杨晓 · 工程问题建模与仿真修读档案

课程内容： 两个工程案例学习，年复一年，就是这么年年恒定 上课自由度： 挺高的，课前签到打卡即可，你下面爱干啥干啥，无人看管 考核标准： 27平时分，33案例一，40案例二 授课质量： 还行，主讲课就围绕matlab基本语法和案例介绍展开，给分特别好，面谈只需在自己那个时间段到场走一趟就行

课程内容：课程组统一，一路上刷掉几个课程小怪，然后迎来两个大boss：一个标定拟合优化问题，一个马尔科夫链优化问题，都是拿matlab手撕现实问题，matlab主要依靠你自己上供时间自习 上课自由度：一般，一学期半学期要上课，人在那就是打卡，偶尔还随机出几发随堂作业加签到 考核标准：27平时，33项目一，40项目二 授课质量：就属于过了那条线还行，不是那种镁光灯往讲台打的老师，但事儿少，给分标准得像老国营食堂，完全可以上桌，偏水偏松弛

课程内容： 两大课题——MATLAB实现遗传算法、蒙特塔罗仿真，外加一堆小零碎。 上课自由度： 中等。每节课签到，学期有两次课堂任务，除此之外不管你。但一学期大概有一半的课时是自己在家做、不用去课堂，而且老师经常提前下课。 考核标准： 27平时（出勤、研讨报告（每人一次），小作业），33project1，40project2。 pro1给分不好，难度较大；pro2相对简单。 授课质量： 还不错，ppt逻辑比较清晰，只是课程跟学生的编程基础有点脱离，更多依靠AI来教。 学会的顺序通常是：听课听不懂/不听课——让AI读ppt总结，看懂一点——让AI写代码（很可能跑不动或者结果明显不对）——再仔细检查项目的逻辑，让AI再详细分析——向AI提出更准确的要求和注意事项，指导AI用正确的方法写代码（这时你完全理解项目在干什么了）——代码跑起来，可能有点瑕疵（你很恼火，死活找不到AI写的代码逻辑问题何在）——再按不同算法逻辑引导AI优化代码（优化完你完全理解了这个项目，但还是不明白AI写的错误代码错在哪、对的代码对在哪）。 这门课总让我觉得AI很没用，把十分详细的项目要求发给它，却不能一步到位做好，总要人来想精辟问题、给AI指方向，它才做得好。一个大project往往用各家AI写了十几份代码才完成。 不如改名叫“教你（逼你学）如何问AI问题”。

# 老师人很好！ 老师很和蔼，这门课其实去不去听课都一样，自己扒参考资料就能活。有基础的同学上这门课属于白给，没基础又不擅长自学的话，也许可以考虑换个讲课更带感的老师。

课程内容： 上课自由度：不高，每节课都要求扫码签到，面谈也就算了，每个人都要在是很逆天的，签到签到感觉像在打卡上班，还是不带工资的那种。 考核标准： 授课质量：讲的一坨，讲个遗传算法不知道在讲什么东西，前五周就把人搞晕了哈哈哈哈哈，最后敲代码还是要自己去看b站看传承祖传代码 真是这个（大拇指），古人传下来的代码比我家族谱还难破译。