求助！一个统计背景的DS要做MLE需要学哪些CS课程

像各位大佬求助，先说下我现在的情况：
大学本科是应用数学，研究生是统计方向，这个过程中学了data mining，machine learning等的一些相关课程。数理基础因为是本科和研究生专业，感觉还行，但是没有CS基础。
工作的过程中自学了数据结构和data engineering的东西，但是一直感觉基础薄弱。
目的有两个：1.想做更专业全面的Machine Learning Engineer; 2. 想和SDE背景的人交流时减少背景知识障碍

LZ目前在看part-time的CS degree来扩充CS知识体系。 有意申请JHU的一个在职项目，但是看到有MS in CS和MS in Artificial Intelligence两个专业，课程不尽相同，除了问advisor以外想在论坛上求助一些大家，根据我的两个目的，应该选哪个专业比较好？以及有哪些重点课程一定要上？

一定加米，非常非常感谢！！

===================================================================================================


这是CS方向的课程列表：

PREREQUISITE COURSES
605.101 - Introduction to Python
605.201 - Intro to Programming Using Java
605.202 - Data Structures
605.203 - Discrete Mathematics
605.204 - Computer Organization
605.205 - Molecular Biology for Computer Scientists
605.206 - Introduction to Programming Using Python

FOUNDATION COURSES

Students working toward a master's degree in Computer Science are required to take the following three foundation courses before taking any other courses.
605.601 - Foundations of Software Engineering
605.611 - Foundations of Computer Architecture
605.621 - Foundations of Algorithms



605.631 - Statistical Methods for Computer Science
605.632 - Graph Analytics
605.633 - Social Media Analytics
605.634 - Crowdsourcing and Human Computation
605.635 - Cloud Computing
605.649 - Introduction to Machine Learning
605.662 - Data Visualization
605.724 - Applied Game Theory
605.725 - Queuing Theory with Applications to Computer Science
605.726 - Game Theory
605.731 - Survey of Cloud Computing Security
605.741 - Large-Scale Database Systems
605.744 - Information Retrieval
605.746 - Advanced Machine Learning
605.788 - Big Data Processing Using Hadoop
685.648 - Data Science


这是Artificial Intelligence方向的课程列表：


CORE FOUNDATION COURSES
605.621 - Foundations of Algorithms
605.645 - Artificial Intelligence
705.601 - Applied Machine Learning or
605.649 - Introduction to Machine Learning
705.603 - Creating AI-Enabled Systems
Must take at least 6 of the following courses
525.661 - UAV Systems and Control
525.670 - Machine Learning for Signal Processing
525.724 - Introduction to Pattern Recognition
525.733 - Deep Learning for Computer Vision
525.770 - Intelligent Algorithms
605.613 - Introduction to Robotics
605.617 - Introduction to GPU Programming
605.624 - Logic: Systems, Semantics, and Models
605.635 - Cloud Computing
605.646 - Natural Language Processing
605.649 - Introduction to Machine Learning
605.662 - Data Visualization
605.745 - Reasoning Under Uncertainty
605.746 - Advanced Machine Learning
645.651 - Integrating Humans and Technology

假如楼主想对各种AI职业有更进一步的了解，例如不同职位在pipeline上需要负责的部分以及所需要的技术知识，可以到网站https://workera.ai/resource_downloads/ai_career_pathways/ 填写任意资料，然后自动下载一个PDF，里面有详尽的描述。

workera.ai 是在 Andrew Ng 的deeplearning.ai 下面的一个网站。

cs 转mle路过，建议从基础开始学吧，编程语言，计算机网络，数据库，操作系统

著名的谷歌那张图了解一下。就是中间ML code周围一大圈其他内容那个。

占坑等大佬解答，同DS想做MLE

605.649 - Introduction to Machine Learning
605.746 - Advanced Machine Learning
605.646 - Natural Language Processing

另外感觉MLE的组里有一半人其实也没ML背景 主要还是coding 上啥课也不重要 反正学校学的和公司用的差很多很多 我觉得入门后多读读论文吧 面试可能问比较前沿的东西(比如最近1年甚至半年的论文 当然不必要全懂 知道你专注的领域就好)

同想转到ds

hypnoz 发表于 2020-4-20 23:40
605.649 - Introduction to Machine Learning
605.746 - Advanced Machine Learning
605.646 - Natural L ...

感谢经验！
我自己反而是因为背景是统计方向，所以对machine learning的base model还有基本的DL算法要强于我的CS基础。
想请问下做MLE特别需要的CS方面的基础是什么呢？

Lenin 发表于 2020-4-20 23:56
感谢经验！
我自己反而是因为背景是统计方向，所以对machine learning的base model还有基本的DL算法要强 ...

可能我的回答只针对大厂吧
我以前面过小厂 也会稳点ML知识 不过都是很基础的  什么是overfit之类的 觉得看看andrew ng那个入门视频就足够了
大厂我的感觉是和普通码农一样 就是问你算法题.... 不过不知道是不是错觉 自从转ML以后 他们问我算法题的难度就降了很多.... 而且绝不会问我enginner的一些知识(比如数据库啊 cache什么的 scalability啥的 都不管了...)

Lenin 发表于 2020-4-20 23:56
感谢经验！
我自己反而是因为背景是统计方向，所以对machine learning的base model还有基本的DL算法要强 ...

面论文那个可能只针对research职位哈
如果是ML enginner感觉也不怎么关心你读不读论文 当然读论文关心前沿肯定加分

同ds转mle，focus是nlp，所以不知道能不能帮到楼主。根据目前面试经验来说，ml基础肯定会考，但是感觉面试侧重点很大部分还是数据结构+api design+dl framework。paper的话onsite的时候有的phd面试官也会问到，找几个目前比较流行的paper把模型结构看懂能说明白就行。