高等算法 · 修读回执档案

上课讲的内容难到像在破译天书，作业也难，但workload不大，大作业还能选survey任务曲线救国，没有签到，给分很好，可以选scribe加点分，算法方向很推荐（感觉比安全方向的课wkld小很多，属于是卷得动的那种）

课程内容：极难 上课自由度：极高，考勤？查无此物 考核标准：任务量小 授课质量：中，跟着走有点喘，自学反倒更香 理论方向你永远可以压两把：给分和自由度，双双开挂，绝了

每次摊开作业前，都得先来视奸一眼上一位同学的评论，给自己一点心理安慰，不然真不知道该从哪儿开始绝望。

课程内容：理论计算机科学 - Karger最小割算法 - 集中不等式，球盒模型 - 哈希及其应用 - 连通分量的并行算法 - 高维几何 - 在线优化，线性规划，近似算法，椭球法，对偶理论 - 奇异值分解，半定规划 - SAT的随机算法，去随机化 - 马尔可夫链与随机游走 - 次模函数的最小化 - 理论机器学习，VC维度，梯度下降法 - 通信复杂度 上课自由度：极高，CS理论课祖传完全不考勤。 考核标准： - 60%小作业，共5次，必须英文，最好Latex模板，手写扫描也认。 - 前4次每次5~7道题，满分100分，其中第2、3、4次作业各埋了20分Bonus，作业整体难度大到离谱，可能几个钟头才憋出一道，然后可能还得推倒重来。 - 第5次撞在期末期间，所以只有4道题，满分70分，难度适中。 - 40%大作业，中英文均可 - 最后2次课进行10分钟PPT展示 - 大报告，2人合作则要求10页以上 授课质量： - 上课讲的内容完全跟不上，但有非常详尽的Lecture Script，完全可以自己啃。 - 参考杨宽老师那边的评论，刘思学老师的课没有考试，所以平时任务相对较多，但总体任务量适中~然而因为难度可能非常折磨~，且验(给)收(分)甜(慷)蜜(慨)美(大)满(方)，据老师给出的平均成绩为93.44。 - 总之如果不是对理论方向特别抵触，就可以(从计算理论开始)选理论方向。

课程内容： 随机算法、凸优化、马尔可夫链相关内容，塞满大量定理推导证明，基本算是一门数学课。 上课自由度： cs系特有的理论课，考勤完全不存在，来去自由如风。 考核标准： 50平时作业 50最后一节课的随堂小测 平时作业这学期一共四次，每次三到五题，难度拉满，量是唬人地少，但一题能让你盯到天荒地老也落不下笔。 期末小测难度极高，整张卷子空着的比写着多，写着的里面瞎写的又比会写的多，最后会按整个班级的成绩分布折算进期末成绩。 授课质量： 极高，老师讲课水平是真的极高，清晰又好懂，而且lecture notes质量也极高，只是有些定理的证明复杂到离谱，我反正是听不懂，不过最后考试也不太会考到那些。 总的来说，是一门事情极少、还能顺手薅到不少知识的好课，对数学不错的同学来说还是一门给分极高的课，非常推荐。

更新，考试了，试卷满分150分。个人感觉难度很大，不过老师说最后会调分。 --- 课程内容：涵盖了人工智能所需要的基本数学内容，主要三大块 - 概率论进阶(或者说就是数学专业概率论的一部分) - 线性优化与凸优化 - 马尔可夫链与强化学习入门 这门课确实难度比较大，但老师讲得深入浅出还是相当Nice的，每节课都是干货满满，基本上都是计算机专业同学没系统学过的内容。选这门课的同学基本有个共识：必须线下听，因为老师是板书，你稍微一晃神就直接过去了。老师跟助教答疑那叫一个耐心，作业难度也不小（大模型是做不出来的），不过我觉得整体课程体验非常好。上完这门课，基本上能补上跟AI试点班还有IEEE试点班同学在人工智能理论上的差距。老师给分也很慷慨，反正我个人感觉理论方向那两门课是完全优于AI方向的课程的，因为是真的能学到很多，而且给分非常不错。