课程质量

屠老师的讲解应该算是我目前上过课里讲的最清楚的，跟着听整节课思路一直很顺畅，讲的速度把控也很合理，算是少有的听课的效率大于看课件自学效率的专业课了（对我而言

屠老师是用英语讲课的，但是听起来还是很友好的，本人英语不是很好，但是听这门课完全没有障碍。

不知道算什么

23 秋选了概率论被踢了，但是又选了机器学习和人工智能，无奈随便找了个国内的网课自学了一下，24 春再学🥄🐟老师的概率论，感觉质量上算是 “遥遥领先” 了。

课程

前几节课讲古典的概率统计一些模型，基本是高中知识。然后讲贝叶斯定理，引入随机变量，分别讲一些离散的和连续的分布，后面按模块讲了蒙特卡洛方法，概率不等式，贝叶斯统计推断，马尔科夫链，每部分后面都有些应用上的东西。

概述

六次 project，分别是：

• assembler 模拟
• risc-v 卷积实现
• 搭简单 cpu datapath（R，I type instruction only）

课程质量

很难评价这一项，一方面这门课有清晰的脉络架构，你能够知道在学什么，学的是哪一层级的内容，融会贯通之后确实能学到很多知识；但是另一方面两个老师讲的完全不清楚，每堂课仔细听下来也只能大概知道大概在干什么，只能通过后续的 lab/hw 的折磨中慢慢搞懂具体的细节。

简单来说就是课程内容质量高，授课质量低，自学能力越强这门课质量越高。

课程概况

人文课开始 curve 后，给分都比较惨烈，但是全部扔到大四似乎也不现实。科技文明通论作为人文课中没有很大 workload 又有相对合理的考核标准的课，还是值得在低年级修读的。

具体课程形式和给分标准

由四部分组成：

先来说说这门课的成绩构成：

• HW: 3 x 15%
• quiz: 3 x 5%
• project: 40%
• 没有签到，没有期中，没有期末

优点：

• 讲的非常细致，且知识点相对其他专业课非常少，愿意学都能听懂。
• 比较有用，对 CS 专业学生来说，后续很多课程要用（如数字图像处理），也能帮助同期课程的理解，比如概率论的 MGF、PGF 等，有助于提升一些数学的 insight
• workload 很适中，不是很多，又能帮助真正掌握知识
• 给分应该还行？不过我只有两个采样所以可以忽略这条

课程内容

课程整体的逻辑框架还是比较清晰的，可以看出孙老师对知识的理解也很透彻，但是感觉老师缺乏把知识有条理的讲出来的能力，经常听着听着就不知道在说什么了。课程难度上，虽然整体的知识是由浅入深的，但是实际上越前面的内容讲的越难，线性回归和分类那块引申了很多抽象的知识，反而后面的一些部分听起来很轻松。

这门课是纯纯的数学课，但是本身不需要很强的数学能力，只需要数学的运用能力，只需要看懂题目中各种数学符号表示的是什么，知道怎么用数学符号写明白解题逻辑，本身思路上是基本用不到什么数学的 trick 的。