数值分析 · 修读回执档案

课程内容：跟科学计算基本一致，外挂一块数值积分的内容 上课自由度：没有签到，这一点直接给到夯。 考核标准：20平时作业＋40大作业＋40期末（闭卷，填空＋选择＋大题） 授课质量：没去上过课，二倍速直播回放讲得还挺清楚的。唯一槽点就是PPT上的东西碎得像被搅拌机打过，期末闭卷复习起来累得要命。 补充：助教态度确实不咋好，而且大作业给分迷得非常劝退。对于助教，我只能给到一颗星。

【课程内容】 传统数值分析：插值、逼近、数值积分、ODE数值解，四位老前辈站一排；外加凸优化基础和机器学习简介——这块像火锅里突然扔进一块生日蛋糕，争议主要集中在这儿，下面细说。 【上课自由度】 无签到、无点名，出勤全靠良心，自由度直接拉满，已经没法再往上加了。but老师的PPT基本属于“目录+悬念预告”，课上会往里面猛塞内容，所以还是建议去听（） 【考核标准】（以下平时分数据来自canvas课程页面-评分-查看详情） 20%平时——本学期共8次作业，每次4～5题左右，题量不大，主打拿基本方法算具体东西，比如求某个具体函数在区间上的Hermite插值、算一个FFT、判断一个数值积分的代数精度、用多种课上讲过的方法求一个具体ODE的数值解并算截断误差，etc.。这一部分基本给满，属于送温暖。 40%程序作业——共四次，一次100分折合10分，本学期班级均分（查询方式见本小节开头）91.75、92、93.12、89.73。这数据你要说高吧，它客观上也确实不算很高（8分折合成总评是3.2分）；你要说低吧，大作业质量又确实参差不齐（从助教老师在群里的消息来判断），存在少数低分把均分往下拽的可能，所以这均分到底算高算低，后面选课的同学自己端水吧。大作业整体难度不大，vibe coding加人工修改润色，一次几个小时就能打完收工。 40%期末——总体上难度不大，大题比较常规，全是最后一节复习课上强调过内容的直接考察（but复习课重点安利的各种优化算法流程一个没考，考前真的背了好久TAT）；选择填空考了不少优化和机器学习概念题，比如高斯核函数的特征空间维数、核函数有效的条件、ID3算法和C4.5算法依据什么划分数据，等等。虽然我觉得这么考意义不大，但分值确实很可观。是真的要背，不背就是当场瞪眼干着急…… 这门课最突出的点就是平时分占60%，所以期末备考压力不大；同时本学期大作业相比马老师上两门课有了很大改进，至少不是那种十六周布置十七周提交的极限操作了，最后一次大作业留了将近一个月（一个多月？）的时间，最终截止日期是十七周周日（考前一天）。 【授课质量】 前半段（优化之前）个人觉得总体很高，能看出老师水平很高，是真能把一个问题的动机、核心想法、推导思路捋得明明白白，时不时就给你来一下顿悟的快感；而且课程整体难度不高（尤其相比同学期的抽代实变而言，简直就是课表里的休息区），听起来就很愉悦。这里必须给老师点赞，讲得真好，有些时候真给我听爽了hhhh 同时，少数具体计算的地方可能会稍微冗长和欠缺严谨性。比如样条函数那块老师算了一节课，我个人觉得没太有必要，告诉思路让同学课下自己算一个可能更有效率；再比如三角逼近那块，关于离散三角基何时仍正交、三角逼近多项式何时也是插值多项式，我个人觉得没讲明白（当然也可能是我没听懂），课后自己推了一遍，证明和结论都和课上有所出入（我觉得应该自己推的是对的www）。当然瑕不掩瑜，上面这段属于鸡蛋里挑骨头，只是想说课后一些细节可能还是得自己推一推、证一证。 关于后半段优化和机器学习，这块内容的地位其实很尴尬，因为后续都有相关必修课程（对双学位而言），所以肯定不能讲太深；但这门课的前身（科学计算）一直会涉及这块，也可能有其考量（but个人觉得那是建立在往年最优化不是必修、机器学习不开课这一基础上的，现在仍然保留下来的合理性有待商榷），于是最后就成了证明讲不深、结论偏介绍、名词和理论堆积的场面。笔者个人这部分听课体验不算好，很多地方模模糊糊就过去了，还是等下学期正式学的时候再说吧。 其他方面比如助教相关，笔者基本和助教没有联系过，也不好做评价；这篇评价具有很强的主观性，任何有失偏颇或欠妥的观点欢迎指出。 一言以蔽之，不错的一门课，同时也存在着有待改进的地方（and老师好帅！），综合来看打四分吧。 P.S.走过路过，看在全程手敲、写得这么真诚的份上，给孩子点点赞吧🥺新版传承积分好像又开通了用选课社区点赞兑换的渠道，但孩子现在是真的一个积分也没有了，哭哭 P.S. of P.S.诶好像只有发布点评能得积分，点赞应该不行耶（）

不是，怎么这么多东西要背。 你甚至能在数值分析课上听到大篇幅的Monte Carlo、凸优化和机器学习。那这课到底改成啥了，跟以前科学计算差在哪，差别就是以前开卷现在改闭卷了是吗。 背到脑壳冒烟，再扣一颗星。关键是这些东西背完还不知道题能不能做出来，给我的复习生活镶上了十分绝望的底色。 课程内容：线搜索，梯度下降，牛顿法，kkt，对偶，线性规划和单纯形法，等式约束，内点法（今年内点法不考）——以上复制自本院下学期课程《最优化方法》（李磊）的评论区。 第七章：凸集、凸函数、凸优化问题、对偶理论、KKT条件、梯度下降法、Newton方法、等式约束Newton方法、内点法（重点考）——以上来自最后一节课老师划的重点。 一共八章，其中一章就是另一门单独开的课的全部内容，甚至还涵盖了那门单独开的课不考的東西。 我是真的不太好理解。 7.10，出分后更新：成绩基本就是估算的卷面成绩，考试还算比较简单（除了那个让人一头雾水的填空）。这门课我一共就考前学了两天，听完复习课按要求背完之后，除了填空题基本都能写出来。凸优化老师复习讲了很久，好多地方都说要“全文背诵”，但其实都是唬人，考得很简单，大题就出了一道。机器学习部分填空题很阴。但我依然觉得，既然你课名都从科学计算改成数值分析了，就该只讲、最起码只考数值分析，我们又不是没有凸优化或者机器学习的课。 这门课分差应该基本上不大，因为期末只占40%，平时作业大家应该也都是靠AI交的，助教也是随机挑几个看不顺眼的扣多点分。考试有比较大的背诵量，还好我们是第二周周一考，如果后面的学生考试时间改了可以提前规划下时间。

课程内容： >Slides的地址： > >https://zheng-teachings.netlify.app/numerical-analysis > >鼠标移动到左下角可以调出更多功能（如所有幻灯片、用笔标记等），上面网址访问可能需要魔法（不确定）。 点开之前先得念个咒，没点魔法上网手段属于是站在门口看菜单，不确定，反正我怀疑。 课本和他讲的不完全一致，可能就不应该看课本 课本：我是教材。他：我是教材他爹。俩人各说各的，可能课本这东西在这门课里就是个装饰品，看它干嘛。 上课自由度：我基本没去，没签到 教室对我而言是个传说，签到这东西跟我八字不合，压根没碰过面。 考核标准：小作业20%，大作业40%，期末40% 小作业20%，大作业40%，期末40%，三兄弟凑一块正好一百，主打一个大作业坐C位。 授课质量：还可以，先给4星，期末考完再改 还行，先挂四星，期末之后再决定是升是降，先挂着。 给我3.7，但是卷子有填空题，这谁会啊，所以维持原判 3.7到手，但卷子上居然有填空题，这玩意儿谁填得出来啊，所以维持原判，四星不动。

课程内容：插值、逼近、数值积分、常微分方程数值解、凸优化、机器学习——一条龙服务，从数值摇人摇到机器学习，最后发现自己最该被拟合。 上课自由度：高，基本放养状态，全靠自觉。 考核标准：20%平时作业+40%四次大作业+40%期末闭卷考试——四发大作业对准你，期末再来补一刀。 授课质量：别踩了我不评价还不行吗——我都已经闭嘴了，你还要我怎样。

课程内容：函数插值，函数逼近，数值积分，蒙特卡洛方法，但是你们猜怎么着，居然还打包附赠了大量的凸优化和机器学习内容？？？这课上的像点了一份数值分析然后店家疯狂往里面加香菜。 上课自由度：很高 考核标准：期末填空题还是太逆天了，考这么多本来不属于这门课的边角知识算什么？大作业也是毫无意义 授课质量还是比较高的，最后一节课会划一部分重点。

课程内容：不是，这门课干脆改名凸优化得了，整整讲了一个多月的凸优化，PPT写得那叫一个“精简”，精简到我两眼一抹黑。 考核标准：扣分狠得堪比高利贷，一点情面不留，顺带助教经常不回微信，态度也就那样。

为什么从开卷变成了闭卷，我背着背着整个人直接塌房了。老师讲得还行，明天考完我再来改这条吧。

开卷变闭卷666，这波操作属于是把救生圈当场扎漏。