选择在线学位还是传统大学学位？看这位实际体验者的分析

来源：hackernoon

作者：Daniel Bourke

智能观 编译

我完成了自己的人工智能硕士学位，其中包括两个优达学城的纳米学位（Udacity Nanodegrees）课程，当然也有其他课程。

优达学城的课程，是我学过的课程中质量较好的。

虽然我从未获得过大学里真正的硕士学位，但我们还是比较一下吧。

成本

在大学的一个开放日，我去看了学校的研究生课程。

如果在大学读计算机科学研究生课程，需要2年，每年支付42,000美元，并且要预先支付50％。

我没有42,000美元，所以我开始寻找其他的学习方式。

创建自己的学习路径，我花了3500美元，这些钱花在了各种课程、书籍和工具上。虽然不是免费的，但3500美元远低于84,000美元。

时间

如果参加大学的计算机科学研究生课程，至少需要2年才能完成。而我在网上学习的课程，差不多一年就可以完成。

不过，学习这些技术是永无止境的。每周都有新的技术需要了解。这是很大的乐趣。

学习

我研究计算机科学，是因为想学人工智能，它更能激发我的兴趣。但大学提供的课程似乎并没有教会我这些。我可以在网上学习任何想要的东西，于是直接找到了相关内容。这挺难的，不过，学习新事物总是很难。

你不妨将精力投入自己想学的东西上。

反馈

本科学习期间，我交的作业，有时候3个月都无法获得反馈。而3个月后，它对我来说已经不重要了。考试也是如此。

优达学城的审核人会在你提交作业后的24小时内（有时在一小时内），给你反馈和建议，更不用说他们的论坛和Slack频道了。这对我的学习非常有用。我可以（几乎）立即获得帮助，而不会被一个问题困扰数星期。

质量

我是一个视觉学习者。必须看到事情发生，才能理解它们。阅读几十个讲义，不是我学习的最佳方式。

优达学城的动画团队做了大量工作，提升课程的可视化效果，以配合他们的讲座。我经常发现反复观看十几遍可视化的课程，可以在脑海中建立概念。

优达学城还与行业专家合作。在我获得的纳米学位课程中，有来自IBM和谷歌的专家提供他们的见解。

内容

我获得的硕士学位能和真正的大学硕士学位相提并论吗？

我不知道答案，但可以这样看待它：大学的硕士学位经受了时间的考验，它们的设立是为了让你准备好进一步的学习和研究。许多公司认可大学硕士学位的价值，甚至认为它们是必需的凭证。

当然，纳米学位存在一些不足，它不会涵盖你要知道的一切，因此才得名纳米学位。但更重要的是，我创建了自己的学习之路，学到了自己想学的内容。这使学习变得更加愉快。

最好的课程是那些激发你学习兴趣的课程。

机会

两个月前，我成了机器学习工程师。从那以后，参与了一系列项目，这些项目需要用到我在纳米学位课程上学习的技能。

插入视频：

但是，我还必须根据项目的要求，了解更多的知识和技能。

我有申请传统大学硕士学位的机会吗？可能有，但我没申请。

我知道自己正在学习的技能的价值，并建立了一个在线作品集作为工作证明。

优达学城还与科技公司合作，提供职业服务，帮助你找到一份工作，但是，我还没有利用这些。

进一步学习

我只记住了所学的1％左右，这就是为什么我的口号是不断学习。

现实世界中的大多数数据，并不像你在某些课程（包括纳米学位）中所发现的那样整洁，你必须不断考虑新的方法来获取数据，包括使用人工智能技术。

获得纳米学位或传统硕士学位，并不是学习之旅的终点，而是一个新的起点。

你永远不能为所面临的挑战做好充分准备，但凭借获得的基础技能，你将学到自己需要的。

总结

在完成人工智能纳米学位后，我是最好的人工智能工程师吗？

不是。

在AI领域获取传统的硕士学位会不会更好？

也许，但我不打算这么做。

我可以根据需要，学习新技术，并解决新问题吗？

可以。

我一直在学的课程让我兴奋吗？

是。

我的知识有一些缺陷吗？

是的，但我可以和那些在这个领域比我更优秀的人一起，并向他们学习。或者，找出我的缺陷并弥补它。

如果你想节省成本和时间，并直接进入人工智能的前沿领域，我会推荐人工智能纳米学位等课程。

如果你正在接受更传统、更全面的教育，并打算继续深造，攻读博士学位等，那么你可以去获得传统的人工智能硕士学位。

你可以用学到的技能来解决问题。这是人们对纳米学位需求很大的原因。

请保持学习。

—完—

亲爱的朋友：

如果你对人工智能感兴趣，也有较好的数学、统计等学科基础，想系统学习这个领域，本文的经验可以借鉴。

如果你有其他相关学习的经验，也欢迎与我们分享。

祝安！

PS:为了方便与读者探讨，特意注册了一个专用号。如果你也是我们的铁杆读者，想探讨交流，可以加微信：znglmym。

智能观 灵米

2018-8-1 于北京中关村

想知道AI加教育领域有哪些最新研究成果？

想要AI领域更多的干货？

想了解更多专家的“智能观”？

请前往：www.智能观.com。

声明：

编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。

转载智能观原创文章，请联系

智能观小艾（微信号：zng2017618）！

关于我们

我们关注AI+教育。致力于提供高附加值的知识，以帮助每一位老师和我们的读者不断学习并提高技能。

我们努力让发表的每一篇文章都具有最佳质量，以满足读者的需求。