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。