上一贴，引发不少争议 甚至误解。我的初衷是不同意很多人这个观点：“每个大学CS教的都一样，所以上哪个都一样”。
从上一贴看出，同样CS本科毕业，学的东西差别巨大。你可以争论学的越多就越蠢，但学的内容不一样是事实。
我查了一下，CMU提供的有关ML的课程非常多，而且是不同系科提供，有计算机系的十几门课，人工智能系的十几门，机器学习系的二十几门，语言处理系的十几门，机器人系的十几门，还有其他学院比如 统计和人工智能系的。所以CMU贵在选择。
上次我给大家一个误解是，很多人以为CMU难读，造成困惑，使得有人没有信心去CMU读书。我特此说一下，这是误解。我从来没有说过，也不相信就读CMU的平均智力能力会比Yale的高，而几乎所有读CMU的还是Yale的，都顺利毕业了。当然藤校打分比较宽松，而CMU是另一种方法，那就是同一门课，开设难度不同的课。
比如看这门课：Introduction to Machine Learning
Yale本科没有，研究生课程有一门： CPSC581b: Introduction to Machine Learning。有人会说，Yale的CPSC470（现在是CPSC370）AI 有ML的内容。不错，CMU也有Yale370一样的课，如07-180，15-281等等，但他们不能取代 Intro to ML.
而 CMU有5门：
10301 Introduction to Machine Learning
10315 Introduction to Machine Learning
10601 Introduction to Machine Learning
10701 Introduction to Machine Learning
10715 Introduction to Machine Learning
这里不看 计算机系的 15288 ML, 15442 ML System,
语言处理系的 11344 ML
人机交互系的 05434 ML，
Information System系的 95828，
电子工程系的
18461 Introduction to Machine Learning，
18661 Introduction to Machine Learning
生物工程系的：
42656 Introduction to Machine Learning
设计院的：
49781 Introduction to Machine Learning
等等等等，好像每个系都有机器学习的课，比如 introduction to Machine Learning in Chemical engineering, in Production, in Bioinformatics, etc
这些课都是 counter-requisite, 只能选一门。但难易程度差别很大。现在仅仅看这五门课：
10301 Introduction to Machine Learning
10315 Introduction to Machine Learning
10601 Introduction to Machine Learning
10701 Introduction to Machine Learning
10715 Introduction to Machine Learning
