113 - 2 修課回顧

# 113-2 修課回顧這學期總共修 24 + 3 學分，第一次完整體驗了 23 學分以上的學期，也體驗了助教這份工作，生活充滿事情的感覺不錯。題外話，這學期幾乎所有的作業我都是用 $\LaTeX$ 寫的，很麻煩但就當維持手感和成就感 ( 不需要 ) ## 0. 整理表 | 課名 | 體感學分 / 實際學分 | 推薦指數 | | :-: | :-: | :-: | | 作業系統 ( OS ) | 2 / 3 | 🌕🌕🌗🌑🌑 | | 人工智慧導論 ( FAI ) | 2 / 3 | 🌕🌕🌕🌑🌑 | | 數位影像處理 ( DIP ) | 3 / 3 | 🌕🌕🌕🌕🌑 | | 前瞻資訊科技二 | 1 / 3 | 🌕🌕🌕🌕🌗 | | 個體經濟學下 | 2 / 3 | 🌕🌕🌕🌕🌕 | | 總體經濟學下 | 2 / 3 | 🌕🌕🌕🌕🌑 | | 微積分 4 - 在經濟商管的應用 | 1 / 2 | 🌕🌕🌕🌑🌑 | | 日文二下 | 2 / 3 | 🌕🌕🌕🌕🌑 | | 桌球中級 | 1 / 1 | 🌗🌑🌑🌑🌑 | | 資料結構與演算法 ( DSA ) | 3 / 0 | 🌕🌕🌕🌑🌑 | ## 1. 作業系統 (OS) * 授課教授：施吉昇 * 實際學分數：3 * 體感學分數：2 * 課程類別：資訊系大二必修 * 上課時間：二 2, 3, 4 * 甜度：8 / 10 * 涼度：9 / 10 * 個人成績：A+ * 評分方式：程式作業 44%、期中考 28%、期末考 28%、一些額外加分 * 推薦指數：5 / 10 --- 這門課應該是到目前為止必修裡面最文科的一門課，課程內容除了少量的簡單計算之外，其他幾乎都是概念式的內容，期考中也有不小的一部分配分在名詞解釋上。此外，內容有不少都和 SP 重疊，只是不是從實作的角度切入，上學期從 PJ 的課上聽到一些可能在這裡會學到的東西，所以這門課感覺就比較輕鬆。上課不點名，但是有加分小測驗，最多似乎可以加到總成績 7 分 ( 作答率 4 分；正確率 3 分 )，另一班的這個制度有延續到期末，但我們班期中後就沒有測驗了，上課可以跨班上，所以不太清楚這部分如何計算成績。作業的部分是在 xv6 上實作作業系統的邏輯，裡面我最喜歡的是處理 slab 的那份作業，雖然 34 頁的 spec 超長，但真的有學到東西的感覺；除了這份之外我認為這門課的作業有待加強，難度雖然簡單，但是敘述不清楚，例如排程的那份作業，助教提供的測資很奇怪 ( spec 裡的範例並不在公開測資裡面 ) 又很弱，也可能是因為我想不夠多，在 private 測資被扣了很多分。總之，我覺得作業和內容難度比起之前的程式課都來得低，段考也是把書背好就可以拿到不錯的分數，應該算是最好爭取高分的一門程式必修課。 ## 2. 人工智慧導論 (FAI) * 授課教授：陳尚澤、陳緼儂 * 實際學分數：3 * 體感學分數：2 * 課程類別：資訊系大三必修 * 上課時間：三 2, 3, 4 * 甜度：8 / 10 * 涼度：9 / 10 * 個人成績：A+ * 評分方式：作業 40%、期中考 30%、期末報告 30% * 推薦指數：6 / 10 --- 因為內容與前面的必修沒有很強的關聯，所以我就提早修了這門課，後來發現這門課基本上是把之前的課再講一遍 (X 兩位老師上課都不點名，前半學期教的是有效率的搜尋和機率，基本上除了 A*、對抗搜索和命題邏輯是新東西之外，其他都在 DSA 和機率學過了，老師講話偶爾卡卡的，網路上有全英文的一樣的課程，我後來比較傾向用那些影片上課；後半學期教的是機器學習和一些 GenAI，但作業主要還是機器學習的部分，而軒田 ML 教一個學期肯定還是比較詳細，所以作業的整體 loading 感覺起來比較低。作業都有手寫部分和程式部分，題目大部分都和去年一樣 ( 其實我覺得很沒誠意 )，後半學期的程式作業需要寫 report，但是助教們給分似乎很隨意，不用寫很多就可以拿滿，讓我有點小失望 ( 我都有好好寫的說 )。考試的部分幾乎沒有出到課外，但是難度並不低，我也粗心錯了一些題目 QQ，所以期末報告要更用心一點做拿高分。期末報告和去年一樣是德撲 AI，但是意外頻傳，助教在截止前一週把別人寫的開源程式的 bug 修掉之後出了更致命的 bug 和造成 performance 的下降，再次修復好已經是截止前兩天了，雖然最後有把死線延期，但是還是讓不少人感到不滿，再加上評分方法很奇怪，玩 20 輪後看誰籌碼多，這實際上跟猜拳沒什麼兩樣，我有寄信向老師和助教們提出一些建議，希望之後應該不會繼續用這個題目，至少不要再用這個評分方法。講義和作業都不是這學期好好生出來的，以這學期當助教的經驗和角度來看，我覺得老師和助教應該花更多時間在這門課上。 ## 3. 數位影像處理 (DIP) * 授課教授：李明穗 * 實際學分數：3 * 體感學分數：3 * 課程類別：資訊系選修 * 上課時間：四 6, 7, 8 * 甜度：? / 10 * 涼度：6 / 10 * 個人成績：A- * 評分方式：作業 40%、期中考 30%、期末報告 30% * 推薦指數：8 / 10 --- 因為之前實驗室有用到一些影像處理的內容，所以想說來好好的學習一下 ( 雖然我離開了ㄏㄏ )。這門課初選限大三以上，大二的加簽優先級也比較後面，所以我到了加退選最後一天才成功簽到。課程內容主要是基本的影像處理的原理，像是模糊銳化、邊界偵測、形態學處理等等，作業部分就是實作出這些效果，不過很多關於 threshold 的決定沒有明確規定而是要自己去試出最合適的值，所以作業們對我來說需要花不少時間 ( 調參大賽 )。期中考蠻難的，班均 71 分，我也沒有考得很好，成績出來有考慮停修，但是因為期末報告已經開始運作，為了不搞隊友就繼續撐下去了。期末報告的時程很特別，從期中結束就持續有進度 ( 報告 ) 壓力，所以主要的工作都在第 10 - 14 週做完了，並沒有在期末的時候占用到很大量的時間，這點我覺得挺不錯的。整體來說，這個課我覺得在內容上和時間分配上我蠻喜歡的，但是我也發現到自己對於影像處理似乎沒有那麼在行，之後可能會再看看其他的專業領域。 ## 4. 前瞻資訊科技二 * 授課教授：很多 * 實際學分數：3 * 體感學分數：1 * 課程類別：資訊系選修 * 上課時間：五 7, 8, 9 * 甜度：10 / 10 * 涼度：6 / 10 * 個人成績：A+ * 評分方式：每個老師都有 100 分，共 700 分，依比例切等第，點名沒到扣很重 * 推薦指數：9 / 10 --- 上學期聽同學們說前瞻是甜涼通識，A+ 率約 60%，所以就選了，畢竟之後這種衝 GPA 的課可能就會被學校限制了 ( 悲 )。這學期有七個教授上課，內容大致上是各個被邀請來講課的教授講述他們的研究內容和成果，課後會有由小考或作業，但幾乎都不會太難 ( 除了傑帆的作業 )。因為只有課程一開始點名，所以不少人會在第一節下課之後離開，所以確實是蠻甜涼的一門課。這些主題裡面我最感興趣的應該是林風老師的 ( 應該不是因為第一堂課我還不會翹課 )，暑假考慮寄信去看看實驗室。 ## 5. 個體經濟學下 * 授課教授：黃貞穎 * 實際學分數：3 * 體感學分數：1 * 課程類別：經濟系大二必修 * 上課時間：三 6, 7, 8 * 甜度：8 / 10 * 涼度：10 / 10 * 個人成績：A+ * 評分方式：期中考 50%、期末考 50%、上課發言加分 14% * 推薦指數：10 / 10 --- 老師的上課風格和各種規定都和上學期大同小異，所以我學期初就是去一堂課發問拿加分就離開了，不過後來老師改成寫紙條說明提問並在課後交，我就幾乎沒再去了。這學期講比較多市場和賽局，內容上比起上學期更有挑戰性，我也更感興趣和熟悉，不過下半學期的 Groves-Clarke mechanism 我真的沒有辦法從書上或老師的講義完全參透其中的道理，只能用他的機制推得一些結果，所以很遺憾的在最後一次期考被扣到分數 (? 上了三個學期的個體和總體，我很明顯地感覺到我對個體比較在行和有興趣，之後的選修應該也會以個體的專業為主。 ## 6. 總體經濟學下 * 授課教授：蔡宜展 * 實際學分數：3 * 體感學分數：2 * 課程類別：經濟系大二必修 * 上課時間：五 2, 3, 4 * 甜度：7 / 10 * 涼度：10 / 10 * 個人成績：A * 評分方式：作業 20%、小考 20%、期中考 30%、期末考 30% * 推薦指數：8 / 10 --- 這學期內容我認為相較於上學期難了不少，這次大致圍繞著兩個主題 ( 經濟成長模型、兩期模型 ) 在跑，變化很多樣，算是對這些內容有比較深入的探討。小考和作業的題量很大，小考一小時寫起來很趕，甚至寫不完 QQ。期中考漏讀一張直接 -15 分，期末考的經濟直覺失靈，應變量的改變幾乎全部通靈失敗 ( 悲 )，然後就吃 A 了... 雖然還是感覺自己沒有很 get 到總經，整體來說和上學期相比，我更喜歡這學期的課。 ## 7. 微積分 4 - 在經濟商管的應用 * 授課教授：紐培卓 * 實際學分數：2 * 體感學分數：1 * 課程類別：經濟系大一必修 * 上課時間：一 3, 4, 四 3, 4, 10 * 甜度：9 / 10 * 涼度：10 / 10 * 個人成績：A+ * 評分方式：作業 20%、小考 30%、期考 50% * 推薦指數：6 / 10 --- 這跟我想像的微積分課很不一樣，前三週教的是線代，在呂式教學的~~摧殘~~淬鍊之後，我確實沒學過~~行列式~~正定半正定，但是前面講基底的時候就很輕鬆；後四週教拉乘，應該是為了總經的多條件最佳化問題打基礎，但是因為我本來就知道怎麼做所以也沒感覺，比較酷 ( 沒聽過 ) 的只有包絡定理。因為老師就是照著課本講，所以我還是直接自己啃書，textbook 是數學系的教授寫的，我覺得挺清晰的，作業大多是從上面出的，難度算簡單，小考也都蠻友善的。期考只能用麻煩來形容，用拉乘解線性規劃真的挺搞笑的，一個佔了三面的最佳化花了我寫整份快一半的時間，真的是很躁。總之我覺得沒有學到很多東西，只是一門必修。 ## 8. 日文二下 * 授課教授：石川隆男 * 實際學分數：3 * 體感學分數：2 * 課程類別：一般選修 * 上課時間：二 2, 3, 4 * 甜度：9 / 10 * 涼度：4 / 10 * 個人成績：A+ * 評分方式：? * 推薦指數：8 / 10 --- 感想大致同上學期。 ## 9. 桌球中級 * 授課教授：王傑賢 * 實際學分數：1 * 體感學分數：1 * 課程類別：體育 * 上課時間：二 8, 9 * 甜度：3 / 10 * 涼度：3 / 10 * 個人成績：A- * 評分方式：兩次比賽 + 兩項動作 * 推薦指數：1 / 10 --- 想修體育課但其他想學的球類的初級都沒抽到，所以就留在這門比較好抽的中級。結果這門課讓我大大失望，和去年修的桌中感覺差很多，用比賽決定成績，還會浪費所有人的時間在課間排賽程，十分不推 ( 怒 ) ## 10. 資料結構與演算法 (DSA) * 授課教授：林軒田、蔡欣穆 * 實際學分數：0 * 體感學分數：3 * 課程類別：擔任助教 * 上課時間：二 6, 7, 8 * 推薦指數：6 / 10 --- 上大學目標之一就是當助教，所以就加入了這個團隊，我屬於程式組，負責出大作業的程式題，但是我出的題目都屬於模板題，丟給如今十分強大的 LLM 幾乎都能夠解開，所以在出題方面我比較沒有成就感。不過 TA Hour 的部分倒是很有心得，因為我的上班時間是週一晚上，所以在作業截止前和期考前都會生意興隆，對於能夠 ( 或多或少的 ) 幫到很多修課的同學們我很開心，這也是我想當助教的初衷之一。此外，額外的收穫是認識了其他的助教，因為大一的時候免修了幾乎全部的必修所以很少去系館，也和系上同學的互動很少，這學期因為這個工作多了很多朋友，也發現到自己身邊真的很多沒有交集的強者，相信自己未來能夠從他們身上學習到新東西。 ## 總結這學期一樣有接補習班的工作，但是因為和去年的內容一樣所以和去年相比輕鬆了不少，再加上逼著自己在作業公布之後就開始慢慢處理、盡早寫完，所以少了很多趕死線的壓力，在生活上比較有餘裕處理各種外務，希望之後可以維持住這個習慣，把時間掌握在自己手上。 113-2，修24學分，共同必修1學分，主修必修6學分，系/院選修6學分，雙主修必修8學分，一般選修3學分，GPA 4.16