对大二、大三选修课补全 (#67)

---------

Co-authored-by: oneliey <oneliey@outlook.com>

Basic-and-Practice-Courses/Curriculum-Practice-Compiler-Principle-and-Technology.md

@@ -2,13 +2,13 @@
 
 ## 评价1
 
-1. **开课信息**：[任课教师xxx]（[2018春；2020秋]）
-2. **推荐等级**：[强烈推荐；一般推荐；随便；不推荐；天坑]
-3. **授课内容**：[课程具体内容；授课方式]
-4. **考核方式**：[签到点名；期中期末；大作业、论文、考试等等]
-5. **作业情况**：[作业形式；作业量大小；频次；投入时间]
-6. **成绩情况**：[成绩比例；均分情况；评分方式]
-7. **心得体会**：xxx
-8. **其他方面**：xxx[参考教材(ISBN)；课程信息等等]
+1. **开课信息**：刘辰（2023春）
+2. **推荐等级**：一般推荐
+3. **授课内容**：做一个Pascal-s到C的编译器
+4. **考核方式**：一共只需要去三次：第一节课、中期检查、期末验收。
+5. **作业情况**：老师的中期检查和期末验收都比较人性化，不会一直逮着问。
+6. **成绩情况**：90+
+7. **心得体会**：大伙基本上都是lex+yacc完成词法和语法分析，语义分析和代码生成部分用手工编码，但是全程手工编码的话会**更受到老师的青睐**。~~此外，老师也建议参考百度翻译的界面做一个GUI，想卷的同学供参考。~~
+8. **其他方面**：无，老师人很好。
 
----
+---

Basic-and-Practice-Courses/Curriculum-Practice-Digital-Logic-and-Digital-System.md

@@ -22,14 +22,14 @@
 4. **考核方式**：验收+课程报告
 5. **作业情况**：选的选做，STM32板子自由发挥，线上比较注重产品
 6. **成绩情况**：90+
-7. **心得体会**：老师人挺好的，~~声音也可爱~~
+7. **心得体会**：老师人挺好的，*声音也可爱*
 8. **其他方面**：这门课据说难度在于线下的板子…线上比较水
 
 ---
 
 ## 评价3
 
-1. **开课信息**：杨秦（2022年春）
+1. **开课信息**：杨秦（2022春）
 2. **推荐等级**：强烈推荐
 3. **授课内容**：上一次课，剩下答疑。
 4. **考核方式**：大作业
@@ -38,15 +38,17 @@
 7. **心得体会**：线上小组合作困难，不过作业不难。老师人很好。
 8. **其他方面**：推荐B站学习原理图设计。
 
+---
+
 ## 评价4
 
-1. **开课信息**：[任课教师xxx]（[2018春；2020秋]）
-2. **推荐等级**：[强烈推荐；一般推荐；随便；不推荐；天坑]
-3. **授课内容**：[课程具体内容；授课方式]
-4. **考核方式**：[签到点名；期中期末；大作业、论文、考试等等]
-5. **作业情况**：[作业形式；作业量大小；频次；投入时间]
-6. **成绩情况**：[成绩比例；均分情况；评分方式]
-7. **心得体会**：xxx
-8. **其他方面**：xxx[参考教材(ISBN)；课程信息等等]
+1. **开课信息**：杨秦（2022春）
+2. **推荐等级**：强烈推荐
+3. **授课内容**：上一次课，剩下答疑。
+4. **考核方式**：大作业。我们是杨秦和靳秀国两位老师一起验收，注意一下实验报告的排版。
+5. **作业情况**：使用VHDL进行电子钟设计；药片装瓶系统设计（想卷分可以用Verilog）。
+6. **成绩情况**：95
+7. **心得体会**：老师人很好。
+8. **其他方面**：老师人很漂亮。
 
 ---

Computer-Science-and-Technology/Basics-of-Big-Data-Technology.md

@@ -51,12 +51,28 @@
 7. **心得体会**：这课可以学到大数据的很多东西，感觉作为入门课程相当合适，我是之前没接触过大数据的，一学期课上下来，对大数据的整个流程都有了比较清晰的认识。
 8. **其他方面**：会给华为云的代金券，几百块的样子（虽然没用上）。程老师和助教都是很负责的。
 
+---
+
 ## 评价5
 
+1. **任课老师**：程祥（2023春）
+2. **推荐等级**：保研党：强烈推荐，考研党：一般推荐
+3. **授课内容**：HDFS、NoSQL、HBase、大数据收集、大数据序列化、Spark计算框架、MapReduce计算框架、大数据可视化、流计算、大数据分析、大数据挖掘
+4. **考核方式**：4个小实验 和 2个大实验。平常事不多，老师也不考勤。每次实验都有很详细的指导书，助教也会手把手教，**选到就是赚到**。
+5. **作业情况**：每个实验都会给比较长的时间，而且实验指导也比较详细，每次实验布置之后的那周课都不讲授新知识，而是安排实验答疑。建议多找几个同学一起选，有什么问题都能一起讨论一起解决，
+6. **成绩情况**：100
+7. **心得体会**：这门课是我本科阶段的神课，给分点明晰，不会乱扣分，拿满分是基本操作，况且还是一门3学分的课！~~也是北邮为数不多可以学到东西的课。~~感觉作为大数据入门课程很合适，程老师上课相当有热情，助教老师也相当负责，感受到了北邮计算机15组的震撼。
+8. **其他方面**：一开始会给300块华为云的代金券，之后用完了还会补发，用不完的钱可以自己租个服务器玩玩。
+
+---
+
+## 评价6
+
 1. **开课信息**：鄂海红（2023春）
 2. **推荐等级**：强烈推荐
 3. **授课内容**：大数据基础知识和工具如 spark，map-reduce等
 4. **考核方式**： 4~5次平常实验（视频教程详细）(60分)，两次期末综合实验（40分）
 6. **成绩情况**：95+
 7. **心得体会**：唯一三学分选修课；教程参考书详细,给分点规范。对于在大三的时候需要选修课拉分的同学非常推荐。迟交一次作业扣2分。很多人冲了100分。还发了700块华为云代金券,最后课程只用了一半,余额自由支配。
 8. **其他体会**：北邮没有限制选修课数量,这学期必修课给分低,想拉分可以多选不带考试的选修课。
+

Computer-Science-and-Technology/Information-and-Knowledge-Acquisition.md

@@ -86,9 +86,30 @@
    * 给分上：首先明确一点：单人solo比组队分数高（大概4分），只要你组队，2人或3人没有区别。前几节课就会给个评分标准.doc，但不要被里面的“有创新或尝试多媒体”骗了，多媒体在考核里是单独算的，没有做多媒体上不了90（即使你看了相关论文、在大作业里创了新）。
    * 授课上：基本学不到什么东西，比方说“信息抽取”就是花2个学时给你布置需求，具体咋实现，用啥算法都不告诉你；模式识别和数据挖掘就简单的介绍，有兴趣不如自己去找资料学。
    * 其他：最后一周了，说要验收是真的没想到。
-   * 
+
+---
+
 ## 评价7
 
+1. **任课老师**：乔秀全（2023春）
+2. **推荐等级**：
+   * 考研党：强烈推荐，上课不需要听，交作业即可过，学分混满，好好复习考研内容。
+   * 保研党：强烈推荐，两次大作业分别跟CV和NLP相关，想进13组的同学可以好好准备。
+3. **授课内容**：信息传感、信息融合、信息检索、信息抽取、模式识别、数据挖掘
+4. **考核方式**：报告 * 1 + 大作业 * 2
+5. **作业情况**:
+   * 第一次：传感器调研；
+   * 第二次：信息检索系统；
+   * 第三次：信息抽取系统。
+6. **成绩情况**：95+
+7. **心得体会**：
+   * 老师很和蔼，作业可solo可单人，给分上并没有很显著的差别。作业会给出评分标准，随便找个轮子就可以实现。
+   * 授课内容讲完就不用去上课了，虽说要验收，但其实交个作业上去就完了。
+
+---
+
+## 评价8
+
 1. **开课信息**：刘传昌（2023春）
 2. **推荐等级**：推荐
 3. **授课内容**：信息检索基本概念和经典算法
@@ -97,6 +118,5 @@
     * 第一次：传感器调研； 作答:论文
     * 第二次：信息检索系统；作答:机器学习方法。
     * 第三次：信息抽取系统; 作答:P-tuning微调chatglm抽取三元组。
-
 6. **成绩情况**：90=
 7. **心得体会**：给分正常(已知最高的96),而且不会占用太多时间，作业较轻量，推荐大家选择。

Computer-Science-and-Technology/Introduction-of-Quantum-Computation.md

@@ -54,3 +54,20 @@
 6. **成绩情况**：本人90+
 7. **心得体会**：由于个人代数还行，平时作业写得很轻松，期中成绩也很好。论文和翻译的话，大概第一次课老师就会布置下来，DDL是最后一节课那周的周末，如果都堆到期末的话，时间还是很紧的，其实期中之后就可以开始组队写了。
 8. **其他方面**：前面的50分的话：如果代数功底比较好的话，基本不会有什么问题，考核内容主要是《量子计算与量子信息——量子计算部分》的2.1节线性代数（的阉割版）、2.2节量子力学假设（的阉割版）、1.3.4节量子线路和1.3.7节量子隐形传态，期中考试虽然说是考ppt1到4讲，但实际上只涉及了1到2讲的内容。全学期无签到。后半学期授课内容和论文、翻译没有很强的联系，忙的同学可以摸鱼。参考书的话，上面提到的《量子计算与量子信息——量子计算部分》就可以了，不过难度会比上课大一些。
+
+---
+
+## 评价5
+
+1. **开课信息**：高飞
+2. **推荐等级**：强烈推荐
+3. **授课内容**：量子计算的基本内容、一些量子算法
+4. **考核方式**：平时作业25%，期中考试25%，期末翻译20%，期末论文30%
+5. **作业情况**：平时作业
+   * 平时作业：个人，只有前半学期会布置，如果有一定的代数基础或矩阵论基础的话，应该会比较轻松，如果只学过一学期线代的话可能前期需要花时间理解。
+   * 期中考试：个人，基本上是把平时作业里的数字换一下拼起来，认真的的话，满分不难。
+   * 期末翻译：4人组队，翻译一篇量子算法的论文，英→中，老师会发供选择的论文，当然，也可以小组自己去找。
+   * 期末论文：4人组队，可以设计一个量子算法，也可以写现有的量子算法的分析及应用，也可以写课内外量子算法的深入理解、思考、研究。
+6. **成绩情况**：99
+7. **心得体会**：找几个同学一起选，写完作业对对答案，基本都是ppt的内容。期中只要认真做平时作业基本都会写，论文和翻译基本就见仁见智了。
+8. **其他方面**：好课

Computer-Science-and-Technology/Linux.md

@@ -124,3 +124,14 @@
 6. **成绩情况**：80+
 7. **心得体会**：授课内容还是比较有用的，正则表达式和一些常用命令在很多地方都有着方便编程的效果。线下授课速度很慢，主要还是靠看网课自学，而且期末考试会考到作业没有的题目，给分也不大行，想刷分的同学不建议选
 8. **其他方面**：比较适合不去线下听课的同学，老师不考勤
+
+## 评价11
+
+1. **开课信息**：张雪松（2023春）
+2. **推荐等级**：考研党：强烈推荐；保研党：不太推荐。
+3. **授课内容**：Linux命令相关知识，正则表达式，shell，管道和重定向，网络编程等，MOOC网课+线下授课
+4. **考核方式**：MOOC成绩 + 4 次实验 + 期末闭卷考试
+5. **作业情况**：MOOC小测
+6. **成绩情况**：85+
+7. **心得体会**：**同评价10**，授课内容还是比较有用的，正则表达式和一些常用命令在很多地方都有着方便编程的效果。线下授课速度很慢，主要还是靠看网课自学，而且期末考试会考到作业没有的题目，给分一般般吧。
+8. **其他方面**：性价比不如其他选修课，在必修课根本复习不完的情况下还得腾出时间复习。好处是老师捞人，挂科率很低，很适合不去上课的同学和拿学分的同学。

Computer-Science-and-Technology/Machine-Learning.md

@@ -68,7 +68,7 @@
 6. **成绩情况**：95+
 7. **心得体会**：课程内容本身讲的一般，效果来说不如自学。课程整体占用时间中等，给分不错，编程内容对于使用 Python 进行科学计算有一定帮助，故此一般推荐。
 
---
+---
 
 ## 评价6
 
@@ -82,3 +82,15 @@
    * 期末作业：自选一个感兴趣的机器学习方向，在前人工作的基础上进行一些创新，做一个PPT报告
 6. **成绩情况**：85+
 7. **心得体会**：老师是个新来的年轻老师，授课水平较差，根本没有原理的推导和讲解，就是在念西瓜书而已，我上了4、5节课就跑路了，后面好像每节课就不到20个人去听；第一次小作业比较麻烦，第二次容易，期末作业比较宽泛，原创多少看个人，课程占用时间中等。如果真的想学到东西建议不要报这课。最后说一句，自学机器学习不要上来就看西瓜书，它只是个讲义而已。
+
+---
+
+## 评价7
+
+1. **开课信息**：戚琦（2023春）
+2. **推荐等级**：强烈推荐
+3. **授课内容**：机器学习的各个模型
+4. **考核方式**：4次开卷测验，1次课后计算题，1次论文阅读，1个大作业（三个赛道：CV、NLP、网络或时间序列方向，任选其一）
+5. **作业情况**：如上，得益于Chatgpt，本课难度不大。
+6. **成绩情况**：95+
+7. **心得体会**：不考勤。戚琦老师水平很高，上课有一种如沐春风的感觉，不愧是顶会随手发的11组。

Computer-Science-and-Technology/Python-Programming.md

@@ -106,3 +106,13 @@
     - 大作业为综合前几次所学知识的实验，综合前几次实验进行网络爬虫、数据分析、绘图，19级大作业题目是新冠疫情数据的综合分析，比较麻烦的是得自己找数据来源网站。不算太复杂耗时但也别太轻视，按道理说一两天也能做完，但是真正做起来可能会很麻烦。
 6. **成绩情况**：95+
 7. **心得体会**：这门课整体偏实用，前半部分也很简单，总的来说作为Python数据分析的入门课是合适的。熟悉或学习Python还是很实用的，网络爬虫、数据分析、绘图等等其实都是属于非常日常实用的一些小技能，熟悉numpy、pandas等等库对于学习机器学习、深度学习也提供了一点基础。
+
+## 评价9
+
+1. **开课信息**：王晶（2022春）
+2. **推荐等级**：强烈推荐
+3. **授课内容**：同评价8
+4. **考核方式**：OJ + 实验 + 大作业
+5. **作业情况**：同评价8
+6. **成绩情况**：95+
+7. **心得体会**：水课。

Computer-Science-and-Technology/Technologies-and-Protocols-of-NGI.md

@@ -49,3 +49,17 @@
 6. **成绩情况**：90+
 7. **心得体会**：水课，速来
 8. **其他方面**：无
+
+---
+
+## 评价4
+
+1. **开课信息**：程渤（2023春）
+2. **推荐等级**：强烈推荐
+3. **授课内容**：IPv6 相关以及一些互联网技术的应用
+4. **考核方式**：无签到点名；期末开卷
+5. **作业情况**：2次小实验，比计网的两次实验还简单
+6. **成绩情况**：90+
+7. **心得体会**：水课，速来
+8. **其他方面**：无
+

Computer-Science-and-Technology/The-Practice-of-Computer-Network-Technology.md

@@ -51,7 +51,6 @@
 
 ---
 
-
 ## 评价5
 
 1. **开课信息**：张海旸（2020秋）
@@ -68,4 +67,21 @@
    - 老师总体来说比较认真负责，各方面也挺好说话的，这方面确实很赞。
    - 模拟器Dynamips版本比较老旧（2003年），具体实验体验比较看电脑的兼容性吧，对于实验三而言大部分电脑的实验体验都还算流畅，但是实验四大都极容易崩溃，不过老师从这届开始允许我们改换新的模拟器GNS3，改换后兼容性基本没什么大问题了，但配置GNS3本身可能比较麻烦。
    - 得分主要看拓扑复杂度（也就是说堆砌工作量就能拿高分）和实验报告的思考题（只要在实验课后的一节课认真听课就没问题，实在不会直接找老师问老师也会耐心教你）
-   - 相对其他课来说，总体工作量和思考难度比较小。
+   - 相对其他课来说，总体工作量和思考难度比较小。
+
+## 评价6
+
+1. **开课信息**：吴军（2022秋）
+2. **推荐等级**：强烈推荐
+3. **授课内容**：计算机网络实践应用，路由器基本配置方法
+4. **考核方式**：6次实验（2次算成绩），实验验收(30%)+实验报告(70%)
+5. **作业情况**：
+   - 使用GNS3模拟器搭建 Cisco 路由器/交换机网络拓扑，完成配置。
+   - 最后一次实验为选做实验，为机房里实际的几台PC机配置H3、Juniper和cisco的路由器，~~因为口罩原因今年暂未实现~~。
+6. **成绩情况**：95+
+7. **心得体会**：
+   - 同**评价5**，老师人特别好特别负责，给个赞。
+   - 配置网络简直太酷了，很符合我对通信工程A+大学的想象。
+   - 吴军老师课上采用的是GNS3，兼容性Dynamips比更好。
+   - 相对其他课来说，总体工作量和思考难度比较小。
+   - 大概在大三下的时候会有专业实习，本课学的东西可以用上，相比其他没选本课的同学压力更小。