大学硕士到底学什么？
谢邀～ 这个问题，我分两个角度来回答你。一个是我作为一名本科生的感受；一个是作为在UW-Madison读研一学期的感受。
首先说本科生阶段，以我本硕都是读的CS而言（虽然硕士是在美帝读的，但是本科也是在美国读了4年啊），一般来说，本科阶段是学不到太多的“高大上”知识的，比如最火的AI、NLP或者CS理论领域的新技术。当然，每个领域的科研其实都有其自身的重要性（即使现在不火可能过几年会火起来），所以不能说是学不到高大上的知识啦，只是本科四年能学到的东西其实非常有限，想要学到一些非常专业的理论或者科研方法，基本是不可能的。
很多同学可能会觉得本科的时候学了各种编程语言，学了各种算法，怎么计算机就那么点东西嘛！ 事实上，本科阶段的学习，更多的在于打基础。什么是基础呢？就是数学和编程。
先谈数学，如果本身对数学没有特别浓厚的兴趣，建议不要去读CS的PhD.因为CS的PhD对数学的要求是非常高的。也许你在本科的阶段已经学过微积分、线性代数、概率统计这些课了，但是这些仅仅是基础的数理课程，在CS这种highly theoretical的领域，你所需要的数理知识远远高于其他学科。就拿我对门课的MSA603来说吧，它是研究数据的（这门课的prerequisite包括随机过程、统计分析、优化等等），而这些只是这门课上半本书的内容（另外半本书才是数据分析啊）。
再来谈编程，如果说你想学高大上的知识那就更需要学好编程了。无论是AI还是NLP都离不开强大的编程基础。举个栗子，如果你希望学AI，那你需要学会python，c++，linux的基本命令以及基本的AI框架（这个框架里包含了tensorflow或者pytorch等当下最火的深度学习框架，以及训练好的模型）。如果你想学自然语言处理，那你还需要掌握R和SQL。当然，学习这些框架和语言并不是让你去搞AI应用，而是希望你具备一定的研究和编程能力。当你学会了这些东西，你会发现你的视野开阔了很多。 至于你说的高大上知识，其实等你学完了上述内容，你已经可以触碰到一点了。接下来就需要你花大量的时间去做课题，做Project。在项目中探索发现新知。
说到项目，我想提一下我在UW-Madison所感受到的区别于国内教育模式之处。在国内，我们习惯于按照老师给的题目来做研究的课题，而在美国，老师并不会给你题目，他们只会给你研究方向和建议。具体做什么，怎么做，都需要你自己去想，去研究。这是很锻炼人的一种方式。
最后，希望你能够在学习中遇到更多志同道合的朋友和导师，能够学有所成！