研一的学习生活结束了，做一个小小的总结。
主要课程有：
– 矩阵理论
– 随机过程
– 最优化
– 凸分析
– 机器学习
个人最喜欢的课程是《矩阵》《随机》《凸分析》以及《机器学习》，课程内容是一方面，老师的授课方式授课态度也不无关系。
《矩阵》的老师是本科时教授过我的《线性代数》的李老师，后来做美赛的时候他又是我的指导老师，研究生又选上了他的课，缘分颇深。李老师授课方式温文儒雅，是一位很“慢”的老师，也因此，不习惯他授课方式的同学经常会打瞌睡，我也是保持这听一小半、自学一大半的节奏。可能是因为研一上学期的时候，科研上很多地方都要用到矩阵，上课内容有些契合，学得挺开心。下学期的时候请教他矩阵优化有关的问题，李老师很耐心地解答，是一位很好的老师。
教授《随机》的覃老师是数院大boss之一，选课的人数非常多，他讲课也很有激情。覃老师的授课方式偏应试，会跳过很多“不重要”的内容，尽管如此，《随机》是我听的最认真的课程。因为它很有意思。概率是在刻画单个随机变量，随机过程则是在刻画样本中的所有随机变量。从水滴到波浪，还是波浪好看些。
《最优化》是研一学得最差的一门课，这个得拿出来说说。非数院的老师讲数学方面的专业课程，实力确实有所欠缺。于是，授课变成了听PPT复读机，可惜了这门好课。
《凸分析》是研一下的课程了。数院的张老师讲课非常细致，上课的课件是所用教材的PDF，然而基本没用上，张老师的板书非常好。学习这门课最大的收获是基本可以理解论文中的优化方法了，之前只知道how，现在对why也有一定理解了。虽然现在科研中遇到优化问题，第一反应还是去找其它工作有没有类似的，看看它们的解法，但谁又说得清以后会不会遇到不仅要求解、还要做收敛性分析的情况呢？
上面提到的主要是数学方面的课程，同在这个范围的还有《模式识别》、《图论》。这么一看，我选的大部分研究生课程都是数学课。数学确实是科研的有力武器！计算机方面选的最重要的课是《机器学习》。
徐老师开设的《机器学习》课程是计算机学院最火的两门课之一（还有一个是肖老师的《算法》），然而徐老师觉得大班的讲课效果并不理想，于是只开设42个人的小班。庆幸在选课那天的最后一轮，晚上11点多，刷了十多分钟，把别人退下的名额给重新选上了。这是一门很容易“发呆”的课程，因为课程上的内容与我所做的工作有很大的联系，所以上课的时候经常会想怎么用课程有关的内容来解决我的问题。因此，产生了很多不太靠谱的点子，虽然做paper review的时候发现大部分都被人做过了，但至少说明我的思考方向没有错，嗯，我就是这么安慰自己的:)
研一的课程学习已经结束，考试也都考完。暑假以及研二，没有课的生活，科研和工程，怎么走，考不考虑读博，需要思考决定的事情很多，希望这样的总结能对我的规划产生帮助。
