一、学习方面
很多学弟学妹都对每周要花多少时间学习这个问题比较感兴趣，其实我个人感觉学习时间取决于你选择什么课程，如果你选择都是神课，自然要耗费很多的时间和精力去复习和预习，不过你也可以收获到很多；如果你选择大部分都是水一点的课程，耗费的时间会相对少一些。个人感觉你可以多选择一些你感兴趣的方向的课程，如果你感觉学习压力很大，可以稍微选一门水课综合一下时间，把更多的时间花在对你未来职业规划或者你感兴趣的方向。
个人感觉其实UCLA的在课程设置上还是很人性化的，并没有特别紧张。在这里顺便说一下我之前上过的课程
Pattern mining and machine learning（CS 276）
Software engineering（CS 130）
Networking（CS 118）
Natural language processing（CS 269）
Artificial intelligence（CS 269）
Large scale network（ECE 232）
Bioinformatics（CS 229）
Computer social impact（CS 259）
个人感觉2开头的课程普遍要比1开头的课程load要小一些，但Pattern mining and machine learning（CS 276）这门统计课程属于一个例外，load还是偏重的。如果你选择是2开头的课程比较多的话，那么更多还是要靠你课下自学，单纯靠上课讲的内容是不太够的，课余时间多上上相关的网课或者看看论文都是不错的方式。
如果你未来的职业规划是想找工作的话，在校期间可以多学学mobile和web的相关课程，比如说Web development（CS 144）这门就是围绕Web前沿技术展开授课的；如果你对machine learning engineer相关岗位比较感兴趣的话，可以考虑上CS 276和CS 269这两门课程，虽然课程workload比较大，但认真学习的话，可以学到很多有用的知识。还有CS 118和CS 111也是很不错的课程，可以学习到infra相关的知识。
成绩拿B其实并不是特别难，只要你好好跟着上课、按部就班完成作业和project，还是很容易拿B的。但对于一些神课而言，本身workload就偏重，再加上课程难度偏高，拿A就需要多付出一些了。
UCLA的师资还是很不错的，因为我本身是CS项目，所以我这里侧重介绍一下UCLA CS项目的师资团队。第一个要介绍的就是Lixia Zhang，作为一个CS Networking届的领军人物，业内的知名度还是很高的，毕业于MIT，她曾带领着自己的团队开发出IPv6，我还是很崇拜这位老师的。如果你对CS Networking这个方向比较感兴趣，强烈推荐选择Lixia Zhang的课程，有机会的话，尽量争取到research的机会。
第二个我们来了解一下Song Chun Zhu教授，这位老师是统计系和CS系的双院系教授，主要的科研方向是Statistical modeling、Computer vision，如果你对machine learning感兴趣，或者未来的职业规划是从事machine learning engineer岗位的话，推荐你去选择Song Chun Zhu教授的machine learning这门课程，绝对不会让你失望的。
第三个我想要介绍一下Paisberg教授，这位教授的主要研究方向是编译器和编程语言，上课逻辑清晰，上课方式也比较简单，主要就是阅读论文、讨论和分析论文。每节课上课的时候，她都会让学生来分析和讨论一篇论文。由于目前工业界渐渐在引入Functional Programming，好好上她的课程，可以让你对Functional Programming有一个整体的了解。
最后一个我想介绍Majid教授，这位教授的主要研究方向是Wireless Health and algorithm Design、Health analytics。随着AI技术和无线网络的发展，健康医疗系统在目前的大环境下也渐渐发展了起来，通过Majid教授的课程和项目，你可以对无线网络和machine learning在医疗中的运用有所了解。
