不知道题主想要具体学习什么专业，没法针对性的提出建议，就直接多推荐几所海外名校吧。

　　

目前美国杜克大学、美国亚利桑那大学、罗切斯特理工大学、伊利诺伊理工大学、北亚利桑那大学利夫兰州立大学、阿德里安学院以及新西兰奥塔哥大学等美国和新西兰名校都提供在线硕士项目，专业包括计算机科学、人工智能、软件工程、MBA、法学、商业分析和教育学等多个专业。

　　

在线硕士在海外已经有数十年的发展历程，大多数正规院校都会提供原汁原味的教学，无论是课程、学习资源还是最后的学位证书，在线学习的同学和在校学习都是一致。

　　

下面就展开来介绍几所有毕业生案例的项目，大家也可以直接点击下方链接，咨询感兴趣的项目：

　　

在职读海外名校硕士-彼岸教育

　　

如果是想要选择一个商科项目，杜克大学无疑是非常顶尖的选择，作为世界前50的名校，院校的教学实力是毋庸置疑的，而且其富卡商学院也是得到AACSB认证的，是全美前十的商学院，现在杜克大学提供在线量化管理硕士（分为医疗分析与商业分析）和在线MBA项目。

　　

杜克大学在线量化管理硕士（商业分析方向）课程安排

　　

已经顺利从杜克大学的在线量化管理硕士项目毕业的Frank在谈到自己的收获时说：“在杜克大学，来自各个国家、各个领域的同学齐聚一堂，抱着好学的心，学习新鲜的内容，并在一些作业和课题上分工协调、互相帮助、彼此学习。在这期间，会有交流的火花，也有会心一笑的默契，这些经历都令我领悟文化交流的美妙。”

　　

当然，Frank也在能力上有了很大的提高：

　　

“课程知识方面，我学到的最有用的知识和技能就是前边提到的数据分析。我虽然以前也读过工商管理或者其他MBA项目，但在过程之中，我对案例分析和数据分析的接触都比较浅显，没有真正掌握。

　　

在杜克大学量化管理硕士项目中，通过很多商业案例分析，我逐渐掌握了这项技能。两年间，我将这个方法运用到自己的实际工作之中，用数据说话，能发现很多以前不能发现的东西。大量的信息通过数据浮出水面，我们能从中得出崭新的结论，有了数据的支撑，我们就能适时调整公司的策略，这对于我的工作非常有帮助。

　　

生活之中，数据分析也能帮助我以更加客观、科学的角度对待生活中的问题。对我而言，数据分析不仅是一种方法，也是一种新的思考方向。”

　　

——Frank：名校历练，让我更加自信|杜克大学优秀毕业生访谈

　　

如果想要选择理工科项目，美国最佳理工科大学排名第10的伊利诺伊理工大很值得考虑，伊利诺伊理工大学的在线计算机类硕士项目包括计算机科学、人工智能、软件工程等多个方向，课程的设计贴合主流先进技术，师资力量也非常强大。

　　

比如人工智能硕士项目的授课教授之一穆斯塔法·比尔吉奇(MustafaBilgic)，被ChicagoInno评选为在芝加哥大学任教的顶尖企业家和创新者之一，也是IIIinoisTech机器学习实验室的创始人和负责人。

　　

　　

他主导的机器学习实验室主要研究领域包括：可解释文本分类、细胞图片的深度学习分类、空域时域模型的预测性模型推论、可解释图像分类等主题。

　　

——彼岸教育：伊利诺伊理工大学最受欢迎的AI课程教授：MustafaBilgic

　　

今年夏天刚刚有一批同学顺利毕业，即将走上自己新的发展道路。

　　

除了计算机类项目，伊利诺伊大学也提供在线金融学和MBA项目，伊利诺伊理工大学的金融学是全美排名第5，其斯图尔特商学院也获得了AACSB的认证，虽然目前还没有毕业的同学，但是也非常值得考虑。

　　

感兴趣的同学可以点击下面的链接咨询具体详情：

　　

在职读海外名校硕士-彼岸教育

　　

作为世界五百强的高校，北亚利桑那大学也是美国第一个提供在线学位教育的公立大学，不仅教学质量过硬，也有着丰富的经验，是美国最佳在线大学排名第1的院校，其在线计算机硕士也是全美排名前50。

　　

基于学术实力和在线教育经验，北亚利桑那大学实行独特的订阅制学习模式，同学们可以自己把握要学的课程，选课并开始学习后，负责课程的教授会布置考核作业，只要通过了教授的审核就可以获得学分。

　　

这种自由的学习方式可以让同学们从自身的需求和基础出发，不用耗时在一些简单的课程，也不用因为时间紧而学不好高难度的课程，真正做到学就学会，高效高质。

　　

当然，学校也会为大家提供选课建议，让大家能够有规划、系统的进行学习。

　　

北亚利桑那大学的在线计算机硕士课程分为件工程、数据分析、信息安全和项目管理四个方向，每个专业方向纵横结合，在夯实学员计算机学科知识的基础下，聚焦于学员自身感兴趣的学习领域，真正实现定制化教学。

　　

同时又有四门核心课，保证学习的专业性和深度，分别是“研究生学习研究导论”、“信息技术研究方法”、“信息技术对组织的影响”、“信息技术创新和全球化”。

　　

从这四门课的名字就能看出，通过学习，同学们将建立起一种学术的思维，并形成规范的研究方式，同时也能够学到和实践紧密相连的技术与工作思维。

　　

在这样的培养下，一位同学如今已经可以在期刊发表论文了。

　　

　　

这位同学也对自己的学习心得做出了分享，可以看下面的文章：

　　

彼岸教育：NAU优秀毕业生闭门分享：为什么我能用不到一年读完硕士？0赞同·0评论文章

　　

另一位毕业生黎文皓同学也已经踏上了读博之路，谈到学习体验的时候，黎同学说：

　　

“NAU的学习是以操作为主、理论和实践相结合的，而且课程的Deadline节点设置得很清晰，可以参考制定出我科研的Deadline。

　　

学习过程中，我将数据库、数据、仓库、数据分析相关知识重新进行了一次梳理，更主要的是掌握了R语言的基本的操作，这些知识都能立刻学以致用，对同时进行的科研工作大有助益。

　　

掌握了这样的学习节奏，能够一举两得，让我在科研上更进一步。”

　　

从NAU毕业后，黎同学还收获了一个意外惊喜——

　　

凭借已获得的NAU学位，免除了语言考试，获得国家公派出国留学资格。

　　

——黎文皓：告别NAU后，开启海外读博之路|北亚利桑那大学优秀学员

　　

黎同学获得留学资格

　　

如果你也想在事业和学术的道路上更进一步，就点击下面的链接，咨询适合自己的北亚利桑那大学在线计算机硕士学习方向吧：

　　

在职读海外名校硕士-彼岸教育

　　

就读于伊利诺伊理工大学（IIT）在线硕士项目的MEAI专业（视觉与控制人工智能）。我已经完成了四门课（毕业一共需要30学分，按照每门课3学分计算合共需要修读10门课），就目前的情况来看，这个项目能让我直观地感受到学会了计算机视觉这个领域上的具体的知识。

　　

校方开设了申请资格测评，如果你想申请计算机专业，可以提前测一下：

　　

无需出国在职读名校硕士-彼岸教育

　　

IIT完整的课程列表、学制、学费等问题可以通过学校在中国的咨询服务方了解，这里放一个咨询入口：

　　

无需出国在职读名校硕士-彼岸教育

　　

这个学期修读的是ECE508Videocommunication（视频通信），刚刚完成了期末考试，借此小结一下学习情况，也从中可以分享一下我学到的东西。

　　

1）通过学习视频的压缩方式，了解了可以从运动评估的角度来描述一个视频。我想把这个概念应用在自己具体的工作项目中，转化为生产力。

　　

我们可以把视频看成是一帧帧的图片在连续播放，压缩时也可以把一帧帧图片采取单独压缩处理。不过，显然这种处理方式过于复杂，没有利用好视频在时间维度上内容有相关性的这个特性。

　　

有一种算法称为运动评估，原理是把当前图片和参考图片（前一帧或者后一帧）进行对比：一般来说，前后两帧图片有很大的相关性，找到当前图片中的图像相对于参考图片的位置，我们就可以利用参考图片和位置信息把当前图片还原出来。

　　

由于参考图片已经存在，仅仅用额外保存的位置信息就可以还原当前图片，于是压缩率是相当可观的。

　　

例如：

　　

图1：

　　

　　

在图1中，左图是当前帧，右图是参考帧。

　　

图2:

　　

　　

在图2的左图中，是利用图1中的参考帧和一个1295字节的位置信息进行运动评估后还原的图片。右图是运动评估后的运动方向和运动距离信息。当前帧原图是接近60K，压缩率接近50倍。

　　

图3：

　　

　　

图3中，随着分割的评估单元越小，得到的精度就越高。当然，位置信息的容量也会随之增加。

　　

以下这是节选我的实验报告：

　　

　　

从这份节选的实验报告中可以看到：在编码阶段我们需要用到的时间以及不同位置搜索精度下的信噪比。我们可以从中找到一个平衡点作出性能的选择。

　　

我从事的是手游的研发工作，任职游戏策划（类似产品经理）。在游戏项目中，如果我们采取动画3D渲染2D的制作方式，那么一个游戏角色的动画就会生成一帧一帧的图片，我们称为序列帧动画。为了说明这个例子，我在搜索引擎上找到了一张样图：

　　

　　

可以看到，这是一个游戏角色行走的动画，在3D渲染2D的工艺后，变成了一帧一帧图片的输出。这是极其占用磁盘空间的。大容量的安装包对于手游用户来说也相当不友好。

　　

最近，我在和我的程序同事一起协作，我撰写序列帧压缩和解压缩的算法代码，他撰写应用在unity引擎上的代码，借此我们尝试解决这种3D渲染2D制作工艺在手游上应用的局限性，改善项目游戏安装包的容量过大问题。

　　

2）通过基础知识的学习，我开始可以独自阅读利用深度网络进行视频检测的论文。这使得我拥有了一枚钥匙，打开这个领域更深层次的大门钥匙。

　　

　　

这是一篇我在课程上选择自学和演讲的视频检测论文《Videoobjectdetectionwithtwo-pathconvolutionalLSTMpyramid》。

　　

在掌握了课程上半学期修读的基础知识后，利用这些知识我可以对论文进行自学和解读，例如这篇论文是讲述了：

　　

　　

通过引入多尺度的时间上下文信息的输入，使得模型增强了对检测大尺度缩小、大尺度放大物体检测的性能。

　　

　　

例如，当火车高速行驶，从近距离摄像头的位置到远离摄像头，火车在大尺度地快速缩小。图中第一行是标准线模型，随着一下子快速地远离摄像头导致的视觉物体缩小，检测出的置信度大幅度下降，而第二行的建议模型则依然保持着高置信度的良好性能。

　　

以下是我对论文进行presentation时的节选视频：

　　

　　

可以看到，我对论文中要通过建议模型解决的问题是有体会的，并且能跟着论文的思路进行一步一步地深入解读的。

　　

我相信，有了基础知识，通过后续自己阅读的论文越来越多，能够收获的知识也会越来越多，越来越深入地能理解这个领域下的课题。

　　

　　

接下来，我想沿着这个路径，看看注意力机制在视频检测上的应用。我会从transformer这个经典的论文《Attentionisallyouneed》开始。

　　

3）学习了双目的三位深度评估的原理，有了一个想尝试的研究（实践）方向。

　　

　　

在研究视频中的物体运动时，物体除了在水平的坐标上进行运动，它还会在深度上进行运动。这构成了一个二维世界与三维世界的对应关系。

　　

　　

在我们使用双目（两个摄像头）进行采样后，可以经过推理：只要计算出同一个物体在左右两张图片中的位置后，利用几何关系，结合两个摄像之间的距离、摄像机的焦距，就可以计算出物体距离计算机的深度了。

　　

在上学期学习ECE565ComputerVisionandImageProcessing(计算机视觉与图像处理)时，我有利用学习到的基础知识课余再去学习利用人脸的图像输入进行人脸识别。人脸识别中其中重要的一环的是判断这个人是活体还是诸如照片等的死物。

　　

　　

这个网络要求有3个输入，分别是人脸的RGB图像，深度图像以及红外拍摄的图像。利用这些输入的图像，通过深度学习网络进行二分类，区分它是活体还是死物。

　　

　　

在学习了利用双目进行三维深度评估后，我想尝试把输入修改为双目摄像机拍摄的图像作为输入，构建一个深度学习网络对人脸上的关键点进行检测，让网络学习到这些关键点上深度信息的二分类阈值，从而达到区分活体和死物的能力。

　　

如果能找到合适的训练集数据，我计划在2022春季开学前，工作之余抽出时间对这个思路进行落地：编码、训练、验证。

　　

从仅仅只听过“人工智能”“机器学习”“深度学习”这些名词，到目前有了基础知识和一些自学能力，我经历了四门课的学习。

　　

这个期间我是收获满满的。如果你对我前三门课的学习也感兴趣的话，可以通过这个链接看看我的经历和体会：

　　

伊利诺伊理工大学（IIT）课程就读体验如何？

　　

从我修读IIT的这四门课程来看，授课形式包括了上课（Lecture），作业（Homework），项目（Project），演讲（Presentation），期中考（Midtermexam），期末考（Finalexam），这期间，教授会带着我们一步一步地从基础慢慢深入，只要跟上教授的节奏，得到的学习成果会很不错。从目前我自己的情况来看，我是比较满意的。

　　

伊利诺伊理工大学计算机科学、人工智能、软件工程等专业的招生简章可以通过下面链接预约下载：

　　

无需出国在职读名校硕士-彼岸教育

　　

目前我的进度是2/5，距离毕业还有六门课需要修读，对于日后毕业时的我，我对自己还是非常期待的。

　　

研究生

　　

研招网上自己看，都是双证项目，那些让你读海外的，都是做不了学历认证的

　　

学校学到的属于谋生工具，会用谋生工具才是本事！