写了点可能能帮到后来人的东西，放这得了，也算是给大二下画上一个圆满的问号。

AIDS课堂实践学导论.pdf

不想下载pdf的下面有正文。由于正文是直接从PDF转到AI的，可能有某些神秘错误。

还不出分

新鲜出炉的复习资料，修改了MongoDB不支持事务的bug。MongoDB从4.0开始支持事务了。

DataAnalysis一轮复习.pdf

DataAnalysis二轮复习.pdf

DataAnalysis三轮复习.pdf

距离考试还有最后1天孩子们，我们美酒了

复习资料为AI生成，仅供参考因为我也不知道有没有错

今年的考试有格调。

考察点（以题号为顺序）：

一、单选
1.结构化、半结构化、非结构化数据分类
2.回归、分类、聚类任务适用场景识别
3.Pearson相关系数的意义
4.统计图表选择
5.过拟合现象识别
6.爬虫、动态加载网页
7.辛普森悖论的实际情景计算
8.Apriori算法的反单调性
9.假设检验的α、p值和接受域
10.时间序列差分的平稳性

二、不定项
11.特征工程
12.ROC曲线/AUC
13.聚类：KNN、感知机和K-means
14.点估计的无偏、相合、优劣评判

三、填空
15.计算余弦相似度、SpearmanRank
16.计算Recall/F1-score
17.计算DCG、NDCG

四、简答
18.简述缺失值和异常值的处理意义并举出一个经典处理方法
19.解释min-max归一化和Z-score标准化的过程和适用场景
20.解释MLE、MAP和Bayes估计，并说明三者的联系和区别，例如MLE和MAP什么时候相同
21.解释时间序列分析中平稳性的意义，并说明非平稳序列如何平稳化

五、综合
22.ARIMA(1,2,1)的计算
23.决策树，信息熵和GINI增益计算
24.Apriori算法操作、频繁项集判断、关联规则生成、如何优化Apriori的效率（从多次遍历角度）
25.假设检验中原假设和备择假设的设计、正态分布下MAP的计算

公元2026年3月12日，67在课上声情并茂地为同学们朗诵了exp2的实验说明ppt。爬虫是什么？Request如何实现？什么样的User-Agent能够尽可能避免403Forbidden？我不知道。我只知道exp1只有几道简单（吗）的python编程作业，Vibe两下就能完成，但我没有。我享受着古法编程的快感。我们说古法秘制，一般是以历史纪年为数量级的，而不是地质纪年；同理，我们现在说古法编程，指的是没有AI，而不是Tab一下连个变量名补全都出不来。CODIA这个平台在功能优化上还是有很大空间，说人话就是一点都不好用。不过谁会在提交平台上编程呢？大家都是在自己的VSCode上先写好再复制过去的。

67在讲台上讲着KNN，讲着回归算法，讲着数据预处理，但我不想听——我是一个AI专业的学生，却在上DS专业最核心的课程。还记得第一次上这门课的时候，旁边的同学问我：“你是哪个专业的？”

“我是AI专业的。”

“那你为啥要上这课”

我不知道。这是一个令人恐惧的念头，因为我真的不知道为什么要上这门课，它只是不知为什么出现在了我的培养方案上。我刚开始并没有选这门课，而是选了llxx的计算机组成原理。我记得我唯一上过的一节计组课，那是一个阳光不太明媚的下午，llxx是一个满脸皱纹的老头，一进屋就开始给自己立威。下面列举几条：

1.上课不许迟到，迟到1分钟在门口罚站1分钟，迟到2分钟不许进教室，直到下课铃响。

2.没学过数电的同学“自行斟酌”。

3.本课程面向有志于从事计算机架构blahblah的同学，换言之，同学们应该冲着学习来，而不是学分。

第一条，我不好说这是怎么回事。我一直是一个非常听话的人，上课基本没有迟到过，但这种神秘的规定连我也觉得有些令人发指。因为第一节课就有迟到的同学，而llxx对他们的态度就像是见着了仇人。这些同学里面有叠课的，旁听的，还有午二睡过的。这让我想起另一个老头，不同于llxx，他会让迟到的同学偷偷从后门溜进来。

第二条，更难绷了，因为我们的培养方案刚刚把数电踢了出去。我上学期才庆幸不用多吃依托，这学期就被计组来了个下马威。虽然根据某些同学的描述，所谓的“需要数电基础”其实一个晚上就能速通，我还是觉得压力太大。同时，有一个老油子告诉我Verilog学完计组他一次也没用过。

第三条，我对计算机的底层架构研究并不感兴趣。我在上完ICS以后就意识到了这一点：计算机的底层架构太复杂了。各种寄存器、逻辑门和数据线让我头昏脑胀。如果能全身心地钻进去研究也不是不可以，甚至会有很大的收获，但我同时还有大量的其他课程——深度学习、数据库、计方……课表对我们的身心太不利了，我的ddl们坚持不住了，我的token遭受了巨大的损失，我的假期损失惨重，我得重新修读课程。

如果计组课上计算机专业的同学问我“你为什么要上这门课”，我同样无法回答。所以我上完第一次课就把计组退了。

回到这门课程，课程基坐标的正交性已经初现端倪：课堂、实验、考试（往年卷），如同直角坐标系的三根箭头，只有在课程的最开头才能在评分标准的那页ppt上交出一个惨淡的原点。太阳底下无新事已经是几千年前的话了，我们不断地想证明它的错误，可我们越要证明它的错误，就越是在证明它的正确。

2026.4.2我实在是受不了了，赶紧毁灭吧，我撑不过清明节了。

周四是我个人课表一周内第二牢的，虽然没有早八，但上午离散数学要上到12点，下午2点计算方法，然后是这门课。作为一个AI专业的学生，我自认为学习数据分析相关的课程还是有用的，但我真的太累了。今天上课的时候我明显感觉到头很疼，身上还呼呼冒冷汗。我需要去外面呼吸一下新鲜空气，睡一觉或者吃点好的，再开一把星际，什么都行，我太需要休息了。我只有在这里写评课才能保持清醒。

说到这个学期，AI专业的大二下终于脱离了大物实验和神秘的机器学习，但是接下来向我们走来的是深度学习基础，离散数学，计算方法和量子物理。同时还有4门专业选修课（计组、数据库、信号与系统、数据分析实践）。如此重的学习压力不仅让大二的同学们苦不堪言，也让大一的同学望而却步。昨天我还在和两个大一的学弟闲聊，他们都觉得大二太满，大一下又太空，想提前选课又怕坠机。而且据他们所说，所谓“魔鬼学期”“魔鬼学年”的说法不但传了下来，好像还多了一种骄傲的情感。听起来就像是“我们的学生上课又多又难，还有大量的实验，多牛逼”。那么骄傲的代价是什么呢？我无法回答这个问题，或者换个说法，我不方便回答这个问题。

我又想起了那门名字里带有“机器学习”的课程。它不像机器学习A这样又多又难又恶心，却仍然令我难过甚至心痛。当然，许多同学并不这么觉得，这从他们的评课中就能很明显地看出来——他们赢了。我不是一个社会达尔文主义者，但我觉得在这样一种内卷合理，甚至内卷崇拜的环境中难免会有这种想法：“任何不利的情景，都是由于当事人能力不足产生的”。

67又一次声情并茂地为大家朗读了exp3的ppt，但是依然卵用没有。我也没有任何心情听下去——很多不需要讲的东西被讲得太多，很多复杂的东西或者新的东西讲得又太少。这也正是我们生活的一个缩影——学了半天感觉毫无收获，起码累着了。如果把课程学习的过程看作一个强化学习，那么GPA和学到知识的感觉就是奖励函数的两个部分。GPA作为奖励太稀疏了，学到知识的感觉又完全没有，学个蛋。

孩子们，怎么开始讲机器学习了。

67曾经说过，数据科学有80%的时间在清洗数据，这门课程的ppt生动形象地说明了这一点：80%的噪声和20%的考点。我说这ppt可能也用了好几年了，也该优化优化了。

AIDS课堂实践学导论

王露露 2026 夏

引言

在USTC这所神秘的学校，学生们不仅要经受各种早期进组科研打比赛的折磨，还要吃各种课表上的大粪。虽然我们的很多老师都认为GPA不必看得太重，并坦言同学可以天天不上课泡在实验室里面，我认为仍然有必要给新同学们，尤其是刚入校大一同学一些必要的课业方面指导。在下面我会写到很多课程相关的内容，基本上是取材于上课实践，如果你是AIDS的同学，那么这本手册可能会是你以后要走的路。

蜗壳进阶联盟的本科生进阶手册其实也提到了很多这方面的东西，但是他们毕竟是官方组织，有很多东西是没有办法说的。所以我现在以个人的名义给后来人留一点东西。

由于篇幅原因，本手册编写的顺序可能不适合大一同学直接看，这也是大学教材的通病：你只有已经知道他在说什么的时候才能看懂他在说什么。如果你是大一的同学，可以风吹哪页读哪页。毕竟这也不是一个专业性的指导手册，只是一个普通同学上课期间突发奇想（恶疾）写了一点东西罢了。当故事看也没有任何问题，下面的很多内容和课上课下发生的事有关。

那我们话不多说，直接上干货。由于作者现在只有大二，课程概览仅供参考。这个部分可以去看进阶指南。

文中AI生成的内容由绿色方框圈出，致敬绿色圆圈，钢门。

目录

第一章 课要怎么选 7

• 1.1 用好评课社区 7
• 1.2 选课流程 7
  • 1.2.1 置课 7
  • 1.2.2 预选 8
  • 1.2.3 抽签 8
  • 1.2.4 正选 8
  • 1.2.5 锁定 8
  • 1.2.6 其他 8

第二章 课要怎么上 9

• 2.1 如何到课 9
  • 2.1.1 早八 9
  • 2.1.2 早十 9
  • 2.1.3 午二 10
  • 2.1.4 八九十节 10
  • 2.1.5 晚课 10
  • 2.1.6 习题课 10
• 2.2 坐哪里 10
  • 2.2.1 前排 10
  • 2.2.2 后排 11
  • 2.2.3 前后排博弈论 11
  • 2.2.4 拉电线 11
  • 2.2.5 其他事项 11
• 2.3 如何写作业 11
  • 2.3.1 如何自己写作业 11
  • 2.3.2 如何Vibe作业 12
  • 2.3.3 如何小组作业 12

第三章 课要怎么翘 13

• 3.1 请假 13
• 3.2 不建议直接翘掉的课 13
  • 3.2.1 体育课 13
  • 3.2.2 英语课 13
  • 3.2.3 大物实验 14
• 3.3 前两周的翘课与否 14
• 3.4 常用翘课技巧 14
  • 3.4.1 千里传音 14
  • 3.4.2 神游八方 14
  • 3.4.3 隔墙有耳 15
  • 3.4.4 随风潜入 15
  • 3.4.5 脚底抹油 15
  • 3.4.6 敌退我进 15
  • 3.4.7 五谷轮回 16
• 3.5 翘课的美德 16

第四章 如何和老师打好关系 17

• 4.1 为什么会有这个章节 17
• 4.2 教师特点分析 17
  • 4.2.1 青年教师 17
  • 4.2.2 中年教师 17
  • 4.2.3 老教授 18
  • 4.2.4 水课老师 18
  • 4.2.5 外教 18
  • 4.2.6 先进教师 19
• 4.3 如何向老师提供正反馈 19
  • 4.3.1 上课搭话 19
  • 4.3.2 课间饮水 20
  • 4.3.3 课后提问 21
• 4.4 套磁 21
  • 4.4.1 什么是套磁 21
  • 4.4.2 套磁技巧 22

第五章 如何应对考试 24

• 5.1 大学的考试长什么样 24
• 5.2 备考 24
• 5.3 考试事项 25

第六章 如何摆正心态 26

• 6.1 GPA多少才算够 26
  • 6.1.1 绩点分界线 26
• 6.2 目的导向的 GPA 需求 27
  • 6.2.1 保研本校 27
  • 6.2.2 保研外校 27
  • 6.2.3 出国 27
  • 6.2.4 奖学金 27
  • 6.2.5 就业 28
• 6.3 应对压力 28
  • 6.3.1 Peer Pressure 28
  • 6.3.2 不合理的作业 28
  • 6.3.3 努力不一定有结果 29

第七章 课程概览 30

• 7.1 课程综述 30
• 7.2 1秋 30
  • 7.2.1 数学分析 B1 30
  • 7.2.2 线性代数 B1 31
  • 7.2.3 计算机程序设计 31
  • 7.2.4 习近平新时代中国特色社会主义思想概论 31
  • 7.2.5 思想道德与法治 31
  • 7.2.6 现代信息技术概览 32
  • 7.2.7 大学生心理学 32
• 7.3 1春 32
  • 7.3.1 数学分析 B2 32
  • 7.3.2 力学 B 32
  • 7.3.3 热学 B 33
  • 7.3.4 一级大物实验 B 33
  • 7.3.5 中国近现代史纲要 33
  • 7.3.6 面向科学问题求解的编程实践 34
• 7.4 2秋 34
  • 7.4.1 复变函数 34
  • 7.4.2 概率论与数理统计 34
  • 7.4.3 数据结构 A 34
  • 7.4.4 计算系统概论 A 35
  • 7.4.5 电磁学 C 35
  • 7.4.6 二级大物实验 B 35
  • 7.4.7 人工智能与机器学习基础 35
  • 7.4.8 马克思主义基本原理 36
• 7.5 2春 36
  • 7.5.1 离散数学 36
  • 7.5.2 计算方法 36
  • 7.5.3 量子物理 37
  • 7.5.4 随机过程 37
  • 7.5.5 深度学习基础 37
  • 7.5.6 毛泽东思想和中国特色社会主义理论体系概论 37
  • 7.5.7 数据库系统概论 38
  • 7.5.8 数据分析及实践 38
  • 7.5.9 计算机组成原理 38
  • 7.5.10 信号与系统 38

第一章 课要怎么选

大一的同学开学后没几天就要选课，一般是在军训还没有完全结束的时候就要选了。彼时鸿蒙初开，绝大多数同学无法完全适应大学的生活节奏，选课也是懵懵懂懂就选完了。这会严重影响同学们接下来一学期的上课体验，更会显著地影响同学们的GPA。因此，尽早知道如何选课是极为重要的。所谓“选择大于努力”并非一句空谈。

1.1 用好评课社区

很多同学刚刚入学是不知道有评课社区这么一个东西的，导致第一学期选到了非常差的老师。中科大评课社区的网址是https://icourse.club，只需要拿自己的科大邮箱简单注册即可自由使用。上面有几乎所有你选课和上课需要的东西，包括但不限于往届学长学姐对课程、老师的评价、往年的ppt和考试题，还有很多神秘小故事可以看。总之，当你即将要开始选课的时候，一定要看看评课社区，能够给你的选课提供一些大方向上的指导。

当然，由于中科大GPA至上的氛围过于浓厚，评课社区可能会出现某些得到很高分数的同学炫耀分数或者得分很低的同学破防开喷。不要这样做。

1.2 选课流程

科大的选课流程如下：置课，预选，抽签，正选，锁定。

1.2.1 置课

所谓置课，就是不需要你来选课，由学院和教务处直接把你需要上的课塞到你的课表里。总体来看，置课对同学们的负面影响还是比较大的，具体而言有以下几点：

1. 置课老师不合口味。如果置课置到了一个布置作业超多或者脾气不好的老师，同学们的身心将会受到不同程度的伤害。每个同学都有自己的学习风格，置课的老师不对口也是常有的事。
2. 卷度超高。中科大的所有课程都有 (40%) 的优秀率限制，也就是说一个教学班（或者同一学年同一门课程的所有同学）只有 (40%) 的同学能拿到85分以上的总评。AIDS的卷度是出了名的高，这意味着你必须和同班同学进行激烈的内卷。
3. 课表限制。如果你想选择的课程刚好被置课占用，将会无法叠课。因为只有非必修课程才能申请叠课，但是置课一般是必修。

不过我们并非无计可施，就算置课了也是可以换班或者退掉再选的。如果确有需求，务必要提前安排好自己的课表。

1.2.2 预选

预选阶段你可以在课表不冲突的情况下任意选课。你在选课页面上会发现很多课堂的人数远超课堂限制，这些课堂的老师一般是讲课特别好或者给分特别好，可以结合评课社区进行选择。

同时，在教务系统中能够看到某些课堂的抽签优先条件，满足条件的学生将会比其他学生优先中签（一般按照院系和年级来限制）。

1.2.3 抽签

预选阶段结束之后教务系统会进行内部的抽签，在不超过课堂容量的前提下抽签决定学生能否加入自己选择的课堂。人数没有达到限额的课堂将会直接全体选中。

抽签开始的时间在教务系统的选课页面可以看到，一般持续一上午或一天。

1.2.4 正选

正选阶段开始时，你的课表上已经有了置课的课程和预选抽中的课程。对于预选抽签没抽上的必修课程，需要选其他课堂上课。

预选没抽中的课一般不用再考虑了（课堂容量已满），除非你能找到某个人，他选中了这个课堂但不想上，可以让他把他的名额转给你。但这事实上属于“违规操作”，因为教务系统可没有课程转让功能。达成这一操作的唯一方法就是他把课退掉你立马选上。

这样做有可能被别人截胡或由于教务系统原因而转让失败，请谨慎操作。

1.2.5 锁定

选课彻底截止的时间一般是第二教学周的周五，这个时候你应该已经上过几次课，对每个课堂有一定的了解了。在此期间，如果你对某个课堂不满意，可以在教务系统上退课并换到其他还有剩余容量的课堂。

由于很多主修课的老师会在第一堂课布置作业，这么做可能会引发一些作业问题。这个时候一定要及时找对应课程的助教，看看能否补交或补偿等。

1.2.6 其他

事实上科大的课表是非常自由的，理论上你能想到的操作都能以某种方式实现，这就需要你和任课老师/教秘直接提出需求，看能否满足（包括但不限于叠课、换班、重修、中后期退课）。

友情提醒：如果你觉得某一门选修课大概率要拉低你的GPA，可以直接找教秘中期退课。但是一旦本门课程的期末考核结束，原则上就退不了了（据说有退成功的，但本科手册是这么写的）。

第二章 课要怎么上

2.1 如何到课

2.1.1 早八

首先我要提醒：中科大的早八是7点50上课。

早八是全校翘课率最高的上课时间段，因此早八的老师一般会留有后手如点名、签到、小测等。同时，不要觉得《我高三天天12点睡5点起，早八没问题》。首先，暑假的三个月就会极大改变人的生物钟，开学的时候你的高中作息已经被冲的七七八八了。其次，在大学里熬夜到半夜一两点是常态，原因有很多：作业写不完、ddl赶不上、打游戏/刷视频等忘了时间，以及各种因素造成的人睡困难。

早八到课是一件比较困难的事，需要克服生理和心理上的各种障碍。下面几点能够让你的早八上的更加舒心：

1. 早睡，尽量在12点之前入睡。
2. 睡前不要吃太多东西，但可以多喝水。
3. 一定要在睡前收拾好包，不要忘拿上课的东西，保证一起床一拎包就能出发。
4. 闹钟定在7点左右，如果起床墨迹可以酌情提前。
5. 可以定多个闹钟，但要考虑室友的感受。
6. 一定要吃早饭，特别是有早十的情况下。

2.1.2 早十

早十一般指9点45上课的课。相比于早八，多了两个小时的缓冲时间，可以供你睡爽。当然，睡到完全爽是不可能的，因为熬夜接回笼觉极有可能会成为早十到课的杀手。同时，早十一般会排很多数理基础课，值得认真听的课程比例较大。

下面几点能够让你的早十更加舒心：

1. 如果要睡，定9:00左右的闹钟，给自己留出洗漱和买早饭的时间。
2. 如果课要上到12:10，可以带点吃的。

2.1.3 午二

午二就是2:00上课。鉴于大多数早十的课程都是两节课就下课，中午休息的时间还是比较长的。很多同学都会选择睡午觉，然后一睁眼发现已经晚上7点了。同时，虽然科大的校园面积并不大，在教室、食堂和宿舍之间通勤还是比较费时费力的。因此，如何利用好中午的时间将会极大地影响午二的到课。

下面几点能够让你的午二更加舒心：

1. 每个人的午睡习惯不同，如要午睡最好1点之前躺到床上，保证1点半左右能醒。
2. 午饭不要吃太多碳水化合物（如米饭、面条），否则容易晕。
3. 如果上节课上到12:10，可以考虑不回宿舍，直接去教室。

2.1.4 八九十节

八九十节的课程主要是思政课或者专业核心课。

如果是思政课你可以好好休息。从纯功利的角度来说，科大的思政课基本都开卷，多数老师的课堂只要到课就能保证拿到大部分平分时。在课堂上你大可以躲在后面玩电脑或者写作业，但是不排除有某些老师会小小阴阳一下同学们。

如果是专业课我建议你好好听。如果觉得太无聊/听不懂的话可以去B站找替代品。AIDS的专业课很多都是参考国外高校的课程开设的，所以直接学原汁原味的国外课程没有任何问题。

2.1.5 晚课

晚课一般是实验课或者通识课。实验课去就完了，通识课看个人情况。注意通识课老师还是会点名的，不要无脑翘课。

2.1.6 习题课

习题课严格意义上来说不算课。理论课的助教会不定期开展习题课或答疑课，主要内容一般为作业习题讲解、知识点复习、吹水等。去习题课可以向助教发射巨大提问喷流，或者趁机补交作业/要往年题。完全不去也没有任何问题，毕竟是占用大家休息时间，是不会强求每个人都去的。

2.2 坐哪里

2.2.1 前排

选择坐前排说明你大概率是要好好听课了，当然，有没有好好听课是另一回事，小手机真好玩。前排能够非常高频次地和老师交流，这是一个很好的点，因为大多数人会选择不听课甚至不到课。在这种情况下老师是非常乐于跟同学们进行各种形式交流的，包括但不限于问题，解答习题，喷嗑。

2.2.2 后排

选择坐后排说明你大概率是要好好歇逼了。首先不要有任何负罪感，因为有很多课确实听了不如不听。其次坐后排不等于不会被提问，有些老师为了课堂活跃度会专门提问后排的同学或拿着点名册抽同学。

当然，坐后排还有一个好处，那就是如果班上有什么神人神事的话能够尽量避免被波及并以一个比较舒适的视角看热闹。作者提醒您：不要惹是生非。

2.2.3 前后排博弈论

某些老师可能会在到课人数不足时让后排的同学坐到前排，这引出了一个间题：如果想要上课时尽量靠后，应该坐在哪里？

老师调座位的本质是用后排的学生填补前排的空位，因此这个问题实质上是要找到不会被往前调的最后一个位置。简单分析后不难得出这个位置大概在：

\(r_{best} = r_{total}*\frac{S}{\gamma V}\)

其中 \(r_{best}\)为最佳就坐排数，\(r_{total}\)为上课教室的总排数，S为到课人数，V为教室容量， γ 为座位占用率，通常以0.5以上为宜。

引入座位占用率是出于教室一般坐不满的考量。当然，对于很多人满为患的课程，这个数字往往能接近1，因为还有旁听的同学。

考虑到某些老师有点后排同学回答问题的爱好，实际位置一般再往前移一点为宜。当然，如果教室本身就很小或到课人数很少的话，这个值的意义不大。

2.2.4 拉电线

有些时候（很多时候）你会需要在课堂上长时间使用电脑。就算是大教室，插座的数量也是有限的，而且一般和座位有一段距离。有条件可以买个长线插排。如果别人想来借你的插排不要太抠门，独乐乐不如众乐乐。但是不要插排接插排，容易跳闸。

2.2.5 其他事项

如果你需要频繁出入（如上厕所等），尽量坐靠近门的边缘座位。

2.3 如何写作业

写作业是大学生活中不得不品的一环。作为AIDS的学生，应当使用AIDS的办法完成作业。

2.3.1 如何自己写作业

自己写作业是最传统的写作业方法，主要手段是手，纸笔和电脑。网上说说得了，现实中谁不想急头白脸地窝在自习室写一天作业呢？

自己写作业的最大优势是你会知道你都写了什么东西，对于很多实验课来说这是一件非常好的事情，可以让助教提问你的时候更加从容。同时，你写的每一道题每一行代码都会过一遍脑子，即使是左边进右边出。

自己写作业的最大劣势是写不完。首先大学的作业和高中的很不一样，你必须在除了学业的各种事情中抽空完成作业，很多同学是没有大量连片的时间来完成作业的。因此，自己写作业也不完全是大学生活的最优解。当你发现ddl一个接一个赶不完的时候，是时候启用禁忌的力量了。

2.3.2 如何Vibe作业

Vibe作业，顾名思义，用AI写作业。年少不知AI好，错把手写当成宝。扣了分跟助教，想想不如抄AI。

Vibe作业的第一要素是找一个强大的AI。如果你非常富有，你富有炸了，你充了某GPT的Pro，那还说啥了直接就是一个代管了。没有强大AI的同学也不用紧张，DeepSeek和Kimi已经能解决课程中绝大多数的问题了。

Vibe作业的第二要素是看清作业要求。某些课程为了防止同学们滥用AI，会强制要求作业必须是手写。这个时候我们就不能用AI直接生成文档。如果你们遇到了比较阴险的助教可能还会在作业要求的pdf里面塞白色的小字，诱导AI作出指定的结果并以此为依据判定AIGC。

Vibe作业的第三要素是一定要人工复查。当你一句话就能让AI完完整整地完成一份看上去还可以的作业时，就要警惕自己能不能学到东西了。当然，学到东西是一方面，降低AI率是另一方面。AI的语言风格非常有辨识度，尤其是在一些语气词和代码注释上，这可能会让助教/老师认为你没有认真完成作业。如果很不幸你的AI脑子一抽，还可能出现如下惨案：

2.3.3 如何小组作业

小组作业也是大学生活中不得不品的一环，而且一般会在评分中占有比较大的份额，包括很多竞赛也需要组队。

在组队阶段，最好找已经认识的熟人组队，在交流上能省不少事。

组好队一定要尽早确定分工，而且分工越明确越好。比如数学建模比赛的时候，一般三个人会分为建模手，代码手和论文手。

如果和队友出现了意见分歧，不要急着吵架，更不要对队友进行人身攻击，要理性地探讨。如果时间精力充足可以分头行动，等做出效果再比较。

队友不干活的情况建议设法确定队友不干活的原因，如遇恶意摆烂建议跳槽。

当然，在AI盛行的大背景下，有一个好的Agent在很多时候可能比队友还要强。某些大作业或项目完全可以靠AI单人完成。

第三章 课要怎么翘

免责声明：作者本人不对读者读完本章节进行翘课带来的任何后果负责。

3.1 请假

请假的成功与否和任课老师本人的态度关系很大。有些比较好说话的老师你只要和他说一声就可以请到假，而有些老师则是非得要班主任的签字假条不可。这个时候就需要看人下菜碟。如果是临时有事需要提前离场，则课前应当向老师说明；如果整节课都无法到场，则可以通过邮件向老师发送请假说明。

如果需要长时间（以天为单位）离校，那么一定要和班主任进行请假，并和任课老师说明情况（如果你错过了某些作业、小测或考试等）。

与此同时，如果你和任课老师的关系比较好，那么请假成功的概率会大大增加。一般来说，关系好到任课老师对你有印象就可以了。

3.2 不建议直接翘掉的课

3.2.1 体育课

所有体育课的分数分布都是136分布：平时出勤分10分，体能测试30分，期末考核60分。体能测试就是12分钟跑/1000米/阳光跑，期末考核和具体的体育科目有关。

为了确保同学们的出勤率以及人身安全，体育课每节必点名且不允许早退。而且根据教务处的规定，缺课（无论请假与否）数量达到总课时的1/3及以上无法参加期末考试。

如果感觉不想练的话可以给自己减负。体育课的训练项目要求一般不会卡太严。根据作者体适能I和体适能II的经验，完全不摸鱼会得到一个持续5天的debuff，好不容易痊愈了又要上课了。

3.2.2 英语课

在25级的英语改革后，学校的英语课有L系列的4个级别和G系列的3个级别。G系列需要到堂上课的英语课课时量比L系列有所缩减，这更加意味着到课的重要。按照各种对英语课的评价来看，几乎所有英语课都会有各种形式的签到/小测。某孙姓Chubby的英语读写进阶更是每节课小测。

英语课的班级一般在30人左右，某些课人数可能在15左右，这种小课堂一般会在每节课正式开始前进行全量点名。

3.2.3 大物实验

大物实验的时间是同学们在大物实验平台上自己约的，所以第一件事就是要记得自己哪天要做大物。

由于全校通修的一二级大雾不设置考试，给分全看平时成绩和报告。如果平时不来的话会严重影响给分。

一定不要迟到，大雾对到课的要求非常严格。

3.3 前两周的翘课与否

由于第一第二周课程名单尚未完全确定，因此老师一般不会在这两周点名。翘掉这两周的某些课程一般是无事发生的。但是很多课程的考核方式、期中/期末作业、课堂纪律等等事项一般会在第一节课说明，课程群也一般会在这个时候向大家公布。因此我个人建议不要翘掉第一节课。

一种比较常见的策略是第一节课上了就可以翘前两周内剩下的课了。当然，课程的前几节一般是知识点概览或者课程概要之类的东西，漏掉也无伤大雅。

老师们也知道在前两周同学们是可以自由换课的，一般不会进行小测。

3.4 常用翘课技巧

3.4.1 千里传音

一个篱笆三个桩，一个好汉三个帮。当你翘课的时候，最好有好同学在课堂上帮你充当眼线。如果老师进行了点名或小测，你的好同学就可以及时通知你。

在科大，由于各种课程惨淡的到课率，点名的时候代答到的现象几乎是没有的，也几乎不会有人选择代课。因此，在课堂上有关系好的同学非常重要。如果关系特别好，说不定还能帮你偷偷多交一份课堂小测。记得事后请人家吃饭。

当然，如果你火急火燎的在第二节课下课的时候进教室，可能会招致老师的压力。

本方法适用条件：有到课的死党/闺蜜，老师/助教脾气好

3.4.2 神游八方

如果你只是不想听课，想写作业/玩手机/玩电脑，那么其实你可以到课堂上玩。所以这个方法严格意义上不算翘课。

这里的一个重要课题是是否戴耳机。如果你想享受音乐/开声音打游戏的话最好戴耳机，避免影响到别人。注意有些老师喜欢看花名册提问同学，这个时候不带耳机能够让你分出一部分注意力到课堂上，从而比较好地应对可能的提问。

在座位选择上，尽可能选择后排的座位。到后排晃悠的老师很少。由于上课坐后排的同学偏多，需要早点到教室占座。

在课堂上睡觉不是不可以，但是不要打呼噜，以及不要被老师发现。

本方法适用条件：能按时到课

3.4.3 隔墙有耳

神游八方的进阶版。如果你觉得老师讲课的时候你没法专心写作业/听网课等，你可以在你上课位置的附近找一个没有课的教室来写作业。

当然，这样你依然有可能会错过可能的签到或小测。鉴于存在大量的小测安排在快下课的课程，使用本方法要求能够在下课时趁乱潜入教室。如果小测在课中间那就没招。

对于线上签到的课程，本方法有奇效。

本方法使用条件：隔壁教室不上课、线上签到、课堂结束时小测。

3.4.4 随风潜入

科大的很多课喜欢在第二或第三节课点名，因此我们可以把第一节课翘掉，然后趁课间混入教室。

这一操作的要点在于如何让老师看不出来你是混进来的。某些老师会趁课间给助教安排工作/接打电话等，可以伺机钻进教室。如果有出来接水或上厕所的同学，可以跟着他们一起进入教室。

不背书包能够明显降低被发现的概率。你可以把书包放到教室外面，这样几乎没人能发现你是刚刚进来。

其实大多数时候你就算上课的时候直接进来也没多大问题，不过有些老师可能会脸色很难看。

本方法适用条件：对身法和走位要求高，随身物品少，教室有多个门。

3.4.5 脚底抹油

我们既然可以翘掉课程的前半，相应的，我们也可以翘掉课程的后半。如果上到第二节课以后你突发恶疾，感觉人生失去了意义，想去码头弄点薯条尝尝，那么可以尝试提前开溜。

如果你决定某节课早退，在选座位的时候尽量选择后排，上课也不要回答问题（除非被点名），不要让老师对你产生印象。下课的时候同样趁老师不注意溜出去即可。注意不要背包，可以把包放在教室里的隐蔽位置，或者交给好同学保管。

如果这节课在第一节就进行了点名，那么后续的课堂人数大概率是不断递增的，老师也大概率不会进行二次点名。当然，为了防止同学们早退（以及为了课堂的正常进行），点名和小测一般放在后面。请自行斟酌。

不要在后面还有课的时候使用这个翘课方法。比如你周一上午要上1234节，那么12节不适宜用这个方法。但是如果AIDS把课全都置课在同一间教室的话另当别论。

本方法适用条件：随身物品少，已经点名/小测

3.4.6 敌退我进

由于点名非常的费时，老师一般不会选择连着几节课都点名。因此，如果某个老师在本节课点名，那么他下节课大概率不会点名。

由于存在一些神秘的巴巴博弈，这个技巧可能会导致点名后的一节课到课率大幅降低并引发亚空间风暴。

3.4.7 五谷轮回

如果你课上到一半的时候想上厕所并和老师打报告，那么老师一般会同意。由此，我们可以通过上厕所来逃离课堂并玩手机。

这一方法的要点在于只能在课上到一半的时候使用，而且一定要像是想上厕所。换言之，演技要好。

特别想上厕所的时候的表现：眉头紧锁、捂肚子、冒汗、走路步频高步幅小。

最后记得：出了教室一定要朝有厕所的方向跑，不要离开太久。

3.5 翘课的美德

翘，还是不翘，这是一个问题。

我们总说要抛弃高中思维、学生思维，这意味着为自己的选择承担全部后果。翘课意味着你放弃了课堂，转而去寻求你更想要的东西。那么，古尔丹，代价是什么呢？

前安徽省教育厅厅长，伟大的人生和数学分析导师程艺教授曾经说过：“同学们该来上课的时候还是要来。”虽然他本人一次也没点过名。

每个人翘课都有自己的理由，就像每个人活着一样。生命的意义只有两种，要么无聊地等死，要么想办法不无聊。

拓展阅读：翘课大师

翘课大师与易大师、武器大师齐名，是万世之战后的第一位大师。

在互联网一战开始时，翘课大师年芳六岁，初出茅庐便已展现出强大的翘课素养，经常翻窗户出去和米米世界战斗。上课的老师有着血怒Buff，但翘课大师早早建了信标，有抗性提升Buff。

翘课大师英姿飒爽，经常依靠自己从撑杆僵尸身上学到的跳跃技巧翻墙出去打游戏，但是其实他都是钻狗洞出去的。

到了黑网吧以后，翘课大师找网管办卡。开完机子以后开始快乐的撸啊撸。翘课大师在召唤师峡谷中对人机释放阿尔法突袭，因为玩匹配的时候塔的范围不显示，导致每次都会送塔被队友举报。

翘课大师在黑网吧的机子上找不到星际争霸II很生气，一转眼看到墙角有人撸啊撸，于是开着高原血统从网吧后门跑路了。

翘课大师掏出手机开始打音游。由于Phigros谱师想到哪里写哪里，翘课大师可以在Phigros里面打中二。翘课大师的唱打功力了得，甚至能让2085羞于曾经说过：“哦，哦，阿姨，阿姨哦啊哦偶呕噢”，然后断触了。

翘课大师没有参加过万世之战，但是他曾经带着两个基洛夫空艇轰炸了克里姆林宫，后来在一个叫冰天雪地的地方被七个尤里打崩了。

翘课大师参与了互联网一战，在快手上跟米米世界战斗，并杀死了古振兴的浮木。翘课大师有一天发现快手上有擦边主播。看到榜一大哥刷火箭，于是翘课大师也开始擦边，最后号被超管封了。

在互联网一战结束后，翘课大师年芳七岁。翻窗户去黑网吧的时候，翘课大师忘记了二年级的教室在二楼。翘课大师尝试落地水，但是失败了。

第四章 如何和老师打好关系

4.1 为什么会有这个章节

科大是一所科气浓厚的学校，但这不意味着我们可以只埋头苦干而忽视了人际关系的良好管理。有很多同学上了一学期课连老师叫啥都不知道，令人汗颜。

虽然大多数任课老师和同学们的关系也就仅限于上课了，我们还是要尽量营造一个良好的师生氛围。多一个朋友总不是什么坏事。

4.2 教师特点分析

4.2.1 青年教师

首先这里的青年教师和所谓“青椒”是两个概念，这里的青年教师泛指年轻的老师，而“青椒”一般代指第一年任教的老师，是有教职性质的。

科大的青年教师一般年龄会在30岁左右，刚刚读完博士/博士后留校或者在行业深耕几年以后来科任教，背景会比较多样。在展开深入交流前，可以利用搜索引擎搜索对方的学业、研究经历等（一般在公开的学术平台就能搜到），有助于全面了解老师。

青年教师往往会以软性的方式和同学们互动，并可能在课堂上插入大量的互联网流行元素。在青年教师的课堂上的交互可以大胆一点，在不扰乱课堂秩序的前提下，坐在座位上就可以向老师提出问题或者回答老师的某些提问。

青年教师向同学们抛出问题后如果得不到回应，对教学体验是一个很大的打击，这个时候是需要同学们给老师提供正反馈的。科大的本科教学本来就是个吃力不讨好的活，你也不想我们的本科教学越来越拉吧.jpg当然，如果你觉得老师的教学确实存在一些问题，可以在课后向老师直接提出。青年教师一般是会听取的。

由于资历较浅，青年教师一般会比较重视评教。如果能在评教的最后一栏美言几句想必是极好的。当然，不需要单纯为了师生关系而做出特别违心的评价，反正是匿名的。

4.2.2 中年教师

中年教师一般指40岁- 50岁的老师，这个年龄段能看出来很明显的百花齐放现象，各有各的特色。事实上后面讲到的一些现象对所有老师都成立，但在某些中年教师身上体现的比较明显。

很多教师都是在实验室任职的，或者说实验室才是他们的本职工作，讲课只是副业。这类教师一般业务能力较强，虽然这个业务能力不一定表现在讲课上。他们在上课的时候可能会介绍一些自己专业的工作，这个时候不管你能不能听懂他在讲什么，都可以表现出一副很感兴趣的样子。当然，如果你对这个研究方向感兴趣，想要加入老师的实验室，那么上他的课会是一个蛮磁的好机会。

有一部分教师会倾向于走行政岗。这部分老师同时还担任一些诸如班主任、某些部门秘书，甚至学院院长。这部分老师平时会比较忙（虽然但是好像科大的老师都很忙），所以交互尽可能在课堂上完成，课下不要耽误老师太多的时间。如果确有需要找老师的需求尽量发邮件，有行政岗的老师一般会更频繁地看邮箱。

还有一些教师为了保证到课率会设计回答问题给加分这种环节，虽然我也不知道他们最后到底加分了没有，但是这种情况下跟老师多互动在明面上是会有优势的。

有些老师可能是从其他学校转来科大任教/第一年任教。如果发现有这种情况，一定要找个时间跟老师聊聊给分。如果老师不知道如何给分的话可能导致整个课堂的分数都爆炸，这种事情不是没有出现过，而且次数不低。

极少数老师可能会出现对学生不负责的情况，如果遇到特别逆天的请优先考虑退课或换班，并向jwc反映。

4.2.3 老教授

能当上教授的那一定是非常有资历了。

老教授年级一般比较大，对教学一般会比较严格，尤其是在课堂纪律和出勤等方面。上老教授的课除非是老师带动课堂气氛，否则不建议自己引起话头。当然，老教授也是很看重课堂参与度的，一般会让同学们多回答问题。按照目前的课堂实践，老教授上课时一般会直接点某个同学，而不会看花名册。

相对于老教授来说，我们是属于晚一辈甚至晚两辈的。因此，不管私下对教授评价如何，当面还是要尽量保持尊重。老教授一般会把同学们当孩子看，讲话过程中难免会有时候流露出说教的气息，不用太过在意。

如果非常崇拜的话可以在结课的时候要签名。

4.2.4 水课老师

这里的“水课”包括思政和通识等相比于数理课和专业课不用付出过多精力的课程。和教这些课的老师交流主要是出于个人兴趣，可能打开新世界。比如和教思政课的老师聊聊时政，和教艺术课的老师直接请教技法等等。一方面这些课程的给分权一般百分百在老师，能够在老师心目中留下一个相对较好的印象还是很有利的，另一方面这种交流对自己的学科理解也有好处，能够听到很多新的想法和观点。

与此同时，有些通识课程的老师可能会给课堂上积极发言的同学送点小礼物。

4.2.5 外教

如果你需要参与大量的外语课程，那么跟外教的交流将会是不可避免的课题。

上课之前最好先通过评课社区和外交中心了解一下外教的文化背景，避免因为文化背景差异而造成太大的困扰（一般不会）。在上课时能非常明显地感受到来自不同国家外教的风格差异。

不管是哪个国家的外教都特别喜欢跟同学们聊天，这里面既有语言课内在的交流需求，也有文化差异的原因。一口流利的外语虽然不是必要的，但是能比较好地支持你和外教的对话。如果听不懂也没关系，只要直接告诉外教Pardon就可以了。外教会想办法让同学们理解的。

由于外教所教学语言课程的考核方式一般是课堂展示，给分权也取决于老师，平时留下一个比较好的印象也是比较重要的。换言之主动和外教多交流本身也是一种语言练习。

还有，一定要认真地给自己起一个英文名字，不要上课的时候现起。

4.2.6 先进教师

在中国科学技术大学，有一个非常先进的教师，带着他的武林秘籍南征北战。上课逍遥派，下课\(\pi\)逍遥，有事课程群，没事刷头条。

没上过先进课程，中科大等于白上。你可以没上过他的课，但不能不知道现代秘籍和金纲经。

先进从一个代词逐渐演化成了一个形容词，甚至一个量词。如果把每个老师都塞到线性空间里面，那你会发现其他老师在先进方向的投影均为0，因为只有先进教师才有\((·,·)\)

壳友们赶快悟起来吧！

4.3 如何向老师提供正反馈

本节内容配合上课坐第一排 + 认真听讲效果翻倍。

4.3.1 上课搭话

大家从小学上到大学会非常明显地发现这样一个现象：同学们的课堂活跃度度随年级上升而下降。到了大学可以说绝大多数课堂上都没什么人听课了，尤其是各种B级C级课程。骗你的，A课大多也没几个人听。

因此对于老师来说，有人听课本身就是一种很大的正反馈。当然，要想让老师知道你在认真听课，只是坐在座位上盯着黑板看还不够。要让老师知道你听课。

绝大多数老师讲课时都会顺着自己的思路向同学们提出问题，这就是你接茬的绝佳机会。你甚至不需要站起来，在座位上嘴巴动两下发出点声音就可以让老师觉得你有在听课了。这个时候如果老师让你来回答问题的话，千万不要犯忧。大学不比高中，回答不上来问题的时候老师一般不会为难你的。

一般情况下，上课接话顺着老师的思路走即可，不要在课堂上自己提出新话题，也不要大声讨论扰乱课堂秩序。

4.3.2 课间吹水

首先我要吐槽一下科大臭名昭著的5分钟课间。科大有很多同学喜欢玩皇室战争，因为一盘只需要3- 5分钟。科大的课间很多时候都打不完一把皇室战争。

我跟DeepSeek畅聊了大约3- 5分钟，结果如下：

大学课间只给5分钟，通常是不太合理的。这在很大程度上挑战了大多数同学的生理需求和心理节奏，也引发了广泛的社会讨论。

为何说它不合理：法规、生理与现实的冲突

	触碰法规底线：相关法规明确规定，学校应保证学生的课间休息时间，并指出“课间休息时间应当至少保证有10分钟”。同时，教育部也多次强调，严禁以任何理由占用课间，变相延长教学时长。5分钟的设置直接与这一指导原则相悖。

	忽视生理需求与性别差异：在课间，上厕所和接水是多数人最基本的需求。但在大学里，5分钟可能连上个厕所都紧张。

	时间不够的现实：例如，有学生反映，高峰时段在女生厕所排队，单是排队就需要约3分钟，5分钟课间显然不够。如果再遇到老师拖堂，这个“缓冲时间”就几乎被完全挤占。

对女生的不公：由于生理结构和社会习惯导致的更长排队时间，压缩课间对女生的影响尤为明显。在生理期等特殊时期，这种不便会被进一步放大。

	加剧身心疲劳，影响学习效率：科学研究表明，成年人的注意力通常只能维持30-50分钟，过后的短暂休息是高效学习的前提。

	身体危害：长时间憋尿会增加泌尿系统感染的风险，而持续高强度的用眼和紧张情绪，则会导致眼部疲劳和精神焦虑，有损健康。

	“跑课”压力：大学校园通常面积较大，5分钟的课间完全不足以支撑学生在不同教学楼之间从容转换，只会增加焦虑和疲惫感。

	大学“高中化”的弊端：将课间压缩到5分钟，被批评为将大学管理过度“高中化”，即把效率视为唯一目标，而忽略了大学教育的核心——培养有自主意识的成年人。这种做法消解了学生应有的自由氛围和参与感，变成了“被动服从”。

总结

总体来说，5分钟的课间休息时间确实很难满足大学生在换教室、上厕所、放松身心等方面的基本需求，容易引发师生不满，也偏离了“以生为本”的教育理念。如果遇到此类情况，可以尝试通过学生会等渠道向校方理性反馈，说明5分钟课间在教学和生活上的困难。

回到正题，很多老师在这么一个短得要死的课间也会比较尴尬——干啥都不够。这个时候呆在教室里和同学们吹水便成为了一个非常好的消磨时间的选择。

以下列举一些常见话题和交流技巧：

课堂知识

如果在课堂上有什么没听懂的地方/老师没讲到的地方/讲错的地方，可以趁课间向老师提出。这个时候老师一般会给你讲一些更深的东西，或者跟你探讨一下错误的地方。同样的，讲错了/问错了也没有任何关系。如果上课铃响了就先上课，不要揪着老师不放。

吐槽学校

某些时候聊天的话题会不可避免地向学校转移，这个时候就非常考验我们的素质，尤其是在提到jwc的时候。由于不言自明的原因，老师一般不方便对学校的工作公开发表个人意见，但这仍然不妨碍很多老师和同学们聊天时真情流露，并引发大面积的共鸣。这个时候要注意三点：1. 尽量文明用语；2. 不要把老师说过的话挂到网上，尤其是pksq，被学校看到会很麻烦；3. 有些老师会在你要吐槽的部门任职，尽量不要大水冲了龙王庙。

作业、考试和给分

虽然这些东西一般在第一节课就会说明，但是实际上在教学的过程中，这些东西的内容、占比和DDL都会随实际情况变化。因此多问一下也没有任何坏处。与此同时，很多考试时间都是和同学们商量出来的，越早知道越好。

GPA/保研率

有些老师会通过同学们来了解各个学院各年级的GPA和保研情况等。这种情况下要注意信息安全——不要随便把自己或别人的的GPA往外说，这是不礼貌的。你提供给老师的信息应当以公开的信息为主。如果老师真的问起你的GPA，可以用“还行”或者“就那样吧”这种打太极的方法糊弄过去。

生活琐事

一般不要聊太琐碎的事情，如果谈话涉及到同学们的日常生活，见机行事即可。

4.3.3 课后提问

如果你真的有很多问题要问的话，我不建议你直接问老师。一方面，老师课后都很忙，一般没有那么多闲心来回答同学们的问题，这个需求一般由助教代劳；另一方面现在AI这么厉害，问AI比问老师可能都强。

解决问题时你应当遵从的顺序：自己思考 → 查资料/问AI → 问助教 → 问老师。不到万不得已不要频繁找老师问课堂上的问题。

4.4 套磁

4.4.1 什么是套磁

“套磁”是留学和学术申请圈的常见说法，源自英文“Touch”的音译（也有说法认为来自“Contact”的谐音演变）。它指申请者（如本科生）主动通过邮件等方式，与目标院校的教授（通常是未来的硕博导师）建立联系、展示自己、表达兴趣，以增加录取或获得科研机会的概率。

简单说，就是通过套近乎提前让导师“眼熟你”，并相信你有潜力，从而在招生时为你争取机会。

无论你想出国保外，还是校内保研，又或者想找个导师做大研大创，好的套磁技巧都能大大提高你的申请成功率。

4.4.2 套磁技巧

我没套过磁，让AI给你们弄点方案看看吧。这个东西最重要的就是不要拿着同一封邮件套20个教授。在套磁前，一定要了解你要套磁的教授/导师，并在邮件中显示出来你很了解。有个23级的学长做了个个性化套磁邮件生成器，如果你有兴趣可以试试搓一个。

当然。套磁的核心不是“推销自己”，而是建立学术连接。以下是经过验证的技巧，按从“准备”到“发送”的逻辑展开：
一、准备阶段（决定80%成功率）
选对人，别只盯着大牛：
助理教授、副教授回复率更高（他们急需招人干活）。
寻找与你的研究经历高度匹配的导师：读他近2篇论文，尤其是Future Work/Conclusion部分，那里有他接下来想做的方向。
个性化证据库：
准备一个表格，记录每位导师的：近期研究关键词、一篇代表性论文的不足/可延伸点、你已有的相关技能（如某种实验、代码库、分析工具）。
二、邮件结构（5段式，不超过200词）
标题：Prospective PhD Applicant Inquiry - [Your Specific Interest] under your supervision（把“Specific Interest”替换成一个精准关键词，例如“weakly supervised video segmentation”，别用“research”这种冠词）
正文：
开场（1句）：
Dear Professor [Last Name],
I am [Name], a [year] student in [major] at [University]. I am writing to express my strong interest in pursuing a PhD under your supervision, particularly in the area of [their exact research phrase].
连接点（最核心，2-3句）：
In your recent T-PAMI paper "[Paper Title]", I noticed that [point out a specific observation, e.g., the model struggled with long-tail distributions]. In my previous work on [your project], I implemented [method name] to address a similar issue, achieving [brief result]. （不要只夸论文好，要指出一个具体的技术局限或开放问题，并关联你的经验）
提出具体可能的贡献（1句）：
I wonder if extending your framework with [a concrete idea, e.g., a contrastive prototype module] could help mitigate this. （这是“钩子”，证明你读懂了并已有初步想法）
询问可能性（1句）：
Are you planning to recruit new PhD students for the [Fall Year] intake? If so, I would greatly appreciate the chance to discuss potential alignment.
附件与礼节：
My CV (attached) includes further details. Thank you for your time and consideration.
Sincerely, [Name]
三、硬核技巧（提升回复率）
附件CV命名：YourName_CV_PhD_ResearchArea.pdf（别用“resume.pdf”）
发送时间：周二或周三上午8:00-9:00（导师所在时区），避开周一上午（邮件堆积）和周五下午（周末心态）。
代码链接：如果你复现/改进了他的某篇论文，放一个GitHub链接（哪怕只是README写了复现笔记），杀伤力极大。
不要同时套同一系的两个导师：他们交流邮件。若必须，等1周无回复再换。
四、常见减分项（必避免）
模板痕迹明显：比如“I am very interested in your research”后面没提任何具体论文。
长度超过屏幕两页（手机阅读为主）。
使用“I have a strong publication record”却列了三作四作或无关论文。
请求“Could you please review my CV/PS?”（导师不是你的编辑）。
五、如果没回复：跟进策略
1周后回复原邮件，在顶部加一条：
Quick follow-up on my previous email (below). I've since [done one small thing related to his work, e.g., reproduced a figure / collected a small dataset]. Would you have 2 minutes to let me know if your PhD openings align?
2周仍无回复 (\twoheadrightarrow) 放弃。转投下一位。
六、极端高效技巧（适合有明确产出者）
在邮件正文中插入一张小图：将你的某个实验结果与他论文中的Fig.3（举例）放在同一个坐标轴里对比，并配一句：
Using your released code, I tested [a small variation] on your dataset; initial results (red line vs. black dotted) suggest a 5% gain. Happy to share details.
这几乎保证回复，因为你在帮他拓展研究。
最后记住：套磁不是求位置，而是展示你能成为他未来研究中的有效对话者。如果你暂时做不到上述的“具体技术对话”，说明你的硬实力储备还不够，建议先做一个小项目/复现一篇论文，再发邮件。

第五章 如何应对考试

5.1 大学的考试长什么样

不同于高考的三年磨一剑，大学的考试需要你在最多1学期的时间完成学习知识、做题、复习、考试的循环。大家可能会习惯在模拟考上打怪升级，最后在高考大杀四方，神挡杀神佛挡杀佛的感觉。但在大学中，考试在比例上没有那么重要，看起来也会更加随便，但是会比高考更难应付。

首先，高中的知识和大学的知识不是一个层级的。这都要感谢微积分和线性代数，把几乎所有的学科都变得更加复杂。几乎所有的自然科学都是以数学为基础的，而这两个要素的加入让数学逐渐脱离了数字而存在。与此同时，微积分和线性代数本身就需要大量的时间精力来学习，但是这两门学科同样作为难以应付且学习时间紧张的课程而存在，可能会让大学的学习举步维艰。高中我们会花费3年时间去学习同一门科目的不同分支，大学一门课就是高中的一个分支，难度可想而知。

其次，大学的各个课程之间关联并没有想象中那么明显。包括培养方案的有序并没有我们想象中那么明显：上学期学到的知识可能下学期不会显式地出现在课上，但是上学期学不会可能导致下学期炸缸。而且这种持续学习大量新知识的过程一般是没时间充分复习的，至少不可能像高中那样一轮二轮三轮。

还有，大学每学期的考试门数很多，一般在4- 9门不等。期中考试一般安排在周六日或占用一节课，期末考试安排在考试周。由于考试是由本门课程的任课老师安排，可能会出现连轴转的情况。

5.2 备考

大学有一个神奇的现象：不管你平时有没有好好学，期末都会发现自己脑袋空空。因此，备考不充分可能导致考试爆炸。

一般来说，当你发现课表上的课开始大面积减少时，就可以开始着手准备考试了。大多数老师会把考试安排在结课后的两周。

从课程的最后一周开始备考是一个比较好的选择，能够保证每一科有2- 3周的复习时间。时间的分配上可以比较自由，我建议按照考试顺序进行复习，但不要长时间的只看一门科目。有些科目你只有开始复习了才知道到底有多少东西需要看，这能帮你调整复习时间的分配。

备考的手段一般就那么几种：背书、做课本例题、拟合往年题。现在有了AI，可以再加一条AI辅助复习。建议看评课社区和往年学长的经验决定主要复习方法。

如果有开卷考，不要只带课本，可以自己买一些考研的辅导资料或者打印一些资料，尤其是思政课，可能能翻到原题。

如果有半开卷考，可以买一支细一点的笔好好写一遍大抄。在写大抄的过程中你就可以复习一遍了。

在考试的前一天，尽量不要熬夜复习，除非你对自己的起床时间有自信，或者你决定通宵。

5.3 考试事项

科大的考试周考试时段一般为8:30- 10:30，14:30- 16:30，19:00- 21:00，前后可能有半小时出入。早上的考试是比较难搞的因为起来了也会困。

考前最好弄点吃的，避免低血糖。大学的（至少科大的）考试一般比较自由，允许你在考试的时候吃吃喝喝，只要不影响别人考试就行。

考试期间遇到没有头绪的题目很正常，尤其是在科大这么一所非常重视数理基础的学校。本着在有限的时间内拿尽量多的分数的原则，我建议不会的题也写点过程，写到哪算哪，然后果断跳题。

最后，不要作弊。

第六章 如何摆正心态

6.1 GPA 多少才算够

GPA 够不够取决于你想干什么。

6.1.1 绩点分界线

GPA 一般有以下几个明显的分水岭。

1.0

1.0 是及格绩点的底线。虽然大多数人的 GPA 不至于到 1.0，但是学习过程中可能会遇到某一科遭遇重大挫折或者死活学不会的情况。这个时候 1.0 就是保命线。

如果很不幸，你的某一门课程遭遇了挂科，请尽快咨询教秘看看这门课程是否能补考，如果无法补考则需要重修。

2.7

2.7 是一个比较难受的绩点。一般来说，我们对没优秀的期望在 3.3 或者 3.0，但最后很多同学会发现自己吃了 2.7。2.7 的得分和 3.3 的只差 5 分，但是绩点能差 0.6。

3.3

单科优秀的下方绩点。由于神秘的优秀率限制，许多蜻蜓会把 3.3 视为不祥之兆。如果你的分数还刚刚好是 84，那基本上说明你被卡优秀率了。

如果你的总绩点在 3.3 左右，那么要视你所在的院系做出决定。在很多院系 3.3 并不能完全保证你能保研，需要努努力再卷卷绩。

3.7

优秀绩点的最低值。科大卧虎藏龙，3.7 已是人中龙凤，起码你在本课堂上能有前 (40%)。如果你的总绩点在 3.7 左右，基本是能保上本校的研究生的。但是向上保外会比较吃力。

4.0

4.0 在我们的日常语境中似乎有点被忽视了。科大的给分是 90 分 4.0，95 分 4.3，其他大多数 4 分制的学校也是 90 分 4.0，这导致绩点换算上出现了一些障碍，比如两个学生所有科目都 90 分，但一个是 4/4，一个是 4/4.3。不要和别的学校的同学比绩点，参考价值不高。

当然 4.0 比 3.7 更令人愉悦，同理也更难获得。如果你的总绩点在 4.0 左右，那你属于绩点非常靠前的同学了。

4.3

满绩，所有柯南的梦中情绩。网上麦麦若得了，现实中谁不想急头白脸拿一堆 4.3 呢？当然，人生不止眼前的 GPA。4.3 对大多数同学和大多数课程来说属于可遇不可求的东西，不必强求门门满绩。

如果你的总绩点在 4.3 左右，你已经根本不是人了。

6.2 目的导向的 GPA 需求

在上一章中（以及很多时候）我们明显能看到科大的同学似乎被 GPA 分为了三六九等。其实 GPA 不应被视为一种目的，而应该是一种手段。根据你可能会有的不同需要，你所需的 GPA 水平也不同。

6.2.1 保研本校

科大的本校保研率很高，大约在 (60%) 左右，AIDS 的保研率在某些年份更是能飙到 (70%) 以上。保本校需要的 GPA 相对较低。如果你一门心思要永世轮回中科大，那么你的绩点在本专业能排在前 (50%) 会比较稳妥。以 AI 专业为例，根据 24 级 AI 专业能够透露的数据，这个值大约在 3.5。

当然，每学期的成绩出完以后班主任能够看到所有人的成绩以及中位数、平均值等等，一般来说你可以直接问班主任自己的分数和排名。不想问也没关系，教务系统在统计完毕后会直接显示专业排名。

6.2.2 保研外校

保研外校会比较难，而且一般不止需要 GPA。如果你想曲线救国，保研清北复交，那么你的绩点可能要排在至少本专业的 (10%) ，可能还不够。这个值一般会有 (3.9+) 。

与此同时，保研外校还需要你在本科阶段有一定的科研成果（文章、专利等），并尽早和外校的导师联系。

6.2.3 出国

出国所需的 GPA 也不低，如果你想出国深造的话 GPA 同样是多多益善。不过都学 AIDS 了大概率也出不了国，实体名单这一块。

6.2.4 奖学金

奖学金的发放虽然比较稀疏，但是毕竟有钱发，这是好事啊。

英才班每年有助学金和奖学金。助学金分为4800和5800，基本上就是把学费顶了。奖学金则是要靠班级排名/专业排名来确定，一般每个班有十个左右能领到，金额按排名从一千到上万一不等。除了交材料和综测评定的时候会有点麻烦，别的没什么坏处。

6.2.5 就业

如果你一门心思想着本科就业，那么你不应该把精力放太多到GPA上，而是应该多参加一些科研项目、比赛或实习。一个比较牛逼的奖项或者一段好的实习比高的GPA更能抓住面试官的心。

如果你有考公考编/支教保研的打算，那么一定要多参加学生会、学生组织、志愿队等，积累社会工作经验并争取优先入党。

6.3 应对压力

这是一所高压力的学校，或者说这是一个高压力的社会，每个人都在高压下生存。幸福的人们各有各的幸福，不幸的人们各有各的不幸。走出压力的路对每个人来说都不同。如果你觉得这个章节属于心灵鸡汤，那么尽可以跳过。

6.3.1 Peer Pressure

不仅仅在科大，上任何一所大学都会面临这个问题。越牛逼的大学，里面学生面临的同辈压力越强。

优秀的同伴往往意味着更高的参照标准。你会看到身边的很多同学大一实习，大二发论文，大三创业，大四到处旅游。在这样一个高手如云的环境中难免会产生自我怀疑。

意识到自己的普通并不难，在数学分析B1的期中考后，可能有大概 (80%) 的人会认为自己的不够好，进而发觉自己的弱小。事实上，我们和比我们强得多的同学本身就没有太强的可比性。凡是实验都需要控制变量，而每个人的变量都可以说是完全不同：从出生到长大，每个人来到这里所走的路都完全不同。我们站在不同的起跑线上。

与此同时，同学的成功并不意味着你的失败，不要总是把同学当成假想敌。大学同学可能是你人生中不可多得的资源。别的不说，你可以恬着脸去找人家要作业抄。

他强任他强，清风拂山岗。他横任他横，明月照大江。

6.3.2 不合理的作业

“不合理”是一个主观但普遍的感受。它可能体现为以下几种形式：

1. 4个ddl叠到一天，一个也干不完
2. 作业，实验和考试正交
3. 老师遍历章末习题，学生手感火热。
4. 在纯粹的效果要求中卷生卷死

面对不合理的作业，常见的第一反应是抱怨教授或助教，并在想象中消灭他们的浮木。但玩归玩闹归闹，作业还得写，考试还得考。我们终归需要完成任务。

对于上述几个情况，有以下几个方法可以参考：

1. 代理人战争：当ddl过多，是时候启用那股禁忌的力量了。平时可以练练多线操作AI，会非常有用。
2. 课堂正交基：作业、实验、考试都正交了，那还说啥了，我直接就是一个和老师正交了。你讲你的，我学我的。
3. 公车上书：旁敲侧击地提醒老师作业太多，虽然不一定有用。如果没用且自己写不完请移步第一条。
4. 有舍才有得：在不会导致GPA爆炸的范围内主动放弃一部分附加分或占比较小的作业。留得青山在不怕没柴烧。

6.3.3 努力不一定有结果

这个章节我觉得很有必要写，但我自己写不好。你们就看看AI生成的鸡汤吧。这是一个令人难以接受的事实，但每天都在确确实实地发生。

努力不一定有结果

这是大学生最容易感到挫败的时刻之一。你通宵复习了一门课，最终成绩只有59分；你花了整个假期做科研项目，结果论文被拒；你刷了几百道题，面试还是挂了。
“努力不一定有结果”背后往往隐藏着几个真相：
	方向比时长更重要：用错误的方法复习（例如只看书不做题）、选择了超出当前能力的课题、刷题不总结规律——这些是“低效努力”。努力需要配合策略调整。
	结果受多种因素影响：考试状态、题目难度、评审偏好、运气……这些不可控变量始终存在。把结果完全等同于自身价值，是一种认知扭曲。
	延迟回报效应：有些努力的成果不会立刻显现。一次失败的科研经历可能教会了你如何设计实验；一次面试失败可能暴露了你表达能力的短板。这些积累会在未来某个节点兑现。

那么，当努力未果时，具体该怎么做？
	进行“复盘”而非“自责”：冷静列出：我的投入（时间/方法）是否合理？有没有更优路径？外部因素占多大比例？下一次如何改进？
	设定“过程目标”而非“结果目标”：比如，“我要理解这个章节的每一个推导”比“我要考90分”更可控。控制你能控制的，接受你不能控制的。
	建立多元自我评价体系：不要把所有自我价值都押在成绩或科研成果上。人际关系、爱好特长、健康管理——这些维度上的进步同样真实且重要。
	允许自己休息和调整：连续受挫后，停下来一两天，运动、散步、和朋友聊天。心理弹性的恢复本身就是一种必要的努力。
	
最终，大学教育的核心不是“每一次努力都有回报”，而是“在一次次的无效努力中，学会如何更聪明、更坚韧地前进”。

第七章 课程概览

7.1 课程综述

AIDS的培养方案可以按照培养方案分为通修课、专业基础课、专业核心课、专业选修课和通识课，从学习的内容上看，可以分为数学、物理、计算机与算法、人工智能与数据科学、英语、体育、思政等板块。

下面列举一些：

• 数学：数学分析、线性代数、概率论与数理统计、复变函数、计算方法、随机过程、离散数学、运筹学、信息论等
• 物理：力学、热学、电磁学、量子物理、大物实验
• 计算机与算法：计算机程序设计、数据结构、计算系统概论、计算机组成原理、算法基础等
• 人工智能与数据科学：人工智能与机器学习基础、数据分析及实践、数据库系统概论、深度学习等

你可能会发现物理里面没有“等”，因为物理就这么多课。我这么说好像显得物理课很少，其实一点也不少。

这个章节的每个小节我尽量不写太长，想获得更多信息可以看评课社区，但是不要看太短的或者一味评价给分的。

以下课程概览基于24AI培养方案排序。

7.2 1秋

7.2.1 数学分析B1

单变量微积分，大学生涯的第一门硬课。

虽然学AIDS的以后看起来用不上太多微积分和极限分析，但是我仍然建议你学好这门课。数学分析是后面大量课程的基础，学不好容易引发连锁效应。

淑芬不需要你有很多的前置知识，但是需要投入巨量的时间和精力。而且由于jwc的冯冯没了淑芬线代概统这种课都不让调分了，如果考差了将会非常恶心，因为学分多。

淑芬B1的内容包括数列/函数极限、单变量微分、单变量积分、常微分方程求解、无穷级数。我个人觉得B1的后半部分是整个数学分析中最难的因为我考得拉。

重修淑芬是所有课程重修中最值当的，因为全校应该就这一门课6学分，所以班上可能有重修的老登抢占优秀率。但是不用太担心因为很多人平时没空学。

7.2.2 线性代数B1

讲的东西太少，比AIDS以后需要的少很多。

不管是AI还是DS最后都免不了要和大量的数据打交道的，那么数据是以什么形式出现的呢好难猜啊。线代一定要好好学，线代不努力，老大走伤悲。虽然这个玩意也是大一不需要任何基础就能学的课程，但是我还是建议有空余时间可以多学点东西。

线性代数的内容主要是矩阵、行列式、线性方程、矩阵的初等变换、线性空间与线性变换、矩阵的相似、实对称矩阵与二次型等，若尔当形和酉矩阵不考所以大多数时候不讲。

上这门课初期对矩阵表示的运算可能不习惯，但是后期会慢慢转好。

7.2.3 计算机程序设计

一门介于底层语言和高级语言之间的课。

C语言可以说是一门非常经典的语言了，属于低级和高级语言之间的一个桥梁，所以学好C语言能够让你对“每行代码到底在干什么”有一个比较清楚的认识，对初学者来说不是特别难上手。这门课的难点在于实验中可能会牵涉到一些比较复杂的算法和数据结构（后续课程的内容），甚至考试的时候出了后续课程里面明确不考试的内容。

这门课程改了以后加入了机考，手写代码的情况会得到一部分改善。但是教不教python我也不知道。如果不教python我强烈建议自学。

这门课程是按照开学考成绩置课的，如果你已经是编程大佬那么去普通班和进阶班其实都可以。只要你会用电脑就不要去基础班了。

7.2.4 习近平新时代中国特色社会主义思想概论

思政第一门课，新时代的赞歌。

本门课程会涉及中国发展在新时代的方方面面，包括经济、政治、外交、文化、科技、生态等大大小小的板块。许多同学可能会认为这是一门只有空壳子的课程，其实不然。习概教材的很大一部分内容取材于我国政府近些年来的工作报告，这些报告的背后又是大量的数据和千百万干部和群众的辛勤劳动。换言之，这些书本和文件中的每一句“大道理”背后都有具体的劳动实践支撑着。

本质上这是一门能够让你认识到当今社会主旋律与发展现状的课程，但能不能讲得出来取决于老师的功力。

如果有兴趣可以多看看社会新闻和一些侠客岛、钧正平这种官方评论员发布的内容。

7.2.5 思想道德与法治

思政第二门课，新时代的旗手。

这门课看上去比习概更加假大空一些。我记得当时第一节课被问了这样一个问题：这门课有哪三个部分？哈哈，答案是思想、道德和法治。

由于思想政治教育的小初高大一体化，这门课的很多内容都是小学初中和高中老师讲了很多遍的内容了，学起来会显得比较无聊。但是合上书本仔细想想，我们真的能像书中那样活着吗？或者说有多少人正在朝这本书，这门课所说的，新时代好青年的方向前进？

这门课有机考，大概机考前两周会发题库，需要背诵。

7.2.6 现代信息技术概览

可能是科大最水的一门课。

这门课是二级制，不会影响同学们的GPA，上课内容是每节课来一位信智学部不同领域的老师，向大家介绍本学科的一些研究内容和前沿进展等，能够让大家对整个信息智能领域产生一个更加宏观的认识。

这门课只有一个大作业，内容为任选一个领域写一篇1500字的调研报告，随便写写就能完成。如果你有转专业的需求，那么你可以好好听听这门课，并在下课后找对应的老师交流。

7.2.7 大学生心理学

一门损害学生心理健康的课程。

大学生心理学是2020年左右在国家要求下设立的通修课，但是实际上下来可能会给很多同学留下心理阴影，因为这门课的组织方式和考核不尽人意。

无论你选择了哪个老师的课堂，都会在第一节课进行完全随机的组队。别想着和自己的好朋友坐一起，没用，这样你们分开的更快。很多老师会采用报数的形式来将班里的同学分为约10组，并安排小组展示。因为一般没人愿意当队长，所以队长一般会有加分。

这个小组展示本意应该是让同学们学会如何和陌生人进行分工合作，但实际情况下分歧一般会多于同意。如果可能的话初期分工时应当将大家分为三三两两的小组，每个小组负责某个板块，并尽量保证小组内部成员能够较好地协同。

这门课的内容就是一些简单的心理学科普，考核一般分为小组展示和期末调研。整体来说小组展示会是最大的暴雷点。

另外本门课程的选课方法比较特别：1秋自由选课，如果1秋没上的话1春会置课。

7.3 1春

7.3.1 数学分析B2

多变量微积分，大学生涯的第二门硬课。

说是第二门，如果算上线代其实应该算第三门了。淑芬B2的内容包括多变量微分、简单的解析几何、重积分、曲线曲面积分、傅里叶展开/傅里叶分析、广义积分。比起B1的脉络清晰，淑芬B2后半部分的知识点略显杂碎。

这门课所涉及的偏导数和多变量积分是很多物理课和概率统计的基础，一定要好好学。

7.3.2 力学B

需要背公式的物理课。

力学B相对于力学A在授课内容上有所删减，但整体上难度还是比较高的，12周结课这么一个看起来不伦不类的时间点更是给期末复习增加了不少难度。

力学B教学的内容主要是在引入微积分之后的各种运动学和力学分析方法，研究物体的平动、转动和航空航天问题，并教授简单的流体力学和相对论。其中，力矩、角动量和转动惯量的引入将会成为无数英雄竞折腰之处。

力学B本来是半开卷的，但不知道为什么在25春季改为闭卷，使得同学们需要记忆大量的公式。

7.3.3 热学B

更需要背公式的物理课。

热学B的授课时间只有短短六周，当然这门课本身内容并不多，主要研究物质在不同温度下表现出的性质。从理想气体到范德瓦尔斯气体，再到熵和焓等概念的引入，最后会涉及一些物态变化的知识。

由于在引入微积分后，热学的很多公式涉及偏导数，因此数学分析的多变量微分学将会是热学中的重要一环。

这门课只有6周，因此不要少交作业。有条件可以看网课速通。

7.3.4 一级大物实验B

巧克力味的屎。

在历届同学孜孜不倦的声讨中，大物实验正在逐年减负，削减了B类大雾同学们需要做的实验个数和报告个数。虽然如此我还是要吐槽一下学校的大雾系统，真的该好好修修了。

一级大雾的次数比较多，需要经常前往一教。这无疑是科大学子不得不品的一环，与之同时到来的还有两人一组的单摆测定重力加速度。每年都会有几个倒霉蛋算出来的g值大于10，最大的能到12，可能还不止。

要想做实验的时候游刃有余，良好的预先准备任务是必不可少的。但是我们能够获得的信息其实非常少，基本上只有一教的陈年老讲义。如果有需要的话可以在网上找找视频，会比只看讲义要明白得多。

还有，一定一定要准时到课。迟到是要扣实验分的。

记得做入门测和出门测。

7.3.5 中国近现代史纲要

思政第三门课，新时代的过去。

这门课可能在很多人脑子里留不下什么太多印象。虽然这门课名字是历史，但其实是披着历史外皮的思政课。课程主要讲授中国近代以来抵御外来侵略、争取民族独立、推翻反动统治、实现人民解放以及将中国由落后的农业国改变为先进的工业国，实现国家繁荣富强和人民共同富裕的历史，帮助学生了解国史、国情。时间上，本课程讲授的内容大概从1840年前后到1956年三大改造前后。

某些老师可能会留大作业，但是不会很难。与此同时如果你想了解更多近现代史相关的信息，找点历史视频看看或许会更合适。

这门课有机考，大概机考前两周会发题库，需要背诵。

7.3.6 面向科学问题求解的编程实践

一门可以当作python入门课的课。

我没上过这门课，但据说比较水。整体上这门课会教学一些如何利用python来解决一些编程计算问题，会有适量的小作业和一个大作业。给分上基本是看大作业。

如果你上了这门课，我强烈建议你使用传统编程方法写小作业。当然，由于这门课只有一个班而且是选修，不是想上就能上的。

7.4 2秋

7.4.1 复变函数

一门学了看不出来有什么用的课程。

学完数学分析后，我们会在复变函数课程中把目光转向复数域。课程讲授的内容主要包括复数、复函数、复数域内的微分、积分、留数定理、少量的复分析有关知识，以及拉普拉斯变换。

AIDS到后面除了一些信号处理需要用到含复数的变换以外，基本不会再和复数打交道。一般来说，复数在我们的程序中是作为方程无解的WARNING出现的。如果你后续想学习信号与系统，那么需要好好学习拉普拉斯变换。

另外，这门课只有半学期，请务必不要期末临时抱佛脚因为这门课的考试不在期末。

7.4.2 概率论与数理统计

机器学习的一大基石。

概率一条线，统计一大片。概率论部分从古典概型和几何概型讲起，逐渐引入连续型随机变量的研究方法，并教授几种经典的分布如泊松分布、指数分布、正态分布等。数理统计部分基于从随机变量中采样来预测随机变量的性质，讲授随机变量参数的各种估计方法和假设检验方法。

概统可以说要用到不少的数分知识，尤其是连续随机变量部分。但是经部分同学实测，在大一下先修本课程是完全可以拿下的。毕竟由于神秘的课程安排困难，隔壁婺源茗苑每年都要吐槽学力学A和电磁学A之前学不完整分。

7.4.3 数据结构A

大号的C语言程序设计。

本课程首先会介绍所谓“数据结构”的定义，然后在C语言基础和线性/链式两种存储结构的基础上讲授栈、队列、矩阵、树、图等数据结构，并讲授查询和排序的相关算法。

本课程会有比较恶心的实验，但是我仍然建议部分手搓，因为期末考试有手写代码环节。实验应该是祖传的，可能在pksq或学长处发现相关代码和报告。

另外这门课和数据结构及其算法存在不可描述的关系。数据结构A可以高替数据结构及其算法，学分也多0.5，但是数据结构A考得似乎比数据结构及其算法少。25秋的数据结构A明确不考排序，但数据结构及其算法考。

7.4.4 计算系统概论A

纯大粪。

这门课的内容又多又杂，整体上可以认为是讲授计算机硬件/底层结构的一门课。前半学期会讲一些计算机中数的表示、一些简单的数电、逻辑门、有限状态机、冯诺依曼架构，以及引入一个叫做LC3的教学机；后半学期会讲LC3的编译过程，以及基于LC3的各种数据结构、递归和I/O等。

计概是一门祖传性很强的课程， (5 + 2) 个实验全都是祖传的，ppt可能也是祖传的。由于LC3的公开语料不多，AI工具的LC3编程能力有限，请务必人工复查代码。

说到LC3，这个东西最大的用处是可能使你挂科。建议一定要好好研究英文教材后面附录里面的那两张指令周期表，能让你理解LC3到底在干什么。

如果想在大一上提前修读本课程，请做好被精神折磨的准备。本门课程全英文PPT全英文作业全英文考试，请英语能力不强的同学注意。考试是开卷，可以打印巨大资料喷流。

7.4.5 电磁学C

更更更需要背公式的物理课。

在引入了微积分后，电磁学逐渐变得不可名状起来，从前半学期的电场电流到后半学期的磁效应和麦克斯韦方程，电磁学的每一寸肌肤都流淌着曲线曲面积分的血液。当然，还有散度和旋度算子。

虽然是C级的课程，这门课在作业和考试上还是有一定难度的，尤其是某些放飞自我的老师出题的期中考试。

本门课程有小论文，但是跟电磁学A不同，没有小论文比赛。一篇看上去不错的小论文对你的总评可能有着至少1- 3分的加成。而且由于是C级课程，实验类小论文少之又少，我们完全可以发挥麦克斯韦精神，纸面物理。

7.4.6 二级大物实验B

尿味的巧克力。

二级大雾只需要做4次，所以剩下的时间都可以歇整整一下午或一晚上。内容上二级大雾会比一级大雾难一些，但整体还是在可控范围内的。二级大雾会有很多电学实验，在实验前一定要看好电路图，然后接线一定要固定好。

另外，根据身边统计学，二级大雾不调分，做出来多少分就是多少分。建议好好写报告。当然，这门课只有0.5学分，给分差的影响相对较小。

7.4.7 人工智能与机器学习基础

AI的第一门专业课。

我在评课社区写了非常长的点评来评价这门课。本课程参考了斯坦福的相关课程，内容包括线性回归、逻辑回归、神经网络、聚类、决策树、集成学习、SVM、强化学习等。

本门课程对实验的要求非常高。第一年开课的时候没有设置期末考试，所以作业和实验的得分就是最终的分数了。与此同时，由于老师一般不会亲自批改实验，你最终的得分很可能取决于助教的品味。

还有大作业一定要卷效果，否则是拿不到好的分数的。如果有算力需要可以使用学校的本科生算力平台，或者找个能租卡的网站小氪一点。

7.4.8 马克思主义基本原理

思政第四门课，新时代的起源。

马原算是一门偏哲学的课程，从哲学的第一性问题和第二性问题开始，在哲学史中逐渐引入辩证唯物主义，然后会结合马克思自己所在的时代背景讲述马克思主义对各种资本主义社会现象的理解，最后讲到对社会主义、共产主义的设想。

这门课能否上好同样比较看老师的功力。不过这也不全怪老师。我和苏振源老师曾经讨论过“辩证法是不是打太极、和稀泥”这个问题，当时苏老师告诉我：辩证法在普及化过程中，为了便于理解和传播，往往简化了其内在的复杂性和批判性，有时就会沦为所谓“庸俗辩证法”。对于整个马原也是一样的，为了普及化牺牲了很多东西。

课程考核不难，但学好哲学还是比较难的。

7.5 2春

7.5.1 离散数学

融合性1号：图论、代数结构、数理逻辑

之前计算机学院也是上一门离散数学，但他们嫌一门课时间太少了讲不透，于是开了图论和代数结构来高替，结果离散被AIDS又拿不上了。目前全校的离散数学也就只有两个课堂，一个秋季一个春季（其实还有一个研课的离散数学，是自动化系开的）。

两个课堂目前分别由邵帅、王超老师和秦晓卫老师执教，秋季给ds上，春季给AI上。根据已知的情报，两个老师讲的东西不像同一门课。秦老师讲得比邵处长直接多了两大章，但是好像后面讲不完了于是开始跳知识点。邵处长讲得偏深偏难，有ds的同学春季来重修说秦老师考得太简单了。

24春季离散数学讲授的内容有数理逻辑、集合与关系、图论、初等数论、代数结构。秋季的把前两章砍掉。

在大一先修离散数学是一个相对较优的选择。这门课不需要太多的前置知识，如果你打过数学竞赛的话会发现一些之前见过的东西。唯一的缺点是你需要比较好地调整课表。

如果你决定用图论和代数结构高替离散数学，要注意图论只有秋季开课，而代数结构只有春季开课。当然你也可以秋季选数院开的代数学基础。

7.5.2 计算方法

融合性2号：数值代数、数值分析、运筹学

计算方法是一门很窄的课，作为一门数学课，它内含的体量过大，整个课程的知识点又没有什么明显的逻辑。整体上介绍的内容就是如何在数值上逼近所要求解的问题，包括各种误差的分析、解线性方程组、非线性方程解的逼近、矩阵特征值/特征向量的计算、插值问题、数值积分、数值微分、拟合问题和逼近等。

这门课东西非常多，复习也比较难受，尤其是有大量的公式需要记忆。平时还有一些实验需要做，但是都不难，用python或者MATLAB都能比较轻松地搞定。

这门课春秋季都开，可以选择大二上修读。

7.5.3 量子物理

融合怪3号：光学、原子物理、量子力学、量子信息

量子物理作为近几年老生常谈的牢九门课程，已经进化到了不可名状的量子态。虽然课程组每年都会编写新的讲义，但是我还是看不懂，并选择使用强大的AI自学。

按照26春的讲义章节来分，本课程的教学内容主要有：光学、旧量子论、薛定谔方程、氢原子定态波函数、自旋、Q比特、量子信息。大多数同学估计从第三章开始就会陷入不可名状的混沌中。

由于是给信智学部开课，考试不会难到大家都做不出来，但是还是要好好复习。期中考自己班出题，期末统考。根据身边统计学，某些出题简单的老师可能会出现比较奇的高均值分布，甚至班上有一半同学卷面都是 (80+) 。

如果你想高替，可以选光学B和原子物理B。

7.5.4 随机过程

概统 (^+ +) 0

感觉这门课程看上去很难，但你要说难在哪吧又说不上来。整门课的内容包括随机过程的定义、矩母函数、生成函数、协方差函数等基本定义、泊松过程、马尔可夫过程和平稳过程等，比概统更难更碎。不过这门课是半开卷的，一定程度上弥补了概统公式背不下来的困难。

可以说这门课是机器学习和强化学习很多部分的基础，尤其是马尔科夫链。建议好好学。当然，由于半开卷的神秘设置，考前可以通过手写大抄来顺带复习。

此外，这门课在26年春季学期采用了单周两节课双周三节课的奇排列式，搞得我每个双周周三都饿得要死。

7.5.5 深度学习基础

AI的第二门专业课。

在这门课上，神经网络将会是绕不开的话题。26春的四个小实验和大作业均是神经网络相关。此外还有两次课堂作业和一次论文调研。

课程内容比较杂，听感比起课堂更像讲座。包含FNN，CNN，Resnet，RNN，Transformer等一系列经典神经网络和各种生成模型、语言模型的原理。

有了AIML的经验，在这门课上我们基本上已经学会如何迅速解决任务，而我们的任务体量也会相应地变大。AI可以帮助解决大量的代码，但要想跑出好的结果，算力也是必不可少的。学校搭建了107平台来供给同学们的算力需求，但是如果用不习惯也可以自己找个平台充点钱。

7.5.6 毛泽东思想和中国特色社会主义理论体系概论

思政第五门课，新时代的序章。

都到了大家应该很会上思政课了。提醒一点：不要在课程群里鉴证。

7.5.7 数据库系统概论

做世振宝贝我们喜欢你。

虽然有很多同学都会建议学CS的数据库来替代DS的数据库，我还是选择了DS的数据库，因为我善。

数据库系统概论的课堂内容大致可以分为3部分：数据库编程、数据库设计和数据库存储/底层算法。每章结束后会布置几道课后习题，总体任务量不多。

但是这门课的实验非常多。

实验1：数据库模拟题。题目应该是祖传的，流程为安装并配置MySQL、按照指示建表、做题、写报告。在AI的加持下做题已经成为了整个流程中最简单的一环，但是我建议尽量自己写。报告需要每道题的结果都贴图片，考虑到MySQL是一种偏向命令行的语句（每次可以执行一部分语句操作），可以把常用的语句写在文件头尾（比如重置表等）。

实验2：数据库系统设计。要求有前端有后端，至少满足3NF范式。这个任务几年前是组队的，现在AI发达了变成单干。不过有了CodingAgent这个实验还是可以完成的。注意我说的是“可以完成”，不是“轻松完成”。这个玩意会花费你大量的时间精力来处理各种神秘的Bug。我的建议是至少在顶层设计阶段不要AI托管，该写代码再猛猛Vibe。我在进阶指南里面写了详细的评价。

7.5.8 数据分析及实践

676767676767676767

这门课也开了好几年了，如果你上这门课的pksq看看的话肯定能发现一个叫做“作业实验考试正交”的说法。这并不完全是空话，而且是很多实验课的通病。不过现在Vibe这么发达，应付完实验也是能够做到的。由于结课早，这门课可能在其他课程还没完结或刚刚完结时就期末考试，需要尽早复习。

我在进阶指南里面写了详细的评价，有兴趣可以看进阶指南。

考前把PPT扔给AI可以帮你忽略PPT中大量的废话，改良复习体验。

7.5.9 计算机组成原理

计科的专业课。

我没上。

7.5.10 信号与系统

信院的专业课。

我没上。

跋：说的道理

写在考试前夜

上了一个学期这个课以为自己在上大专，说实话可能连大专都不如。

ppt看了五遍了，再看学长们放在评论区的往年题，发现考的都是犄角旮旯的东西，还有一些是ppt中的英文内容，就像粪坑里掏出来一堆shi后，发现考试考的都是别人擦鼙鼓的纸。我们就像路边的野狗，老师给我们指了一坨shi我们高兴地去吃，吃完老师告诉我们其实考的是那坨shi长啥样。

ppt逻辑混乱，中英夹杂，该讲的省略不该讲的扯一大堆，知识点不突出。看ppt就像在炎热的中科大，下了课兴冲冲去食堂买了根巧克力雪糕，吃了一半发现是夹心的，正感到满足时食堂阿姨告诉我们其实是用shi冻成的。

实验完全不教，自己摸索。喜欢我学了一年半的c语言这个学期突然告诉你：你学的东西一点用都没有，给我现在立刻去用python0基础速通一个项目。

我说白了这课的老师就是tmd懒，懒得去优化课程内容。对啊，我对着万年不变的ppt读一读就能拿到钱干嘛还要去花心思让学生学到东西呢？

我们ds这学期就是在专业课这坨粪海里扭动的蛆

不推荐任何非必修课的同学选修这门课，除非你就是喜欢吃大芬

1分给老师会说普通话，1分给这个课点名小测让我走出宿舍来上课有了点社交。

也是出分了，在考试结束一个月后，比 bdaa 另一门课出分快，傲世振宝贝这一块。 。 。

我觉得这门课更应该改名为数据预处理和机器学习入门（？），先说实验，今年的实验主题是爬取、处理和分析 OpenReview 上面的论文，最后应该希望得到一个 ave rating 和论文主题（keywords）等特征和论文最终是否接收的关系，实验过程中给我的感觉是：你需要对你处理的数据有一定的先验了解，例如今年实验中 venue 和 decision 有时候会出现不同的接收情况，如果你朴素地认为论文接收是由 decision 决定的，那么就可能在一些数字上会有些出入。

然后是考试，考试主要以一些概念和算法的考察为主，由于课程的内容相对较少，还算是有充裕的时间进行记诵，即使你上课一点没听过；你知道的，由于往年卷比较少，在极小的数据集上拟合很容易过拟合，如果你又不幸没有听到上课划重点（这里表扬 cmy 老师，在最后的几节课划了重点，减小了搜索空间和不必要的算力开销），那我建议你让 AI 依据 PPT（说到这个，教材貌似没有用）和往年卷生成卷子（合成数据说是），然后算一算，稍微熟悉一下过程，就不用特意去记算法了。

然后是讲课，这个有一说一我没法评价，因为我已经好久没有听课了，现在我的注意力已经无法长时间集中了，时间一久就想睡觉，但是就讲解的 topic 和上课的激情而言，我觉得 cmy 老师比较好（大家都要试一试 opus，什），但是问题是 程老师想到哪里讲哪里，像是踩着香蕉皮一样从课堂主题滑到了莫名其妙的事情上；期末给分还不赖，但是为什么不打个高分呢，因为我觉得这门课的意义不是很显然，对于 AIDS，机器学习有一门专门的课会讲解，这门课就少掉一半的内容了，这样我在那门课上也可以继续睡觉了（）

我似乎越来越像一个 computer 了

事已至此，来听歌吧

 https://b23.tv/gGtjz2Z

课程内容体感上混杂着部分来自于信息论的知识，程老师最后几堂课划考试范围好评！（不然感觉期末复习有一种隔壁课程1723页ppt的美）
实验安排上和学长交流看来今年相比往年是有长进的，系统性的将任务在ICLR公开论文数据分析 这个命题下做了划分安排，并且实验中的部分内容在期末考试里也有体现

考试上今年题目似乎比往年难一点？？（）突然出现的概率论我真没绷住（）大哭

最后卡绩94，评分扣一分 不过之于信智的孩子们还ok吧