前言
本來就打算在拿到實習 offer 後，來發個就讀心得，無奈中間又遇到各種期中考、專案死線、重架個人網站、確認 CPT 與 Onboard 等雜事，終於好不容易塵埃落定了，就趁著這個 Spring Break 來打一下就讀心得，再拖下去感覺到了畢業也寫不出來😅。正好最近又是新的一個放榜季，也希望此篇能夠幫 UC Riverside MSCS 增加一點曝光度，讓更多台灣人想來這裡唸書，有要來 UCR 唸書的學弟妹歡迎來認親 😉
目錄
學校項目簡介
UCR MSCS 全名是 Master of Science in Computer Science，是非常正統的資工項目，這邊的正統指的是很「理論」，跟一般轉專業的項目不同，會有滿多數學內容的（真要說資工系就等於是半個數學系….），如果是轉專業的來就讀（如同我）可以有些心理準備。研究所幾乎所有課程都是 4 學分，一個學期規定要修滿 12 學分以維持簽證有效，最多可以讓你選到 15 學分。
必修共有六門核心課程，根據自己的專業領域 track 最多只要修兩堂就好，而以下是四堂比較熱門多人會選的：CS218-Design and Analysis of Algorithm(演算法設計與分析)、CS202-Advanced Operating Systems(作業系統)、CS203-Advanced Computer Architecture(計算機結構)、CS201-Compiler Construction(編譯器)。畢業學分48學分，所以最快就是 4 個 quarter * 12學分 畢業，最多可以讓你延展至 6 個 quarter，整體上來說是非常彈性的。
要特別注意學校是 quarter 制，跟台灣一般大學的 semester 制很不一樣，一個 quarter 只有 10 週，有別於 semester 制第一堂課老師通常會拿來講解課程規定、評分方式、水時間完就放人，這邊第一堂課老師簡單講解完上課模式及評分方式，馬上就開始授課講課程內容、上好上滿。然後通常第二週就會開始有作業、直到第四週或第五週就開始期中考、考完也是接著有作業到第九週，差不多就是準備交期末報告，最後第十週課程結束後的隔週期末考，非常緊湊！所以剛來可能要適應一下。
畢業方式有三種選擇：1. Comprehensive Exam, 2. Project, 3. Thesis。Exam 就是類似像資格考，在修滿學分後考過才能畢業；Project 就是類似找老師做專題，如果想要增加履歷上的經驗是個不錯的選擇；Thesis 就如同字面上寫論文，若要往 PhD 唸的話比較適合。預設是 Exam 畢業，若要選擇其他兩種方式畢業，必須在 Winter quarter結束 至 Spring quarter開始 前找好老闆，簽名提交表單給系辦。對於國際學生其實時間也滿緊湊的，等於第一個 quarter 結束，在第二個 quarter 的時候就要開始物色老闆，而你只有第一個 quarter 修過的老師可以詢問，所以如果想要找老師合作，第一個 Q 的課程要好好選！
繼續閱讀｜返回目錄🔙
課程介紹
這部分以我修過的來詳細介紹，由於才剛結束第二個 Quarter，也只能提供部分的課程參考（未來持續更新…）：
CS211-High Performance Computing; Professor: Zizhong Chen
老師大陸人，是在高性能計算領域的大神，上課有非常重的大陸口音🤣。主要內容是如何透過代碼優化記憶體的應用、增加register使用、blocking 減少 cache miss 等等技術，讓同樣的需求邏輯卻能夠執行速度飛快。主要的應用會展現在矩陣運算及解線性方程組。老師課堂上提到一點我覺得不錯：「現今這些熱門的機器學習與人工智慧，背後就是大量的矩陣運算，所以你在高效能運算實作得不錯、加速矩陣運算，就代表你能贏別人一步。」最後會帶到平行化算法，會用一個著名的 Sieving Prime 算法講解。
因為作業跟考試都是 C++，而且牽涉到 register 與 cache 的調用，所以語言基本綁定 C++。考試「幾乎」都從作業出，只是把數字改一下而已，算是掌握度滿高的一堂課，而且又能實際學到東西，本身滿推薦這堂課的。以前傻傻寫 Python 都不會去注意 memory, cache, register 這些玩意，上完課才知道 CPU 要運算時，要運算的資料放在不同層級的 register, cache, memory 會顯著影響執行速度，有時調個幾行代碼、最後運行速度快了90% 感覺還滿奇妙的；當然有的時候多加了幾十行代碼，就只為了讓運行速度快個10%，我想這就是做高性能計算的浪漫吧 🤯 。老師人也很 nice，體恤大家作業可能寫不完、常常會一直延期（老師自己說如果有超過兩人寄信跟他說寫不完，他就會集體延期），評分方式純作業考試+偶爾點名。程式作業老師會開一台性能還不錯的 server 供大家測試，成效也是用該台機器上的運行時間當標準，然後把作業提交到一個不公開的 github 上。
CS226-Big Data Management; Professor: Ahmed Eldawy
老師是位中東人，口音也有點重，但聽久了就滿習慣的。這堂課很熱門又只有開一個 quarter，所以能選就選。教室裡大概8成是印度人，課程內容包含：Hadoop File System, Map Reduce, Apache Spark, SparkSQL 等等跟大數據架構有關的技術。內容偏理論，先從分散式系統儲存架構講起，帶到 HDFS 解決的問題，以及實際儲存、運算的原理。個人感覺非常實用的一門課，本身是資料工程背景，也覺得未來是大數據架構的時代，所以這堂課是我一開始就想上的。雖然老師的投影片很多、上課進度也很緊湊，但大體來說學到滿多東西的，尤其在 Map Reduce 以及 Spark 分散式運算這塊，學到了許多基本的原理（之前工作都是直接使用，知其然不知其所以然），上完有種茅塞頓開的感覺。
唯一比較累人的是這堂課有小考、三次考試、期末專案（書面+上台），考試的形式跟作業題型也很類似算好準備，要花比較多心力的是期末專案。老師特別強調這堂課是使用「大數據」的架構處理數據問題，並不是「機器學習」課程。因為很多組的專案到最後方向整個都變成是在做機器學習專案（使用 PySpark 中的某個套件、當個套件仔做個prediction），所以老師特別重申這點：「不要做成機器學習專案，你專案要解決的問題要跟大數據架構有高度關聯性」。不過這點我認為也無可厚非，大數據的環境本來就難以架設，加上老師沒有提供任何開發環境，只有提供安裝在本機的 tutorial，但大家也知道的….在你的電腦上能運行不代表在我的電腦上能運行….所以其實不是那麼友善。我自己在期末跟老師建議，如果他能提供一個遠端的單節點 HDFS，或許可以讓大家開發更流暢，但估計這成本應該有點高，要不然早就做了😅 。整體來講是堂還不錯的課，推薦大家選。
CS235-Data Mining Techniques; Professor: Mariam Salloum
老師是位滿漂亮的拉丁（？）女生，英語口音很標準順耳。主要講授許多監督式學習、非監督式學習常見的機器學習技法，諸如 K-means, Logistics Regression, Neural Network,…等，可能是因為我以前學過，所以課程聽起來很無聊，大家的蹺課率也很高，上課會聽到想睡覺，自己上完是覺得有些浪費時間沒學到新東西，要是能重來我不會選這門課，不太推。
兩次考試+期末專案（書面+上台），考試內容其實滿細的，印象比較深有題給你好幾張散佈圖，要你判斷是哪種形態的 Regularization(L1, L2, Lasso…)還要附解釋，我翹太多堂課也沒啥念投影片直接GG😂。期末報告比較特別的是，除了要你建構一個預測模型外，老師還要求你要手刻（from scratch不知道是不是這樣翻）你模型的算法。例如：你是用 Logistic Regression 就要從頭自己寫算法、不能直接 import sklearn、用 K-means 也是要自己寫、Neural Network 也要自己寫…。感覺老師這個要求是不想讓大家成為套件仔，要讓大家真正體會算法的過程。但成效我覺得不怎麼樣，因為學期末大家都很忙，這也只是一堂選修課，到最後大家都還是從 github 抄抄改改、丟到 chatGPT 裡面潤飾一下，根本不可能自己寫🤣。給分比想像中嚴格，報告要嚴格遵守助教的格式與內如要求，要不然會被扣很多分。
CS218-Design and Analysis of Algorithms; Professor: Yan Gu
註：Professor Yan Gu 與 Professor Yihan Sun 兩位教授是夫妻，教材內容98%雷同，選誰的都一樣)
作為核心課之一，課程的 Loading 非常之重，請做好準備一週會花大部分時間在這門課上。課程內容主要包含：Divide&Conquer, Greedy, Dynamic Programming, Randomized Algorithms , Amortized Analysis, Graph，有一點要提醒：演算法設計與分析是門非常「數學理論」的課，如果你選了這門課，那這大半學期都要學著怎麼寫嚴謹的「數學證明」，跟想像中的刷題是完全不一樣的概念。例如：我們常常遇到預算限制下求解最優，就想先用 Greedy 看看，但其實順序是先對問題本身分析，透過 Greedy 的數學定義：1. Greedy Choice + 2. Optimal Substructure，這個問題能不能拆解成這兩個部分，如果證明出來能夠拆解，才能夠開始寫演算法。如果證明出來發現 Greedy 的定義架構不符合，就會想要用 Dynamic Programming(DP) 試試看，這時候 DP 又會有 state, recurrence, boundry 的定義，也是要逐步地透過數學定義建構出來，才代表能夠用 DP 解。作業與考試會很常遇到類似問題，給你個 Problem ，要你證明有沒有符合某種算法下的設定？有的話算法怎麼設計？設計出來的話複雜度怎麼分析？在這裡我很慶幸以前修過「Introduction to Analysis 分析導論 a.k.a 高等微積分」，讓我對這些數學證明不會感到陌生，如果你以前沒有接觸過數學證明的…那就多多保重了😞 。不過我想這些對本科CS的應該也不成問題，畢竟資工系也是半個數學系嘛（？
總共五次作業+兩次考試，作業部份包含了 Written 和 Programming，Written 的內容就如同前述多半是寫證明，Programming 就是類似 leetcode 的算法實現，老師使用的平台是 Codeforces（個人覺得不太好用，介面沒有leetcode那麼漂亮），需要提交你寫好的 code、通過 test cases 拿到分數，很多 test cases 會是 hidden 的，不像 leetcode 那樣會顯示哪些沒有通過，也變相了增加了一些難度。Programming 又有分 Training(基礎題) 跟 Challenging(挑戰題)，基礎題是必要完成的，挑戰題則是做越多當作 Bonus，可以幫你增加學期末的分數。難度上 Training 介於 leetcode 的 easy~medium；挑戰題則明顯是 ≥ hard，小小提示：大部分的挑戰題都是來自不同的算法競賽，所以耐心尋找有些是能夠找到解答的 😈。不過剩下的就得靠自己努力了，多多去折磨TA，有些TA人不錯很願意給你提示、甚至還會給你 hidden test cases。這門課配了總共 5 個 TA，我的做法是每個都去約一輪 office hour，然後根據上個 TA 給的提示問下個 TA：「我的思路是這樣這樣，能不能再給我一些提示？」，最後拼拼湊湊得出答案 💯
作業內容佔比很高、bonus 題也很多，所以認真寫作業其實有很大機會拿 A or A+，掌握度還算高。考試的話是真的難，眾所皆知時間壓力下，遇到問題要先理解後，才能開始寫算法設計，設計完還要用數學證明，證明完還要正確地分析複雜度，其實滿有挑戰性的。考試跟作業的 bonus 題老師都有獨有的加分機制：Candy(送糖果)，正確回答都能得到若干顆。學期末老師會統計拿到糖果的排名，前幾名除了有對應的期末分數加分、還可以拿到一些小獎品。像我拿到的是這顆詭異的魔術方塊：
程式語言的話沒有限定，Codeforces 上面很多種語言都接受，老師課程網上則是推薦你用 C++，我自己是 Python 跟 C++ 都用，最後感覺還是用 C++ 比較好，因為前面部分的挑戰題用 Python 寫還能通過（但效能差到不行），後面一些複雜的挑戰題，同樣的邏輯 Python 怎麼就是跑不過，即使把 recurrsion 次數調大一樣沒用，但用 C++ 完虐。所以到後來我寫 code 的流程大部分都是先用 Python 把邏輯刻出來、通過題目給的測試案例、丟到 chatGPT 裡面改成 C++、再手動精修剩下的語法細節、提交測試隱藏案例、反覆執行debug。
大家比較關心的是：修這門課對刷題有幫助嗎？
我個人認為若你想要的效果是：「透過這門課來督促你刷題」，那幫助不大。原因如同前面所述，你會花大半的時間在理解與寫出嚴謹的數學證明，儘管課堂上有程式題，但我自己是寫完證明跟解完所有程式題後，就沒有心力再去刷其他題目了（挑戰題很燒腦的🤯）。但我相信上完這堂課後，對往後刷題遇到的 pattern 會比較有概念（？ 畢竟大部分的 medium~hard 都是圍繞在這門課的主題範圍，這也是這堂必修為什麼這麼熱門的原因吧！
CS242-Information Retrieval and Search Engine; Professor: Vagelis Hristidis
老師希臘人，有非常重的口音，以前沒聽過希臘口音，剛開始要習慣一下。課程內容如同字面上，主要講解在文本資料上建立索引，建立完索引後搜尋引擎又是如何計算文本相關性、排序出 TOP-k 的結果，還有不同超連結頁面的 PageRank 算法，個人覺得滿實用的，學期末的專案要搭建一個簡易的搜尋引擎。
課堂小考+一次作業+一次考試+期末專案（書面+上台），小考是每次的課堂一結束，老師很佛心地開放開電腦考，所以大家都是用 chatGPT 來回答🤣，基本上都會滿分。考試內容跟小考與作業非常相像，老師一樣佛心地說可以開書、開電腦、平板考，但規定要關網路，只能看自己的筆記，秉持著相信大家的原則。在考試的時候助教也沒有特別下來檢查大家有沒有關網路，但我寫到中間有觀察一下大家有沒有做壞事，發現大家都是乖乖在看筆記、沒有人開 chatGPT 或是網路查資料，這種互信的氛圍我喜歡 😌
專案的方向其實一開始老師就設定好了，學期間也會請助教來講兩堂課，分別講解 Phase1 跟 Phase2 該完成什麼事情，按部就班完成問題是不大的。Phase 1 決定要爬蟲抓取的文本以及建立 Lucene indexing；Phase2 用 word embedding 建立 Bert FAISS indexing 後，建立一個前端 Web UI 的搜尋引擎，需求是輸入一個關鍵字，可以用之前建立的兩種 index 查詢相關的文本，同時比較兩者查詢的差異以及效能。整體下來學到滿多的，推這門課。
CS240-Network Routing; Professor: Michalis Faloutsos
老師也是希臘人，口音一樣重，給人感覺是一個很喜歡找人聊天打屁的老師。主要講述 Border Gateway Protocol(BGP) 這項網路協定的相關技術，老師「非常」希望大家與他互動，如果他問的問題沒有人反應，甚至會叫用筆電的人把電腦關掉、專心在這堂課、Participate!!!😡 （給我一種很想要別人跟他講話的獨居老人感）。可能因為我對網路協定比較不瞭解，基本上課程內容我聽不太懂在講述什麼，只大概知道這些協定可以怎麼樣優化訊息傳遞，但細節我現在完全想不起來學到了什麼☹️，當初選這門課是因為這是出了名的水課，然後也期待能惡補一些網路相關的知識，如果能重來我不會選，不太推。
評分方式是純專案（書面+上台）跟 Participation，雖然不點名，但老師會記人，回答問題前老師都會問你的名字，甚至太常同一個人回答老師還會說：「你太常回答了，我想把機會留給其他人」，然後常常就僵在那剩下的人都不說話、場面超尷尬😫 。老師有一次受不了，還直接問：「Alright, guys! tell me! what makes you all hesitate to engage?」，才有人願意說話，然後接下來整堂課老師都在討論大家要多發言這話題，真不虧是第一水課！課程後半段我實在受不了，就索性上課認真聽、回答一些無所謂的屁話，其實老師就會自己補充滿多的，也順便讓老師記得我。
專案內容方向很廣，說實話一開始滿沒方向的，因為我對網路協定根本就不熟悉 😓，最後是跟組員討論做社交網路相關的研究。老師很注重上台 presentation 的清晰度與流暢度，如果講的故事沒有邏輯老師會很不客氣地電人，就連投影片的呈現方式也會叼（放太多字、字太小等），前面幾組的 presentation 聽不下去，老師事後還回去寫了一封公告給大家，說請大家好好遵守他的 guideline。
繼續閱讀｜返回目錄🔙
學費開銷與生活成本（幣值 $=美金）
定額制，一個 Quarter 含保險那些大約 $11,000 ，MSCS 預設念 4 個 quarter 拿到學位，可以技術性 extend 至多 6 個 quarter，所以粗估總學費約 $44,000~$66,000（先準備個台幣200萬💸）。
住宿部分離學校近點房租大約每月 $1500~$2000，如果想省錢可以住離學校遠一點的地方像 Moreno Valley，搭公車約15分鐘可到學校、開車約10分鐘，房租可以壓到每月 $600~$1000。
在美國東西貴又難吃，當然不否認有好吃的餐廳，但價錢就是一餐$25起跳，這還不包含稅、小費，加一加可能一餐吃好一點就是 $30 up 💸，所以如果想省錢一般會自己煮（a.k.a 煮飯系），我跟室友一起大鍋炒，一個禮拜固定週三跟週日煮飯，一次都煮6餐帶便當微波，偶爾出去外食，整體一餐可以壓到大約$7~$8 極限。
平均而言，生活費大概最多抓個每月 $2000 足以，而像我這種客家省錢極致派，可以壓到每月花 $1000 以下，最低紀錄是一個月只花 $800😎（含房租）
繼續閱讀｜返回目錄🔙
TA/Grader 機會
當TA/Grader除了有收入能補貼點生活費外，也可以另外辦理 SSN（社會安全碼），其實滿鼓勵大家去申請的，不過先說結論：「系上每個學期會寄送一份表單給大家填擔任TA/Grader意願，但對於國際學生，填這份等於沒用」，請盡量去 reach out 老師，詢問他們願不願意讓你擔任TA/Grader。
原因是，大部分的 TA 崗位都會優先留給 PhD 的學生，剩下少部分也有聽過 Master 當 TA，但幾乎都是特例，不外乎是一開始進來就已經進老師實驗室、再不然就是大學本身是 UCR 直升上來的。作為一個 international master student 的順位當然是最低的（非常現實，因為你沒修過任何課、也沒有跟任何教授有connection，當然不會優先挑你）。基本上第一個quarter就是乖乖上課，沒什麼機會。在上課期間好好表現，我的外國好友教給我一句話：Don’t just study! 我覺得非常受用，多多去老師或是助教的 office hour，上課期間多回答問題，下課期間去問老師問題（我的話是聽不懂就一直去問），想辦法讓老師跟助教記住你。
補充一下，敝校除了 MSCS program 外，還有一個 BS+MS program，就把它想成是台灣的學+碩五年項目，如果要找研究機會或是助教，他們的順位也會遠在我們前面🥺
繼續閱讀｜返回目錄🔙
RA 與專案研究機會
不管是要做專案或是研究，一樣多去 reach out 老師，課堂上好好表現、多去老師的 office hour 問問題讓老師記住你。不過真要說 RA position 我覺得 Master 機會不大，除非你已經很確定跟某位老師合作，而且老師之後也願意給你 funding 收你進博班，要不然大部分機會還是會留給現在的 PhD。若想要找老師合作專案或是論文，一樣是「盡快」讓老師記住你。我本身是選擇做專案畢業的，但在確定指導教授前也是碰壁了不少，我只能說現在就連找老師合作也很卷。
在確定老闆前，我還有跟另外兩位老師 reach out （Big-data 跟 Spatial Data 的教授），詢問能不能進他的實驗室。兩位老師都跟我說：「因為現在詢問的人很多，但只能跟一位合作，所以要完成一個 mini project，確定人選」，我當時就想竟然連想要合作專案都那麼競爭，但還是鼻子摸一摸把老師的mini project完成。最後花了不少時間後還是被拒絕，真的是覺得做了個寂寞😰。最後確定的老闆，是我在 CS211 修課的老師，課堂期間我去他 office hour 不少次而且也常常回答問題，最後成績也不錯，這才得到老師的同意能進他的實驗室。只能說機會很多，但就是要很積極地去尋找，並一樣要有不怕被拒絕、堅持到最後的心態。
繼續閱讀｜返回目錄🔙
就業資源與找工情況
這個應該是大家最關心的🥺 。學校的資源其實很多，我的建議是善用 Handshake 這個平台，上面會提供很多 career fair 跟 position 的資訊，而且通常回覆率比較高（相比於 Linkedin, Indeed, 官網海投），拿到學校帳號就可以註冊了。要說 career fair 有沒有用的話？我的想法是若是要得到面試 or 內推機會基本上沒啥用，攤位人員基本上就是跟你講有什麼職缺資訊、然後請你上網投遞這樣，但好處就是去走走晃晃，跟攤位的人聊聊天、練英文口說，所以我只有學期初的幾次 career fair 有參加（還穿西裝去），準備幾份履歷然後去有興趣的攤位聊天、很心動就給履歷（雖然最後都沒回覆），反正形式跟台灣的就業博覽會也沒差多少。聽起來沒什麼用，但我還是鼓勵學弟妹一開始能多多參加，畢竟你來不只是來上課而已，多接觸不同的人才能有更多不同的機會。而且，你也只有剛開學時比較有空，之後上課、刷題、找工作應該是會忙不過來。
學校的 career center 也會不定期舉辦許多 workshop，包含教學修改履歷、寫 cover letter 那些，我也是一開始有去聽個一兩次，可以事先預約，會有專門的人看你的履歷、給修改建議，如果要預約的話我推薦這位 Vanessa Lee，她是台灣人有著道地的英文，很熱心幫你改履歷、也給了我很多美國人資看履歷的 insight。
至於很多人擔心用 UCR 這個學歷去投履歷，相比上很容易被篩掉。但就我的經驗來看，目前市場情況差成這樣、還是一堆人在海投履歷，一開始人資都嘛是用機器篩，就連頂校 CMU, Berkeley, UIUIC 什麼的都被拒得不要不要的，校名這種東西真的是自爽用。
頂多頂多，我是有聽說過了機器關，人資將履歷遞給用人主管時，校名才會有所影響（就像台大人會傾向雇用台大學弟妹）。但這影響就我體驗來看是不大，除非你是常春藤校或是TOP3 like Standford CS 這種，才會顯著提升作用。就比例上，我這一屆的台灣人有三位，都有找到小廠的暑期實習，進大廠的聽聞有大陸人有一位；上屆的台灣學長姐總共五位，後來有兩位找到實習、其中一間還是大廠。所以台灣的學弟妹來這裡唸書找實習，我相信還是有一定競爭力的，就看你積極度高不高了，至少數據上我這屆台灣同學🇹🇼是100%有找到實習 💯，也可間接證明這篇心得文不是幸存者偏差（只有找到實習的人才願意來發心得文）。
繼續閱讀｜返回目錄🔙
地理位置
UCR 處於南加州的內陸，在 LA 東邊、San Diego 北邊，開車一個小時可到 LA 跟 Irvine、一個半小可到 San Diego，這裡沒有像大城市那樣的富麗堂華，除了 Riverside downtown 有一些吃的玩的以外，大多數的光景就是這些發凸的山與沙漠植物。
氣候非常乾燥，一年大概只有冬季會下雨，來這邊記得帶一些乳液。除了冬天外，大多天是加州著名的太陽，很適合戴著太陽眼鏡😎在校園中趕課。因處於內陸，氣溫早晚溫差大，從清晨約攝氏9度到中午28度都有可能，冬天的話白天會10幾度，估計保暖的羽絨衣帶一件足以應付。
治安的部分雖然沒有像大城市那樣亂，但除了校園外，還是建議晚上不要在外面單獨遊蕩，常常會聽聞身邊朋友被街友攻擊的案例，我自己男生晚上搭公車回家，走在昏暗的人行道不時會遇到街友，心裡也會怕怕的（他們很愛跟你搭話、借錢），美國這裡的治安不如台灣好，一切都要小心至上。
繼續閱讀｜返回目錄🔙
交通
學生證可以註冊搭學校的公車往返校園不用錢，不過若想要趴趴走建議還是要買一台車、再不然就是要蹭有車的朋友。這裡的大眾運輸極其不方便，沒有車基本上等於是斷腳❌🦶，而且來到這邊首先是距離感會崩壞，因為美國腹地實在太大，開車一個小時內能到的地方都算近😅
我自己是為了省錢所以沒買車（主要也是因為家裡車庫滿了停不下），所以每天都跟著室友出門與回家的時間往返校園，偶爾時間無法配合時就自己搭公車。如果要去別的城市玩，就跟朋友借車或是自己租車，可以用學校的帳號註冊 enterprise，會便宜一點。不過如果財力允許，我還是滿推薦買台二手車🚗，有車子真的去哪裡都方便，美國很大也不用擔心找不到停車位的問題。
繼續閱讀｜返回目錄🔙
生活娛樂
如同前述這裡雖然沒LA, Seattle, New York, Bay Area 那些大城市裡的繁華，但若真要出去玩，相約幾個有車的朋友還是有很多地方可以跑的。像我自己沒車就已經往返 LA, Irvine 不下五次了，要去迪士尼、環球影城都是開車到得了，若嫌開得不夠，也能開三個小時到達 Las Vegas，再更遠搭飛機✈️到北加灣區 San Jose、Seattle 也都很快，想看自然美景也能開車去大熊湖、箭頭湖等，更多詳細可以參考這篇PTT推文的旅遊大師🗺
Riverside 給我的感覺就像一座寧靜的後花園，當我想要跑到城市喧囂體驗時也行，生活上又不用負擔太貴的房租跟伙食費，整體而言我滿喜歡這裡的氛圍。常常看到商學院朋友的IG動態，都是開著車趴趴走、各種玩（看了各種羨慕），所以真要來玩的話，也不是玩不起來😉
繼續閱讀｜返回目錄🔙
總結
總的來說，UC Riverside MSCS 確實稱不上名校（常被戲稱 UCR = UC Rejection），若硬要拿台灣的學校類比我覺得偏向於中字輩：「就不會是你的首選，但如果錄取了其實也不錯」。好歹也是 UC 系列，CS Ranking 也有到前30，課程與師資的資源都非常豐富，不用太擔心來這裡學不到東西，校名在市場上的競爭力也不會成為關鍵因素，找工作重點還是在你的積極度高不高？還有你在這中間累積的個人實力有多少？個人感覺是一個 cp 值很高的項目，雖然不能給你名校光環，但你得到的是不錯的師資與資源、用相對便宜的生活成本來取得。當我跟同在美國的朋友分享我的房租一個月 $600包水包電包網路、他們在 NY 的房租要一個月 $4~5000不含水電網路，兩邊都互相覺得不可思議😆。其他名校處在的大城市，應該房租也都要 $1~2000 跑不掉，兩邊差距一年可以省下的錢是很可觀的！加上 UC 是公立學校，學費又會比其他私立名校再更便宜，所以若錄取就大膽放心地來念吧 💪
繼續閱讀｜返回目錄🔙
額外建議
這邊想額外分享一些來🇺🇸的心境轉換，我覺得從上班族轉為學生身份後，即使面對差不多的校園生活，體驗的人事物感覺也是大相徑庭。以下是我覺得幾點滿重要的 tips，不光是分享、也是努力督促自己偶爾回來看看：
- Don’t just study. Talk to people. 持續精進你的英文口說
雖然這是老生常談了，但來到這裡才能精確感受到，如果來這邊我只是來念書，那其實沒啥必要花這個錢，我敢說台灣🇹🇼四大四中的CS系所教學師資、研究資源絕對不輸給美國🇺🇸，那為什麼要選擇來到這邊呢？我給自己的理由是我想要接觸更多不同的人、跟更多不同的人合作、把英文融入我的工作中。所以我鼓勵自己多去接觸外國人，這裡並不是指要很崇洋媚外地只跟外國人社交玩在一塊，而是鼓勵自己跳脫舒適圈。例如：分組報告時我刻意不找台灣人 or 大陸人，就是想練習看看自己如何用英文跟別人溝通（雖然到最後成效沒有很好😥），不過也因此結交到一位很好的外國朋友 Henry。
他年紀輕輕，卻教會我許多怎麼跟人溝通（畢竟英文不是母語會有點隔閡與文化差異），還有跟他在一起聊天也顯著增加了我的英文口說。而且他比想像中ㄎㄧㄤ，常常哈🌿後對我講瘋話，滿喜歡跟他講英文練肖威的。 剛開始我也是害羞仔😳，上課都不太有反應🤐，不過之後也是逼自己若有簡單的問題，勇敢舉手回答，上台報告也是盡量爭取負責，把這些情境想像成之後面試或是工作會遇到的（例如組員溝通、老闆答辯、教育訓練給talk）。說實話，看到很多大陸人來這裡英文也是不太行，上課的材料全部要用插件翻譯成中文、上台報告還要把稿打在手機上、上台就是單純當讀稿機🤖️，而如果你能做到比這些多一點點，其實就贏別人一大步了🏃🏻♂️ 多多去跟母語非中文的人講話，並從中學習不同的價值觀，不要只是傻傻地死唸書📖
2. Don’t work hard, work smart. 善用 AI 工具
個人是滿推薦買個 chatGPT4 的，不誇張地說，來這裡看到不管在圖書館、教室外的學生用電腦，幾乎螢幕都是配 chatGPT4，現在已經不是以前那種上網抄抄寫寫改報告的時代了，善用各種 AI 工具可以讓你事半功倍。不過其實 AI 工具百百種，到最後讓我決定買 chatGPT4 的決定因素還是它修改代碼的能力實在太強了，課堂有份專案要刻 Web UI，基本上我都是下 prompt 指令給它、生成所有代碼後根據需求慢慢修改細節，真正自己寫的代碼一行都沒有（難怪網上都戲稱 Web 仔已死 ☹️）。 另外 AI 最強的就是統整能力，畢竟它是開外掛似地學習了人類過往的知識，所以課堂中若有聽不懂的，我也會直接截圖下來貼給 chatGPT 請它講解給我聽。寫作業報告也都是自己先打好條列式：有哪些內容是我正要寫的？有什麼需求？書寫這段的語氣與角色定位是什麼？chatGPT 就會根據我的需求生成草稿，接著我再根據他的回答，修改更多的細節。
我覺得最方便的是，可以幫我自動生成 latex 的代碼與其他數學式，大大地節省了我打報告的時間。讓我可以專注在整篇報告的邏輯以及故事、而不是細微末節的文法錯誤或單詞。 可以想像 AI 的時代來臨時，就如黃仁勳所說，在未來的時代程式語言已經不是重要，「人」本身就是程式語言，用人類的語言去告訴電腦該怎麼做並逐步修正。不要只是學寫代碼，要去學會如何講故事、做推論、與人協作。
3. Be grateful. 沒有人有義務幫你
其實來到美國後，也算是體會了人情各種冷暖。許多人原本說能夠幫助你，到最後卻會因為一些很瞎的原因拒絕你，一開始可能會有點走心，但後來也算是學到了一課。即便是你的家人也不一定會幫助你、更不要奢望非親非故的人願意幫忙，所以如果受到他人幫助，要隨時抱著感恩的心態，對於願意幫忙你的人要時時感恩，而若遇到需要幫忙的人自己也要不吝伸出援手，助人助己，才能創造更多正向的循環。
4. Make most use of your resources. 讓自己儘可能被看見
除了先前提到多跟人講話外，其實你最能利用的資源就是學校的老師、TA、Faculty，要知道其實 Master 付的學費有很大一部分會用來支付這些 PhD 當 TA/RA 的薪水以及獎學金（要說我們 Master International student 是這些 PhD student 的衣食父母也不為過😤），所以我的作法就是多多折磨 TA 們😛 。作業、考試不管遇到什麼問題我都會去跟 TA 討論，甚至以前很鄙視要分仔，現在也成為了考完試會去要分數的人😁 ，但我不是那種一定要計較個一兩分的那種，而是提出想法與 TA 們討論，如果 TA 人不錯，有時候可以要到一些筆墨分數、還能學到一些的正確解法，何樂而不為呢？甚至有機會期中考前幾週的 office hour，TA 還會佛心洩題🥴 ；老師的話也是盡量多去 office hour，不管是課堂上、或是未來職涯都可以去跟老師閒聊，雖然不一定會有實質幫助，可是若要 collaborate on project or research, apply for TA/grader，這些方式都能讓老師多多認識你、給你機會。我也很幸運地能加入 Zizhong Chen 老師的 Supercomputing Laboratory，實驗室裡都是來自北大、清華的優秀學長姐，多多跟他們學習、建立人脈，加上想要專心時不用跟大學生擠圖書館，有間實驗室待也是不錯的 🖥。
感謝
我得承認，我的自身情況是背負著家庭與經濟壓力，跟許多 Master student 來這裡的情況或許不是那麼符合，PhD 的話也都有獎學金跟TA/RA能支付生活成本，來美國念 Master 後才發現真的是學校薛錢的手法，所以我都是能省則省（在台灣都沒那麼客家）。
我很幸運地能遇到一群天使室友，他們引薦我到現在這麼好的落腳處，讓我跟著他們搭車趴趴走，又很歡迎讓我加入他們的每週大鍋炒 meal plan、幫我省錢。就連我初來乍到時，所有的接機、電信網路、銀行開戶、生活用品採買、考駕照…等都是他們幫我安頓好的，真的是非常感謝他們🥺。知道我經濟壓力大想省錢，就連頭髮也願意幫我剪 ✂️，真是太福氣了。
一開始來到 UCR MSCS 時其實我很疑惑，身為一個轉職仔、又有工作經驗，為什麼其他轉專業友好的名校項目都不錄取我？UCR 這個極度本科的MSCS項目反而錄取我？現在想想，或許這就是上天冥冥之中的安排吧！？讓我能夠在有限的經濟條件下，享受到UC一樣高水平的資源 😊 也再次印證申請結果本身就很謎這件事，對結果就是放寬心，擇己所愛、愛己所擇。
當然，最感謝的還是我老婆，幫我分擔了大部分的經濟壓力、無條件支持我出國進修，我這麼努力不光是為了自己，也是為了老婆與家人，謝謝老婆❤️
