-
Notifications
You must be signed in to change notification settings - Fork 0
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
- Loading branch information
1 parent
c51c58c
commit 396d726
Showing
15 changed files
with
262 additions
and
36 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change |
---|---|---|
@@ -0,0 +1,180 @@ | ||
--- | ||
date: "2024-09-08" | ||
title: "CourseReview|一些我选的好课推荐语" | ||
categories: | ||
- articles | ||
tags: | ||
- SUSTecher | ||
- Course | ||
summary: "南科大是常为新的,许以开拓者以丰富的奖励。" | ||
--- | ||
|
||
## 前言 | ||
|
||
选课季刚过,海洋系的张传伦教授很高兴地通知我们,今年选择EOE100(地球科学概论)的人数远远超过两百人。时光飞逝,无忧无虑的大一生活已经远去,自己的生活与事业发生了很大变化。和张老在课堂上的讨论,午餐会的畅谈,OfficeHour的请教,偶遇时的闲聊,历历在目,感慨万千。想来也不知道当时评教的闲笔有无作用,便正好转载于此,以飨来客,怀念往日张老带我们探幽入微,纵览地球自然风光奥妙之豪迈。 | ||
|
||
我在大一学年创作过三篇长课评,包括地球科学概论,宏观经济学,机器学习与大数据分析导论。熟悉我的人在那篇金野鸡奖投稿文中可能已有耳闻。转载我的账号[Miller|牛蛙评教网](https://nces.cra.moe/user/1237)上的内容于此,也有立此存照之意。原评论无大幅/事实删改,补充了分段小标题,以及在前加上了一句我的按语,希望有时光错位,相映成趣之感。 | ||
|
||
--- | ||
|
||
## EOE100 地球科学概论 大一上(2023年秋季) | ||
|
||
>按:南科大是常为新的,许以开拓者丰富的奖励。 | ||
[Huajie's Review|2023-12-26|NCES - 地球科学概论(张传伦) (cra.moe)](https://nces.cra.moe/course/7822/#review-3481) | ||
|
||
给十分有很大的私心,主要是张教授对我太好:) | ||
|
||
### 课程情况(建议里会细说) | ||
|
||
- 内容十分丰富,难度不大,主要是英文单词挺多,然后跨度很大。张教授每次上课会让大家读单词。 | ||
|
||
- 张老属于资源型,上课时不时拉着他的学生给我们做介绍(研究方向、课题组情况)我记得分别介绍过红树林检测、物理海洋、气候检测、珊瑚礁微生物季节演替,还有海洋系的iGEM比赛。 | ||
|
||
- 张老师研究古菌,去给他的一个科普会捧场送了本古菌的书。 | ||
|
||
### 作业 | ||
|
||
- 平时无作业,有四次qiuz,都比较简单,重在记单词。 | ||
|
||
- 这学期week14有一个大作业assignment,写关于流浪地球2里的地球科学问题,要求1500字左右?中英皆可。本人写的如果月球没了地球的潮汐会怎么变化,颇粗制滥造,有点对不起张老师栽培 : ( | ||
|
||
### 活动 | ||
|
||
- 几乎每周四中午都会有午餐会,张老师分别会让我们尝试自己写自我介绍、CV,他提一些意见,然后讲他在学术会议上(COP28,还有些别的)的见闻。 | ||
|
||
- 介绍他的学生给我们做分享,比如升学经历或者保研答辩面试ppt。期末会和我们讨论大作业的写作。 | ||
|
||
- 课程相关的:(都可以自己报名)看流浪地球2、大鹏湾观光(炫海鲜、看滩涂和红树林),有多次观光机会,不怕错过。还有徒步登山活动我没去成。不得不说人少三系活动真的多,又好吃/美味. | ||
|
||
### 和其他课程的关系:(胡扯的随便看看) | ||
|
||
- 人少钱多三系先修课? | ||
|
||
- 海洋TPL箐英班要求选的课? | ||
|
||
- 统计和海洋联培需要,~~海洋系的一些项目找人打工(不是)~~ | ||
|
||
### 缺点 | ||
|
||
- 同书院的女生说完全听不懂张老师的英文。我还好,但是前面的单词没怎么复习,课上有时候接不上话 | ||
|
||
- 张老师讲课热情很足,但是需要互动,不然听课效率超级低 | ||
|
||
- 内容太多,课上cover不了所有内容(张老师答应不会考太难,希望QAQ) | ||
|
||
- 很多ppt里的视频没时间放QAQ | ||
|
||
- 培养方案问题,很多还在更改,担心进其他系卡课程问题的建议观望或直接问系秘 | ||
|
||
### 我的建议 | ||
|
||
- 有基础特别是学术英语基础的人上这门课收获应该会很大,完整展示了地球科学的大图景和前沿动态,而且张老师会拉很多学长教授来帮着讲他们的领域。 | ||
|
||
- 想去海洋系走向全球必冲,会将一些专业英语的细节,张老师人巨好,和我聊选择专业和人生发展,邀请我去打iGEM(太菜了不敢接,感谢九霖学长介绍)。在办公室,他会亲自指导学生写作的细节。 | ||
|
||
- ~~想水课,几乎随便水,比我舍友选的的生科好太多了~~ | ||
|
||
- 前面的qiuz,三次都是地球构造为主的,好好背地震带问题不大。海洋构造要稍微注意,这个满陌生的。 | ||
|
||
- 非常综合,但不必要花太多时间在搭建漂亮知识体系上。建议画几个图了解重要概念即可 | ||
|
||
- 不少统计系的学长也选了,可以和他们了解一下统计系的情况 | ||
|
||
- 全英班肯定报不满,但也不适合人太多来选,张教授说希望控制在10人就好,本学期9人全勤没落下一次课。大家衡量自身情况决定 | ||
|
||
总结:张教授是资源型教授,但也能感受到教学的热情。只要你想学好,本课程课程压力不大,能好好拓展知识体系,还能见到很多新领域,第一手得知出去玩和吃的机会,还有和张教授交朋友,是个很好的和张老师拉来的人networking机会。ppt内容非常丰富下来可以看看,大作业和期末好好写就行。希望大家勇于参与课堂讨论,不要让场子冷掉QAQ。 | ||
|
||
--- | ||
|
||
## MIS110 机器学习与大数据分析导论 大一下(2024年春季) | ||
|
||
>按:当你不知道怎么回事的时候,就去做。实践这类活动的特点是,往往不是实现预想的目的,而是发现新的情况。 | ||
[Huajie's Review|2024-05-28|NCES - 机器学习和大数据分析导论(SANDRO CLAUDIO LERA) (cra.moe)](https://nces.cra.moe/course/7265/#review-4759) | ||
|
||
大一春季选的课。结合了评教时给的评语,介绍一下这门课。总之这是为数不多能让我一直认真听课,记笔记而且积极参与的课程。教授对这些主题的热忱和游刃有余让人印象深刻,体会到了**从事自己喜欢的事业会有多么闪闪发光**。你可以理解为我很菜,但是上这门课每次都会有惊喜。 | ||
|
||
### 课程质量 | ||
|
||
全英文,Sandro教授发音标准,语速适中,是非常好的听力材料。无先修课,但是适合对线性代数和概率论至少有了解的人来上。有python基础的话自己做pre会好很多。 | ||
|
||
课程主题广泛,内容详实,而且相关的知识难度大,数学内容很多,而且前沿,都是5-6年以内的论文和工作。教授很好地把握了机器学习和数据处理的核心问题即通过bootstrap, regularization等方法防止overfitting。PPT非常精美,图文并茂,必要时会附上大段详细的文字讨论,或者数学推导,让大家自己消化。slides每周更新,以包含教授的选题、同学们的意见、建议和讨论,最终大约350-370页slides,都相当于一本新书了。非常多的资源链接和论文快照都在slides中给出。 | ||
|
||
最后给我们科普了一些网络科学和复杂性理论的基础知识和与Machine Learning的结合,以及他PhD和同事的工作,可以说在教学上毫无保留、全力以赴、趣味盎然。 | ||
|
||
在Presentation中教授给了很多重要的实操建议,比如首先可视化,使用pipeline避免data leaking,通过errorbar展示结果,理解处理流程和结果的含义。“**任何人一行代码或者一句提示词就能训练模型,但是你要知道自己在做什么**”。做了三次pre,期中后开始忙了就没有做pre了。 | ||
|
||
### 对任课教师的意见 | ||
|
||
由于大部分同学参与度并不是非常高,所以教授在上课得到的正反馈很少。建议加大对课堂参与、发言、presentation的记录和加分。不过是pf课,倒也无所谓,我自己学到东西就行。 | ||
|
||
### 给分 | ||
|
||
签到+pre+上课表现,比例忘了。做一次pre+全勤肯定能pass,pre越往后越难,建议先pre,做最简单的可视化加尼福尼亚房价就行。 | ||
|
||
教学管理工作:最后一周进行了课程调整,week15上完最后两节课,week16没有课了。这个调整原因不清楚,但是还不错,给了大家期末复习时间。不过我真的希望还能选教授的课。 | ||
|
||
--- | ||
|
||
## FIN204 宏观经济学 大一下(2024年春季) | ||
|
||
>按:经济学眼里,人种国别只是一个Feature,而理论假设往往直接决定推理结果。所以当有人吹嘘何种特色经济学怎么样的时候,搞清楚前提和假设,实然和应然。如果你不讲逻辑,Portfolio也不和你讲道理;如果你没有portfolio,你空谈什么?你为你的判断做决定吗?你为你的决定负责吗? | ||
[Huajie's Review|2024-05-27|NCES - 宏观经济学(孙便霞) (cra.moe)](https://nces.cra.moe/course/401/#review-4757) | ||
|
||
### 经济学启蒙 | ||
|
||
大一春季学期心血来潮上的,我愿称之为经济学启蒙之课,总算懂了什么是通胀、加息、货币政策、财政政策等,会自己去中美央行网站找政策文件;当然更主要的知识点还是假设、模型和图像曲线推演。 | ||
|
||
### 课程要求 | ||
|
||
一般不点名,一学期3,4次对着名单点名;但是会有小测,每章一次代替点名,中途在大家的强烈要求下如果小测正确率高有bonus(截止week15周一还没有具体出来细则)。 | ||
|
||
### 教师风格 | ||
|
||
孙妈每堂课会复习,问问题不会为难人,对人超好,半期考试虽然我摆烂了但是难度不高(题库里抽题,所以不会公开); | ||
|
||
### 小组作业和建议 | ||
|
||
week15周一和周三(就是我写评论的这天,周一)做宏观Pre,10-12分钟,孙老师会问问题。我们组四个人,我主讲,题目是利率体系以及货币政策对比,小组的各位前辈很给力,分工明确,图表排版用词都很专业。 | ||
|
||
孙老对我们组评价颇高,问问题时为数不多地专注于我们的内容和逻辑缺陷(有一段货币银行学的内容我没怎么搞懂,结果孙老就察觉并把我问倒了>_<,还好有学姐救场;以及图表划线略有问题)。 | ||
|
||
PPT别大段文字和伤眼配色,别棒读或者为了参与感强求多人轮换上台讲,别忘了加上每个slide的页码(孙老问问题会用)。 | ||
|
||
至于我对GPA无感,只要学到了framework就行,所以关于学习方法之类的就谈的不多了。如果作业不会做,先参考参考答案的framework,然后默写几遍就好了。 | ||
|
||
--- | ||
|
||
## English Corner (ChatGPT) | ||
|
||
在和AI交流进行写作的时候,我也在不断学习。顺带一提,这个英语角很受张老的启发。把英语融入你的workflow吧! | ||
|
||
>Learn by doing(writing), with the help of AI. | ||
### Academic Vocabulary Related to Courses | ||
|
||
When discussing different subjects, it's helpful to use precise English terminology. Here are some key terms: | ||
|
||
- **Earth Science** (地球科学): The field of study focusing on the physical constitution of the Earth and its atmosphere. | ||
- **Macroeconomics** (宏观经济学): A branch of economics dealing with the performance, structure, behavior, and decision-making of an economy as a whole. | ||
- **Machine Learning** (机器学习): A subset of artificial intelligence that involves training algorithms on data to make predictions or decisions. | ||
- **Data Analytics** (数据分析): The science of analyzing raw data to make conclusions about information. | ||
|
||
### Useful Expressions for Academic Discussions | ||
|
||
Here are some common phrases that can elevate your communication in an academic setting: | ||
|
||
- “**Interdisciplinary approach**”: A method that integrates concepts and methods from different disciplines to solve complex problems. | ||
- “**Empirical analysis**”: Analysis based on observed and measured phenomena, deriving knowledge from actual experience rather than theory. | ||
- “**Curriculum structure**”: The design and organization of the content and methods of instruction in a course or educational program. | ||
- “**Learning outcome**”: The specific skills or knowledge students are expected to gain from a course or program. | ||
|
||
### Describing Teaching Styles and Course Experiences | ||
|
||
If you're reviewing a course or providing feedback on a professor, consider these expressions: | ||
|
||
- “**Engaging teaching style**”: A teaching method that actively involves students in the learning process, often through discussion, debate, or hands-on activities. | ||
- “**Facilitates active participation**”: Describes a professor who encourages students to engage, ask questions, and participate in discussions. | ||
- “**Resourceful professor**”: Refers to a professor who provides ample learning materials, opportunities, and support to their students. |
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Oops, something went wrong.