编程综合实践 · 修读回执档案

**课程内容：** 点开今年AI1803大纲的那一刻，我的失望是当场到账的。2024-2025学年还是自学然后肝MLP之类大作业的路线，今年倒好，直接塞了两周线下授课（请了吴军教授来讲），而且似乎一头扎进数据结构与算法。问题是我大一下已经把**数据结构**啃过一遍了，大二上又要学**算法设计与分析**，在这个时间点往小学期里插一门同样讲算法的课，我只能缓缓打出一个问号：这算「承上启下」，还是算把同一盘菜热了三次端上来？ 课程名叫「编程综合实践」，但到目前为止，我愣是没从里面捞出多少跟「实践」沾边的东西。平心而论，吴军教授的课确实称得上「妙趣横生」，可截至目前讲的内容——算法复杂度分析、递归、排序、树——全是数据结构课里已经走过的路，于是上课的体感就变成了：花着小学期的时间，做着复习的动作。对SAI的同学来说，小学期更该给的是对AI的一些了解，或者把我们coding能力往上抬一抬吧？我不敢代表学院其他同学，但就我个人而言，我更希望这门课是完成若干个综合性的project，而不是把学过的数据结构知识点再回锅一遍。 当然，说它完全不实践也不公平：课程后半段是有个project的。然而，可能是我太愚笨了吧，那project的文档看得我一头雾水，颇有梦到哪句说哪句的感觉，还带着明显的AI生成痕迹。project的技术栈是Python，但迄今为止我们所有的课都没教过相关内容（我当然知道自学是必需的，这里单纯吐槽一下这个设计），这样真的好吗？一句话：以我比较低劣的水平，离开AI辅助我根本没法从project文档里读懂要求、再写出合适的代码实现。 **叠甲：关于project的评价，绝对没有针对吴军教授或者助教们的意思。** 据我所知助教们开发这个project的时间是很短的，在这么紧张的时间里端出很高质量的project绝非易事，这点我完全理解。写这条评价主要还是给课程提供一些个人反馈，希望明年设计能再优化优化。 **上课自由度：** 不高。每节课课堂中期都有签到题，签到像闹钟一样准时来敲门。 **考核标准：** 10%出勤+30%作业+60% project **授课质量：** 尚可。我认为主要矛盾在课程内容的设计，而不是授课质量。吴军教授上课会分享一些大厂面试题，也时常提到「Google小趣事」之类的东西，教授本人很有亲和力，助教们也都很好。再次叠甲：以上课程评价对事不对人。 **其他想说的东西：** - 授课时间和地点。这门课一周三节，每节连上四堂课，而且全部安排早八开局，对我这种已经进入暑期状态的人来说，挑战性属实有一点。授课地点在下院的阶梯教室，座位空间和桌面空间都比较狭小（对比中院唯二的优势是椅子更软、桌下有插座，利好带电脑），座位数量又和上课人数十分接近，落座感受可以用「摩肩接踵」来形容。要是能换到类似东下院阶梯教室那样的场地，我想我的上课意愿会高不少。

课程内容：算法导论，顶着编程综合实践的名，干着数据结构的老活，挂羊头卖狗肉的一把好手。 上课自由度：一般，每节课有纸质签到，签到纸张叠起来都能出书了。 授课质量：吴军老师上课挺有趣的，讲了一些面试小题目以及小tips，但是上课内容与上学期的数据结构以及下学期的算法设计高度重合，与编程综合实践课名相差甚远，实在不懂这门课安排在小学期的意义是什么，这名字起得跟本人不太熟。 作业安排：6次小作业+1次大作业，小作业大多是算法导论书本上的原题，大作业是助教出的出租车司机决策问题。说是锻炼编程能力，但小作业只用写伪代码，大作业的要求又高于初学者的水平，实在没有不用AI手搓写完的能力呀，伪代码阶段躺平，大作业阶段诈尸。 给分感觉给了所有人100分，虽然对排名0个影响，但还是很感动，如此为我的绩点考虑的课不多了，纯学生友好型慈善机构。

课程内容：没有课程内容。 上课自由度：没有上课，所以可以说自由度直接拉满，荣登最高。 考核标准：基础作业是基于jittor框架写一个MLP并对一个多元函数和MNIST进行拟合，然后有基础的同学他会给出一些提高作业可以选，能替代基础作业，给分很好。 授课质量：没有授课。 叠个甲：本人对严教授的科研成果和能力十分尊敬，仅针对这门课做出评价。 能看出这门课的主要目的是让ai专业的大一学生尽早认识、接触以及体会神经网络的构建，练练写训练代码的能力。 但我想说，如果说完全不教学、让同学们纯自学，那开这门“课”的意义何在呢？如果这是个暑期实践或者类似的东西，我不会有意见；但作为一门课，我不认为完全让学生自学（不是指教得很烂被迫自学，而是明确表示不授课、完全自学）再去完成大作业的“课”能被叫做课。 倘若对一个高中时没基础、只靠大一学的c++和数据结构的同学来说，直接自学用python写出MLP，这件事跟课程毫无衔接。本身大二下才学机器学习，那么这门“编程综合实践”在毫无教学铺垫的情况下布置这样的任务，还说“如果这门课学不好，后面学习也会十分吃力”，就显得有些越俎代庖了。 我完全清楚大学自学能力的重要，也非常清楚想学好一门课必须靠自学；我理解严教授也许很忙，难以拨冗给本科生授课；但我仍然认为开一门课而不进行教学，不能算合理。也许改成暑期项目实践会更合理。 给三分是因为如果真自学下来，确实不失为一次能力提升。单论这门课本身，也许并不值得这个分数。

目前是这门课的第二节课，到目前为止这门课的所有内容都和数据结构完全重合，重合度不是一般的高，高到我以为自己时空穿越回到了上学期。 我不认为在小学期开一门和数据结构、算法设计与分析内容完全重合的课程是合理的，并且上课中间会有签到题，相当于要求学生必须到场听一遍听过的内容，把已读内容再已读一遍。 （事实上我认为早八来教室上这门课完全是浪费时间，不如自学，这是对早八最大的冒犯） 吴军教授的讲课我认为并不差，这也是给两分的原因，如果不是课太勾史，光冲讲课我倒是能多给点。 --- update:现在是这门课的第三周，个人认为Project的内容有很强的ai生成迹象，拆分的三个说明文档个人第一遍看完全不知所云（这三个说明文档内容上有相当的重合，不知道是不是不同助教写的），一个文档已经把我看晕了，三个文档直接进行循环性脑暴击。 目前维持评分不变，后续看看给分情况。 --- 这门课的给分看上去很不错，不过鉴于这门课过于勾史，对coding能力提升程度过于有限，维持原判，给分是好给分，课是坏课。

课程内容：好，好得像夏天第一口冰西瓜，挑不出毛病 上课自由度：高高高高，高到离谱，高到人已经飘出窗外，高到怀疑自己是不是来上课的 考核标准：选做基础作业/提高作业，基础作业简单好玩，简单得像新手村，好玩得像偷偷摸鱼还拿经验 授课质量：好

re: #53519 个人认为开设这门课的意义在于： - 提供资源：不管是硬件资源还是热心又给力的学长学姐，都超出了我对一门实践课的预期，属于买菜顺带送了袋辣条和赠品的体验 - 学习知识，锻炼能力：分层级的作业梯度（当然这个梯度跨度有点大，跟峡谷滑索一样）让几乎每个人都能够接得住并且学有所成 我的一些见解和看法，只是就事论事： - 个人认为“不教东西”不能当扣分理由，实践课的家底本来就该压在“实践”上，要是照老派打法先学Python再学神经网络最后轰隆来一发大作业我反倒觉得寡淡透顶。而且这课的注脚严自己也讲过就是要我们速成科研能力的培养，课程内容也确实交付了对应效果。 - 同时这课对新手相当仗义，课程群里挂着学习资料的推荐，选小作业的话时间松得能养鱼，缓冲期给得满满的，用一个月从零基础学到能搞出一个算子根本不是事。 - 我觉得上面这两点就足够让我给它满分，当然不是所有人都爱这口散养式打法。我不想纠结一门课不带“教”这环节还配不配叫课，于我而言能力涨了，资源揣兜了，正反馈也齐了，那我就给满分，不多bb。

总体内容楼上同学写得已经很到位了，我这补充几句个人碎碎念。 真不太理解开这门课意图何在，复习数据结构？预习算法？作为sai的学生大一基本全在啃数学代码这些相对古老的理论——当然没有说它们不重要，打基础确实有必要——但学院是不是该塞点ai相关的课呢？强基机械的同学都上过人工智能基础，真正人工智能专业的学生却只上了半个学期的“人工智能导论”，甚至没学过python。。。（当然sai大佬云集，肯定很多佬早已自学精通）但我觉得总得顾及一下基础没那么好的同学吧，哪怕开一门选修课也行啊。。。实在不明白开这么一门算法导论意义何在。。 当然吴军老师十分热情，课程讲得也很好，会介绍一些大厂情况和脑筋急转弯（？）很有启发，好评。

好，好得很，好到你只能说出一个好字。