你特别喜欢的？:自由度，包容性，以及一些质量很高的课程。

美国的学习和生活有什么方面是你最不喜欢的？:没有好吃的食堂（中国胃太忧伤了），脏乱差的地铁，和晚上不太敢出门的治安。

你来美之前英语水平如何？（比如托福考了多少），你觉得跟美国同学和老师学习和生活上交流有障碍吗？经过一段时间，是否有提高？主要通过什么途径提高？:听力渣刚来的一个月听课略痛苦，尤其带口音的，习惯以后就好了，如果能做到提前过一遍上课内容就会好很多。交流上其实还是需要多说，尤其在身边都是国人主要是普通话交流的时候，跟国外的同学和老师多说说英语对自己的口语还是有很大帮助的。

之前的一些选课帖也有段时间了，想起入学前选课的各种疑问，没找到学长学姐咨询只能依靠网络有限的资源，不免惶惑。所以写一份个人的上课感受，给大家多一份参考。主要是列了自己上过的课，从课程内容，workload，给分等方面给出的个人体验。由于不同老师对于同一门课的讲课内容和形式也不同，所以需要注意同一个课号下是哪一个老师。

Real Time Embedded Systems (ECE-GY 6483 - Matthew Campisi)难度：4/5workload：3.5/5从嵌入式系统基础概念开始，介绍了Arm、C/汇编、通信协议、中断/时钟、实时操作系统等内容，是一门嵌入式系统的入门课。homework + quiz + project，workload适中。5次作业，类似往年题目，较基础，可以通过作业题来反向研究知识点。2次quiz，take home，给了大概2-3天的时间完成，quiz相对难一些，要求对基础知识有深入的理解和运用。Project是个人项目，我上的这个学期是要求用板子和一个加速度计来实现记录一个运动轨迹，并用相同的运动轨迹解锁，不限制programming environment。整体上看，project需要花一些时间，老师给分很好（有句话说是Matthew曲线），被众多人推荐过。对于转码帮助不大。

Introduction to Java (CS-GY 9053 - Constantine (Dean) Christakos)难度：3.5/5workload：4/5讲的是比较基础的Java知识和应用，对于没有学过面向对象或者Java知识的人是一个很好的入门课，转码帮助大。如果有Java基础，就不建议选了，或者直接想把它当作一个水课上。homeword + midterm + final，workload适中。基本每周会有coding作业，是对当周知识点的巩固。期中概念性的problem问答+project，take home。期末project，take home大概一周时间。期末的project需要花不少时间。

Internet Architecture & Protocols (ECE-GY 5373/6353 - Zhengxue Zhao)难度：3.5/5workload：4/5计算机网络的内容，是众多较硬核心课中可选的软课了，转码的推荐课。但知识点较零碎，学起来还是需要总结和花时间，对国内找工的八股网络部分还是有用的。quiz + lab + midterm + final，workload适中。每周一个quiz考上周的内容，跟往年差不多。作业老师会直接给出题目和答案不要求上交，用来加深对知识点的理解和考前的复习。有额外的lab加实验报告需要花费不少时间，转线上后lab也有专门的视频辅导你做。期中期末开卷，给分的话按照老师的说法他一般会给前40%的A/A-。

Data Structure and Algorithm Session (ECE-GY 9343 - Yong Liu)难度：4/5workload：4/5强烈推荐！这大概是ECE的转码必备课了。从数据结构的基础开始，到各类算法的介绍和应用，涵盖了大部分我们刷题需要掌握的内容。以前看过一些以找工为导向的算法网课，大部分以解决问题为目标，所以很多时候自己只是知道如何解某种题。这门课以《算法导论》为基础，老师从底层和数学理论的角度进行了详细的解释，真正夯实了你的基础，也解决了自己诸多疑问。可以让你做到知其然，知其所以然。老师上课用pad书写一步步推导，逻辑清晰，容易跟上思路。homework + midterm + final，workload适中。两周一次作业，多基于算法导论的课后题，写的是伪代码，所以不用在意自己用的是什么语言刷题。期中、期末考试闭卷（可带一张A4纸），卷面成绩大家可能不太高，但总评是按照你在这个班级的排名给出，给分还行。

Machine Learning (ECE-GY 6143 - Sundeep Rangan)难度：4/5workload：5/5内容涵盖机器学习的基础、Regression、SVM、CNN、PCA、Clustering、EM等内容。在理论之外，个人认为这门课更偏向于应用，对新手十分友好。对于每一个Topic，老师会提前录好讲解视频，每周课前你先学习并记录自己问题，上课更像一个discussion，大家提出自己的疑问，老师解答。homwork/labs + midterm + final (+ optimal project)，workload较大。每周都有作业，理论problem+lab，都是老师自己设计的，代码部分使用python。认真完成作业收获会非常大，至少对于machine learning的一些基本方法和应用会有更深入的认识。有些作业确实做的很痛苦，建议有疑问的地方多跟同学交流或者直接去老师每周的office hour。期中、期末考试开卷，题目风格类似于平时作业的problem部分，难度稍低一些。期末有一个可选的project，自拟题目，小组最多4人，老师给了一个总评成绩的计算公式，在其他成绩不够好的情况下，这个项目成绩的加分影响更大，如果其他成绩很高，可选项目成绩的加分影响有限。个人建议可以组个队在Kaggle上找competition来做，撇开对于成绩的影响，至少可以让自己如何应用这门技术来解决实际问题有一个直观的感受，对于我这种小白受益匪浅。

Principles of Database Systems (CS-GY 6083 - Amit Patel)难度：3.5/5workload：4/5数据库的入门课，讲的内容比较基础，没有经验的可以选，有相关经验的则不建议。老师比较在意细节，在教学方式上给我的感受是更像对待中学生的授课，另外就是印度老师的口音实在有点重，最后变成了自学课。homework + midterm + final + project，workload适中。4次作业，期中、期末开卷，画ER图非常花时间，如果考试遇到得加速。Project是老师给定题目，小组俩人完成，包括两大部分，database的设计和前后端的开发，最后有一个presentation。如果想好好做project的话需要花费一定时间，是一个适合写在简历上的项目。没有web开发经验的，老师和TA也会给一些推荐资料。

Applied Matrix Theory (ECE-GY 5253 - Zhongping Jiang)难度：2.5/5workload：2.5/5主要是线性代数的相关内容，课号5开头的课，相对来说比较简单。老师人很好，是个学术大牛，带了Can Lab实验室。课程偏数学向，对转码的帮助不大。homework + midterm + final，workload较小。10次作业，类似往年题目，midterm和final考试take home开卷，24h做完上交，最后的给分也很不错。作为load较小的课，这门课基本供不应求，如果决定要选的话，争取在自己选课权限开放的第一时间选上。

Probability and Stochastic Processes (ECE-GY 6303 - Xiaokang Chen)难度：3/5workload：3/5上半学期概率论，下半学期随机过程。老师的语速较慢，甚至可以zoom两倍速听。感觉是比较中式的教学风格，如果仅想完成这门课，搞懂老师的slides、作业和样卷即可，不过我考完试基本就忘了。课程本身对往机器学习方向发展有帮助，也是Advanced machine learning的先修课。homework + midterm + final，workload较小。每周一次作业，类似往年题目，每次作业老师会选出两题让你录视频上传讲解自己的解题过程。期中、期末开卷，大题题风格类似于作业和老师给的样卷，选择题是知识点的细节，只要认真听课和完成作业，基本能考的不错。

Deep Learning (ECE-GY 9123/7123 - Chinmay Hegde)难度：5/5workload：5/5课程基于《动手学深度学习》Dive Into Deep Learning，涵盖了deep learning的不同应用，干货满满，难度也不小。印度老师有些口音，上课时需要集中精力听。这门课的体验好的一个点在于课程的内容，另一个点在于沟通的高效。用ed stem/piazza作为讨论区，大家post问题，老师回复很及时。在Gradescope提交和批改作业的平台，每题的扣分点都很明确，自己哪里没做好十分清楚。homework + project，workload较大。6次homework，理论problem+lab实验。对于理论部分不仅得弄懂课上的内容，还得根据相关知识点自己找些材料去加深理解。个人认为如果有同学多交流学习的话会轻松一些，一个人学的话就尽量多问老师或者TA问题吧。实验部分用python，在colab上完成，用到PyTorch和TensorFlow。Project俩人一组，自拟题目，老师定了几个时间点来把控大家的项目进度。

通常来说，课号的开头数字5、6、7难度依次递增。5开头的课相对简单，毕业要求里会限制5开头的和系外课不超过4门。在选课之前，尤其第一次选课，强烈建议和advisor好好聊聊，他会根据你自身的情况给你推荐一些合适的课。advisor人很好，当时在国内甚至给加了微信方便语音沟通。每门课的syllabus也能在学校的主页找到，你可以提前参考里边的授课内容、考核方式看是否符合自己期待。遇到获取不到信息的课程或者老师，可以参考Rate my professor网站，也可以在nyu albert的evaluation published results上看到往年的学生对这门课的评价。

最后一学期申请了TA，一个感受是相对于其他国家的同学来说，国人同学似乎不太喜欢来office hour问问题。我之前上课的时候也这样，有觉得不好意思，也有觉得自己琢磨琢磨就好。然而很多时候自己花了一两个小时研究明白一个问题，也许和老师或者TA讨论会更高效地获得正确的方向。有同学曾给我表达过因为口语不好，不自信自己能解释清楚问题，所以更愿意发邮件问。我个人建议当面沟通效率更高，而多说才有机会提高口语呀，这个能力对今后的工作生活其实是很重要的，至少对面试中的沟通是有益的。也有同学会担心问很多问题而不好意思。TA也是领工资的么，所以TA必须回答你跟课程相关问题的。而实际体验上来看，这学期有个同学每周三次office hour基本都会出现，而他的每个问题都是在自己认真思考总结后提出的，站在我的角度，会更加乐意地和对方讨论这样的提问。所以也不用不好意思，认真研究后，多到office hour问老师和TA问题。另外，如果有志同道合的同学一起上课自习做project刷题，我觉得效率会比孤军奋战高很多。

断断续续写了几天，终于搞定，我可太拖延了TAT。因为都是个人感受和建议，如小马过河般，本身也有bias，大家根据自身的具体情况以及其他的信息综合判断即可。

两年的课程下来，其实感觉还是有点累，尤其是转码选手，兼顾刷题和课程确实是有点难。现在想来，自己刷题不足的情况下，在本该好好找实习的秋季学期基本都把时间花在load大的课程上了，对于以找工为导向的目标来说，的确不是一个好方式。而作为普通人，当课业和找工冲突的时候，不得不只能选择一个当下更符合自己规划的路。选择是一个需要仔细思考的问题，很多时候，如果不知道自己当下更想要什么，就看自己更能接受放弃什么了。就像开头有个问题是美国学习生活最喜欢的和最不喜欢的，一个选择之下，总有得失。而当下的我们能做的，大概是接受自己不喜欢的，充分享受自己喜欢的，而去探索更多，可能才是在这边学习和生活的意义所在。

碎碎念一堆，感谢看到这里！最后，祝看帖的各位都能够选到适合自己的课，并且在这自由的两年时光里，找到自己的方向。