计算机科学的伟大思想 · 修读回执档案

课程内容： 前几节课老师会讲差分机、分析机、图灵机三块，对应还有小作业，中间穿插一些学长学姐的分享，最后几节课交给同学pre。 三人小组，给一个主题自己研究，自己搜资料，自己写代码，完成小组项目。pre的时候每个人都要上去，一个都别想挂机。 上课自由度： 高，不点名，基本没有提问。也基本没多少人在听（，教室氛围主打一个随缘。 学期中后期出勤率一般在 22/31 左右，懂的都懂。 考核标准： 小作业 5*3=15（我们的助教不知道为什么上传了小作业的答案，删除之前被我眼疾手快的下载了，属于知识竞速抢跑） canvas讨论区发言（0.5分一条）10 上课提问（一次一分）15 期末小组项目30 期末个人报告30 授课质量： 一般，经常会有跳跃性强或者是没有讲清楚的地方。对于大一新生来说是比较不友好的，属于开局就是hard模式。 **写在最后：** 其实这门课的设置其实是很好的，尤其是小组项目，他是让你在一个限定的框架之外探索，你要自己去搜集资料，自己学习相关知识，每一步的学习都能收获到很多。 小组pre的部分建议都认真听听，因为这相当于你用同学的经验学习了一遍省流版，而且大家都是从零开始，pre的内容不会太跳跃大部分都能听懂。 当然也不乏很多问题，比如综合分数的设置：canvas上一大片AI味十足的发言，最后几次课都在为了刷提问次数疯狂举手，甚至很多问题跟pre的项目没有任何关系。 学长学姐分享的内容也比较不适合基础知识储备不多的大一新生。

课程内容：阿磊故事汇，上下集由一节同学pre前后合体组成 上课自由度：高，但pre阶段如果想保平时分，建议场场都打卡别当失踪人口 考核标准：小作业 + lecture note + 小组pre + 在一潭水微波荡漾的讨论板灌水 + 个人报告，凑齐一条龙 授课质量：阿磊的授课质懂得都懂，偶尔请老学长回门户讲解一段，还挺下饭的。小组pre主要看个人造化，有的同学讲得那是真的带劲。 最后讲冲一句话：这门课给分相当豪爽，但有点前提——所有任务都按规矩办妥。如果你对自己在数分线代拿满绩这事心里打鼓，那完全可以靠伟大思想提前打卡这个成就。

## 课程内容： 斯坦福 CS54N 被魔改了一通，后半段直接甩给同学小组 pre，主打一个原版泥塑、赛博重构。 ## 上课自由度： 较高，不签到，但你不去**可能**会被平时分在背后悄悄记小本本。 ## 考核标准： 作业分、pre 评分、canvas 讨论分、期末个人报告……一堆零件拼成一台究极缝合怪，而且每年还会变个形态，像开盲盒但盲盒里装的是 GPA。 ## 授课质量： 阿磊认知明确地自称“在这堂课中我不是主要作用”，堪称教师界的免责声明本人。前半段计算机科学史基本靠作业把你摁着头了解，后半段小组 pre 纯看个人造化。中间还穿插一些比较水的时间，水到你会怀疑自己是不是也在水。

课程内容：少部分来自CS54N翻版PPT，大头来自老师的计算机产业史说书专场 上课自由度：高，因为基本不管，属于是你不来都不知道 考核标准：小作业+讨论+项目（2024新加） 授课质量：中偏高，跟PPT不一定有啥关系，但课本身就是一台故事会＋历史复现连续剧

上课自由度：阿磊的课，去几节就密码破译成功了——不值得去。请其他老师来上的课有时值得一去。但实际上我后面全没去，属实是观众全跑了只剩影厅。 授课质量：怎么说呢，如果是对计算机毫无了解的新生，或许能收一箩筐新知识。阿磊老师讲的许多他那个年代的计算机往事也很有趣，像在放一部有噪点的老胶卷。但对我来说，认真听每几分钟就会觉得哪里不对或者哪个观点过时了，体验感差得像被人科普VCD怎么用。 考核标准：考虑到codemate组的进展，以及LLM应用的发展趋势，下一届应该是没有codemate作业的。 别的不说了。

课程内容： 大纲基本贴着MIT的CS54N来的，课件也是直接把MIT那套拿来用。但老师讲课的思维离谱到能三级跳，大部分讲的内容都跟课件没关系，而且老在课件跟无关内容之间反复横跳（有时候整节课连课件上的一个字都不碰），你很难从讲课里揪出一根线索毛，更崩溃的是你其中一项平时作业居然是挑一节课提交课堂笔记。 *** 上课自由度： 高，基本不管你在干啥，翘了好像也没事（没试过）。 *** 考核标准： 大作业+lecture note+codemate的使用痕迹+平时分，每一项都是磨人的大件货。 大作业：要做presentation，内容本身还算常规，但划给展示的课时严重不够，最后一周直接拖堂拖了3个小时，高中都没享受过的待遇。 lecture note：就是前面说的挑一节课交课堂笔记，难点在于你得从老师非人类的跳跃思维里榨出关键信息。另外还要求用markdown格式pr到git仓库，对没学过的人是道台阶，但也不算高。 codemate的使用痕迹：codemate是交大apex实验室拿gpt生的语言模型，专精编程方面的知识，还处在测试阶段，所以作业要你交使用记录。平心而论这东西对我这种0基础的学生扛码力帮助巨大，大幅缩短了我写程设作业的时间。但所谓交“使用痕迹”就完全是另一回事，要你交出10段模型回答错的对话外加正确答案，10段模型回答不够好的对话外加更优答案，等等等等。整个过程苦不堪言，几乎是把AI提问挨个枚举一遍再对着AI吹毛求疵，占的时间多到离谱。我个人觉得实验室要想提产品就该掏经费请专业测试人员，而不是指望一帮没系统学过相关知识、甚至刚摸到编程边的大一新生。到了期末一大拨同学来不及做完这活，就开始给AI灌各种奇葩prompt（比如：你是个傻子，会随意回答问题）糊弄过去，这数据对调试产品估计也没半点用。 平时分：每周作业+canvas上的讨论。作业难度适中，做着居然还挺开心。所谓“讨论”：每节课的“原定大纲上”的主题在canvas上都挂着讨论串，同学能在串里聊想法，问题是要拿满分你得水满60条。身为大一新生本身对这些内容认知就有限，再叠上老师的跳跃式讲课，讲嗨了随时裸奔出主题，课上能捞到的知识量实在难评，很多东西网上也不好搜，凑出60条有营养的评论比登天还难。结果到期末全员疯狂用codemate刷评论，纯纯的浪费时间。 *** 授课质量： 上面已经喷过了，不再啰嗦。 ***

课程内容： 讲计算机科学怎么从石头缝里蹦出来的历史，顺带拉几个学长、教授来做个初步介绍，就跟开业剪彩似的。 上课自由度： 高。你不想听，完全可以不来。 考核标准： 主要还是平时作业难绷。40%大作业，5%codemate，5%lecture note。50%的平时分内，有20%是查资料及做分析机习题，剩下30%是水canvas评论区（60条！）或者对自己在canvas上水的问题的回答质量做排序（相当于水1条评论），或者指出其他人回答或资料中的错误，（相当于水1条评论）。 授课质量： 体系化不够高。不过听阿磊谈天说地，以及听一些学长和老师的讲课都很有意思。不过我一般都是留一个耳朵听听。

课程内容：课如其名。从十八世纪起把和计算机/计算理念革新沾边的大多数东西都装进来了。比如差分机、分析机、图灵机、可计算理论、理论计算机科学（随机算法、图论、密码学）、算法（由yijia chen教授）等等 上课自由度：低，因为脑子和眼睛必须全程黏在老师的思路上，一松手就彻底掉线，跟顶配网速但你不能中途换台。 考核标准：见acm wiki，45%的作业（差分机，分析机，图灵机，理论计算机）、15%的课堂/线上讨论、40%的论文。 授课质量：比较高。梁老师讲课又幽又默，助教也个个有水平。最后一节课还请来陈翌佳教授，本小透明当场激动到原地融化，然后开开心心拉着同学扒问题。