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
其中 301， 315是本科课程，601是硕士，701，715是博士，在CMU，存在对硕士的歧视，具体在这里就是公认 601是最容易的课程。
其他难易程度依次是：301，315，701，715.
SCS学生的标配是 315，但是很多学生选择更有挑战性的 701，比如我上次的学生，还有我儿子。更有本科生直接挑战 715.
当然 如果你觉得 315吃力，可以选 301. 所有 CS minor的都是 301，轻轻松松拿 A，也不影响做 QR QD
不仅仅这门课，很多CMU课程都有相同内容但难度不同的课程，互为 counter-requisite, 不能选两门，如果选了，学分只能算一门。
由此可见，CMU并不是代表难，而是提供一个多样性的选择，在yale，想修 Introduction to Machine Learning，只能选 CPSC370，而在CMU，你可以选比CPSC370更难的，也可以选比CPSC370更容易的。也包括和CPSC370差不多的。
如果把Yale和CMU比做餐馆，CMU 菜单上的菜更多，而且同一个菜，还提供不同烹饪方法出的不同口味的。当然如果你说，你肚子就那么大，吃不了几个菜，就喜欢Yale的那个菜，也无可厚非。
有人害怕进了CMU跟不上进度，不存在这样的问题。生源不如Yale的CMU学生，也都毕业了。工资可能还更高，多样性，选择性 也是择校的一个可以考虑的因素
