人工智慧/機器學習領域，選愛丁堡還是劍橋？

題主現在有愛丁堡的Msc in AI以及劍橋的MPhil in Advanced Computer Science，另有一個劍橋的MPhil in Machine Learning還在等結果。從學術水平上看（主要machine learning），哪家更強？

更新：劍橋MPhil in Machine Learning也有了offer。

我去年在愛丁堡念的msc，也研究過劍橋的項目(結論是不申。。。) 現在在愛大讀博，也有過劍橋phd的offer。

問這個問題 說明你是懂行的。我對劍橋項目的看法基本和另一答主一致。首先做ml肯定不考慮acs項目，但是對於speech是否劍橋一定更好保留意見。劍橋的表面好處是 專業focus，但是其實愛丁堡也完全可以達到同樣的深度(純粹因為愛丁堡nlp方向的體量)。劍橋的實際優勢是 大學的整體聲望， 周邊企業，以及你應該可以有機會和zoubin 學習。當然愛丁堡也有很多出色的教授，也有亞馬遜在旁邊，而且英國本身也不大(有碩士同學去倫敦找到工作的)。劍橋的缺點也是focus，speech的內容太多了，你不喜歡的話，別的選項似乎不多。

然後是愛大的好處。我不是很了解劍橋的研究情況，但是愛丁堡是第一個學期就要寫literature review，第二學期 proposal，暑期完成dissertation，說是一整年都有碰研究也不過分，而且實際上研究的學分比課程的也要多些。 然後是課程自由度，愛大信息學院(不管你實際的title是什麼)有近半課程學分可以選全校的課(除了醫學)，屬於親兒子專業。絕對不存在需要選不感興趣的課程的情況。然後愛大現在在蓋新的data science的樓，已經最近每周都有candidate talk，一直在招人。發展勢頭是不錯的。

劍橋ML項目的結合點在speech上，愛大AI項目的方向比較多，speech當然也很好，但最值得一說還是NLP (這裡特指text)。我的建議是純做ML或者ML+speech，選劍橋；ML+NLP，選愛大。

兩所學校在讀博機會上我個人感覺差別不大。課程設置上，愛大AI的180個學分中有80個學分是Research Review Proposal Dissertation，另外兩門ML的必選好課MLPR PMR又佔了40個學分。所以如果你想，可以把這個項目讀的理論性很強。剩下的60學分可以選幾乎所有數院開的課（比如運籌優化，當然每周得坐車去KB上課比較麻煩），如果做NLP可以有Accelerated NLP / NLU / Machine Translation / Topics in NLP可以選（前三門我都選了，體驗很好，最後一門的lecturer是我的畢業論文導師，所以比較了解）。其他的像Reinforcement Learning和Robotics也有很多人選。

另外這兩所學校在這個領域的友好往來實在太多了，愛大信院很多劍橋數學 / 物理本科背景的教授（比如MLPR PMR的兩位劍橋男神），劍橋幾個相關實驗室下也是一堆教授是愛大信院的PhD……所以彼此都很認可。綜上個人認為讀博不構成主要考量因素，當然distinction和獎學金無論在哪都是個門檻。

利益相關：愛大AI (NLP specialism) 在讀，已經收到劍橋NLP的PhD offer.

謝邀，這周比較忙所以回復晚一些。畢竟回答這種選擇去向問題還是要調查一下。其實英國的情況我不是很了解，我在美國，所以也沒什麼發言權，工作中接觸到一些愛丁堡的朋友，實力都非常強。

鑒於這兩個Master都是一年制項目，不用做太多research，所以從課程設置角度分析，愛丁堡的MSc是最適合ML和AI的，劍橋的CS碩士也有ML的課程但是主要是CS各方面的強化，作為PhD的預科項目。劍橋那個ML的碩士看起來更偏向Speech，而且是工程院的Speech組。

所以總的來說，如果想要學習ML和AI相關的技能，愛丁堡是更好的選擇。但是劍橋是頂級名校，如果考慮繼續深造PhD，我可能會選擇劍橋的ACS碩士，畢竟有更好的平台發展。如果畢了業直接去業界找工作，我會選擇愛丁堡的AI。如果要做自然語言speech的話，肯定去劍橋的MPhl ML。

以上僅為一家之言，僅供參考，畢竟每個人有各自的喜好，地理，氣候，學校情節什麼的。這兩個學校實力都很強。

分享一個cs ranking網站：http://csrankings.org/

選擇地區：the world

Areas: AI (或單項，如NLP, ML等)

相信能幫你大概了解情況。

個人想法：劍橋ML強太多，愛大NLP強太多。

劍橋裡面兩個Junior: RT和JMHL非常不錯的! Stat lab也有牛人搞高維這塊。愛丁堡培養過不少牛人，但說實話現在ML這塊不能和劍橋比，可能組規模都太小或者生源弱一些的緣故。搞ML理論這塊還是要數學強一點，至少推複雜公式要不太費力。搞AI其他方向像NLP，計算神經或者機器人什麼的倒無所謂了。愛丁堡NLP和general AI據說還挺好。