필자는 2022년 9월 UC 샌디에고(UCSD) 컴퓨터과학 석사 과정(MSCS)에 입학하여 약 1년 반만인 지난 3월에 졸업했다. 총 5학기 동안 13개의 수업을 수강하였는데(+ 주위의 평을 조합하여) 그에 대한 간략한 평가를 남겨보고자 한다. 일단 크게 추천하고 추천하지 않는 수업들로 분류했고, 각각 수업에 대한 간단한 평과 장단점 또한 기재했다.
추천하는 수업들
- CSE258 Recommender Sys&Web Mining
UCSD에 입학하는 거의 모든 컴퓨터과학 석사들이 듣는 수업이지 않을까 싶다. 학부수업과 함께 진행돼서인지 난이도는 그렇게 높지 않고 귀한 꿀강(?) 중 하나다. 교수님 강의력은 평이~좋음 사이인 것 같다.
장점: 어렵지 않은 난이도. 쉬운 과제. 몇 개 없는 꿀강 중 하나.
단점: 추천시스템 쪽 경험이 많다면 좀 지루할 것 같다. - CSE250A Probabilistic Reason&Learning
교수님의 강의력이 좋았지만 매주 있는 과제가 조금 버겁긴 하다. 대신 TA들이 오피스 아워에서 힌트를 아주 잘 준다. 오피스 아워에 참석하든지, 아니면 꼭 녹화된 오피스 아워를 보자.
장점: 훌륭한 강의력.
단점: 매주 있는 과제. - CSE257 Search and Optimization
개인적으로 UCSD CS의 명강 중 하나라고 생각한다. 하지만 과제가 쉽지 않고(양이 많아 꼭 미리미리하는 것을 추천한다.) 초기에 선형대수 지식이 좀 필요하다. 고생은 좀 하지만 꼭 들어야 할 수업 중 하나라 생각한다.
장점: 최고의 강의력. 소통왕 교수님.
단점: 과제가 어렵고 하나하나 양이 많다. - CSE224 Graduate Networked Systems
CSE257과 더불어 필자가 들었던 수업 중 가장 강의력이 좋았던 수업. 또한 백엔드 개발자 출신이었던 필자에게 와닿았던 내용이 많기도 했다. 하지만 프로그래밍 과제가 무려 6개(!)인데다 뒤로 갈수록 과제의 난이도 및 소요시간이 급격히 상승한다. 중간/기말도 생각보다 어려워서(단순히 외우는 게 아니라 강의 내용을 이용하고 조합해야 풀 수 있는 문제들이 출제된 느낌) 좋은 학점을 받으려면 굉장히 많은 노력과 시간이 필요한 수업이었던 것 같다. 요약하자면 배울 점은 많으나 과제 및 공부의 부담이 큰 수업.
장점: 훌륭한 강의력. 강의 내용이 좋음.
단점: 과제가 너무 많다.... 중간/기말이 생각보다 어렵다. 백엔드/시스템 쪽 경험이 많지 않으면 생소한 내용이 많을 수 있을 듯. - CSE291 Top/Computer Sci & Engineering Unsupervised Learning
깔끔한 강의력. 매주 과제가 있긴 하지만 아주 어렵거나 길지 않아서 할만 하다. 중간/기말 없이 과제만으로 평가하기 때문에 나름 적절한 워크로드였다고 생각한다. 그러나 중반 이후로 급하게 진도를 나가며 내용을 이해하기 어려워졌다는 평이 다소 있었다. 그래도 비지도학습에 대해 다루는 수업이 많이 없기도 하고, 교수님 강의력도 좋아서 추천하고 싶은 수업이다.
장점: 훌륭한 강의력. 중간/기말이 없다.
단점: 후반부로 접어들며 다소 이해가 안되기 시작. 매주 있는 과제. - DSC204A Scalable Data Systems
필자가 들은 수업 중 유일하게 컴퓨터과학이 아닌 데이터과학 수업. 이제 막 새로 오신 교수님이 처음으로 진행하는 수업이었는데 의외로 꽤 괜찮은 수업이었다. 각종 시스템에 대한 백그라운드 설명, 다양한 guest lecture, 그리고 산업 및 기술에 대한 교수님의 통찰력이 돋보였던 수업이었다. 다만 거의 매주 있었던 읽기 과제, 세 개의 프로그래밍 과제, 그리고 기말이 있어 부담이 꽤 큰 편이고, 사실상 시스템 쪽 수업이라 머신러닝 관련 내용을 기대한다면 실망할 수 있다.
장점: 교수님의 기술적 통찰. 강의 내용.
단점: 과제가 은근히 다양하고 많다.
추천하지 않는 수업들
- CSE260 Parallel Computation
개인적으로 슬라이드 및 강의가 정리가 잘 되어있지 않다고 느꼈고, 프로그래밍 과제 또한 별다른 설명 없이 그냥 던져주는 느낌이라 꽤 고통스러웠다. 그러나 시스템/병렬 컴퓨팅 쪽으로 경험이 많은 사람 중에선 재밌게 듣는 경우도 있는 것 같다.
장점: 딱히..?
단점: 두서 없는 강의/과제. - CSE203B Convex Optimization Formulations and Algorithms
필자가 직접 수강하진 않았지만 주위로부터 꽤 많은 (혹)평을 들었다.
장점: 과제/프로젝트 등에 대한 후한 평가.
단점: 교수님의 강의력.
애매한 수업들...
- CSE256 Statistical Natural Language Proc
자연어처리 수업. 교수님의 강의력이 최악은 아니지만 아주 좋지도 않은 것 같다. 자연어처리에 관심이 많다면 들을만할 것 같다.
장점: 프로젝트에 대한 후한 채점.
단점: 애매한 강의력. - CSE240A Princ/Computer Architecture
원래 꿀강으로 유명한 교수님 수업을 들은 거였는데 A컷을 95%로 잡고 과제에서 어마어마한 감점을 받으며 의외의 복병으로 등극했다. 또한 모든 과제 및 시험을 쿼터 중반 이후로 몰아넣으며 많은 이들의 원성(...)을 샀다.
장점: 내용이 쉬움(사실상 학부 컴퓨터 아키텍처 수업이랑 동일).
단점: 감점을 당하면 의외로 A를 받기 어려울 수 있음. 쿼터 중반 이후로 과제가 미쳐 날뛸 수 있음. 교수님 강의력이 아주 좋진 않음. - CSE240B Parallel Computer Architecture
위의 CSE240A 수업과 동일한 꿀강 교수님 수업을 들었다. 중간에 한 번 발표를 해야 하긴 했지만 그 이외로는 과제가 많지 않고 난이도도 어렵지 않아서 (중간 기말 모두 오픈북) 꽤 나쁘지 않았다.
장점: 중간/기말 오픈북. 과제가 어렵지 않음.
단점: 교수님 강의력이 아주 좋진 않음. - CSE202 Algorithm Design and Analysis
학부 시절 알고리즘 수업을 듣지 않은 필자였기에 큰 고통이었다. 교수님이 수업 중에 몇 개의 문제를 풀이하는 식으로 진행하는데, 지원자에게 문제를 풀어보게 시키고 그에 대한 문제점을 찾으며 비판하는 것이 주요 형식이다. UCSD에서 CS 석사를 하면 Theory 수업을 하나 들어야 하는데, 그것 때문에 (필자처럼) 어쩔 수 없이 듣는 경우가 많다. 어차피 Theory 수업들은 모두 고통스럽기 때문에 이 수업을 듣는 게 그나마 나아 보인다. 약 2주에 한 번 과제가 있는데 점수를 잘 받으려면 Discussion 시간에 가거나, 오피스 아워에 가는 게 좋다.
장점: Theory 수업 중 그나마 선녀(?).
단점: 문제에 대한 알고리즘 뿐만 아니라 증명을 해야 해서 과제 및 시험이 어려운 편. - CSE234 Data Systems for ML
기대를 많이 하고 수강했는데 여러모로 참 애매했던 수업. 제목대로 머신러닝에 쓰는 다양한 시스템/플랫폼들을 다루면서 그것들의 장단점을 다루는데, 직접 그것들을 다뤄볼 기회는 없다 보니 굉장히 뜬구름 잡는 얘기처럼 느껴질 수 있다. 머신러닝 경력이 있거나 머신러닝 시스템 쪽 연구를 하는 사람이 들으면 가장 좋을 것 같다.
장점: 여러 머신러닝 시스템을 종합적으로 훑어준다. 논문 읽는 능력을 키울 수 있음.
단점: 수업에서 다루는 시스템들을 직접 써보지 않았으면 내용이 잘 와닿지 않을 수 있음. 시험이 어려워 점수를 잘 받기 어렵고 과제 부담도 있는 편. - CSE251A ML: Learning Algorithms
그때그때 맡는 교수님이 바뀌는 것 같아서 뭐라 하기 애매한 수업. 필자가 들었을 때에는 교수님 강의력도 준수했고 과제/시험도 크게 어렵지 않았다.
수강신청 미세팁
앞으로 UCSD에서 컴퓨터과학을 공부하게 될 모든 석/박사들에게 조금이나마 도움이 되기를 바라는 점에서 글을 작성했다. 약간의 추가적인 팁을 주자면, 필자는 되도록이면 https://www.ratemyprofessors.com/ 에서 평이 괜찮은 수업들 위주로 골라들으려 노력했다. 다만 모든 수업이 다 평이 있진 않기 때문에 어느 정도는 도박(?)을 할 수밖에 없는 것 같다. 수강변경 기간 때 관심 있는 여러 수업들의 오리엔테이션에 가보거나, 또는 팟캐스트를 보면서 선택을 잘하는 것이 좋을 것 같다.
Rate My Professors | Find and rate your professor or school
Find and rate your professor or school
www.ratemyprofessors.com