卡内基梅隆大学Master of the information systems management项目简称MISM，分3个方向，一个是global track，一个是general track，还有一个是我就读的Business intelligence and data analytics track。

　　General track和BIDA track都各自可分为16个月的项目与12个月的项目。

　　结构如图：

　　global track的同学第1年是在澳大利亚度过的，主要是上网课;第2年会回到匹兹堡。General track 与BIDA track的同学整个项目都是在匹兹堡校区。

　　从课程设置上来说，general track的课程会更加偏码一些，BIDA会更加偏向商业一些(但实际上，来了CMU，大家都会尽量的选一些偏码的课。这里先不展开细讲，后文会具体解释课程差别)。

　　12个月项目与16个月项目的区别主要在于是否有暑期实习。

　　参加12个月项目的同学都是有工作经验的，因此他们的项目中不含有暑期实习。所以他们大多数，需要直接找全职工作，压力会比16个月的同学更大。

　　而16个月项目的同学大多没有工作经验，因而会有一个暑期实习。暑期是从5月中旬一直到8月底结束，参加暑期实习有利于拿 return offer。

　　通过暑期实习拿return offer，会比直接拿全职offer更加容易一些。

　　MISM每个长学期都要求选满54 units。这个units类似国内的学分，每个短学期的课程都是6 units，长学期的课程都是12units。

　　在第一个长学期结束后如果GPA大于3.75，可以选择Overload，也就是选60个units的课程。

　　课程设置

　　如图是我们的核心课程：

　　注：

　　虽然必修课程是这样设置的，但是也可以做一些调整。

　　在8月初开学的时候，所有同学都可以报名参加“开学考”，只要通过某一门课的考试，就可以免修该课程。

　　这个设定对于想要修更多新课程的同学而言非常友好。

　　每个学期54units是强制的，那么通过免修获得的空余units就可以用来学更难的内容。

　　如下是选修课：

　　从我的备注中你可以看出大部份可以免修的课程都是商科范畴的，所以大部份本科学习商科的同学，会选择在暑期认真复习，争取把能免修的全部免修掉。

　　从课程设置中你可以看出，我们这个项目总体来说是商科与码农的结合体。

　　可以说，会写代码的没有我们懂商科，商科的没有我们懂技术。

　　以Unstructured Data Analytics 为例，这是一门短学期(七周或者八周)的课程，6units。

　　这门课由我们Heinz学院开设，作业量属于中等左右，比较具有借鉴意义。

　　这门课有3次作业，2次quiz。每次作业耗时大概0至6小时。

　　虽说作业量着实特别大，但是学到东西也特别多。

　　我觉得当年本科学金融的我，是无论如何也想不到有一天，我居然会如此复杂的代码，简直脱胎换骨。

　　CMU课程——一节堪比6节强，你值得拥有。

　　MISM general track的课程设计与我们极为相似，核心课程如下：

　　大体而言，general track与BIDA课程区别但只在于design课程。

　　但是学生差别较大。General track有很多同学想要走码农的路子，所以会选很多计算机学院的编程课，他们会一起组团刷课，刷leetcode。

　　而我们BIDA的同学，都偏好走数据科学，数据分析，数据开发的方向。因为我并不是想走码农路线，所以了解不多，我比较了解的是数据方向的。

　　选课推荐

　　除了我们Heinz本学院的课程之外，只要有多余的学分，大家就可以用来选大名鼎鼎的CS学院的课程。

　　(P.S.CS学院的课程作业量一般都很大)

　　机器学习：比如10601，10701(课程代码)。

　　这两门都是机器学习入门的课程，10601是给本科生与硕士生上的，10701是给博士生上的。但是硕士生也可以选择上10701。

　　总体而言10701更加偏向原理和数理推导，10601更加偏向码。

　　作为BIDA的同学，我们自己项目中已经自带了一门Machine Learning for Problem Solving(General track不能选这门课)。

　　但是经常有BIDA的同学在上自带的之外，又会再选上10601或10701(我选了10601)。

　　BIDA自带的课程主要是了解模型背后的算法与运用模型(直接套用sklearn等)，而10601则是直接用Numpy从零构建模型。

　　10601是一门长学期的12units的课程。

　　有9次作业，作业由written part和programming part构成，我每次作业都需要花2至3天时间完成，最痛苦的部分莫过于debug。

　　尤其是无论怎么改总是报错，或者运行结果不正确，而Due近在眼前的时候，真的是满心绝望。反复修改，熬夜秃头。

　　这门课还有2次期中考和1次期末考。但是这门课从另外一个角度考虑，也非常友好，如果正常上课时间早上起不来，就可以上网课 。

　　10601学完之后还能上10605, Machine Learning with Large Datasets。

　　这门课我没有上过，所以不做过多评价。但是听说也很不错。

　　CS学院还有一门deep learning的课程，也是12 units，这门课的作业量更胜于introduction to machine learning。

　　听上过的学姐说，每天都写作业写到凌晨一两点。

　　我打算下一个学期尝试一下(在作死的边缘反复试探)。

　　What cannot kill you makes you stronger。

　　还有一门Terry Lee的Data Structure and Algorithm也是大名鼎鼎，我也没上过。只要6学分，走过路过千万不要错过。

　　总体而言我们的课程设置还是较为自由的。只要有多余的学分(units)，你就可以上。

　　当然，没有最自由，只有更自由——我们项目隔壁的ECE。

　　听说他们项目可以随意选课，没有限制。

  编辑：翁晓兰