数学实验

虽然上的是去年秋季的数学实验，还是把评价写在这里，供本学期秋季选课参考。

在教学和对本科生的指导上，吴开亮老师是我所知的数学系最认真的老师。我上的那个学期，很多人都是抱着相当程度上水高分的想法选的本课，但是吴开亮老师每一节课都花了很大心思准备课件与作业内容，课程的广度很广，相对来讲（比起理论课或者高阶的）可能深度不深，但是老师的引导做得非常好。

总体上，这一门课给了许多同学以惊喜。另本课与MATLAB编程据我所知重合度相当高，因此水学分可选两门，学东西建议只选一门。

这波大手调分不得不刷个五星好评了🥰🥳

面向对象：走应用数学方向，每周至少能抽出1-2天，且最好学过Matlab的同学（如果学过数值分析，或者和我一样这两门课放同一学期上那简直爽爆了）

内容：Matlab内置函数为首，包括画图、符号计算、矩阵计算、随机模拟实验、（微分）方程（组）求根/数值解、插值与拟合、数值积分、优化、还有一点遗传算法和机器学习的初识。

总评占比：50%作业+50%考试

20%课堂作业：需要写简略的实验报告。实验报告要呈现你的思路，代码和实验结果。务必注意格式和内容上的要求，否则因为判分严格容易坠机（尤其是前三周，养好习惯后后面很好拿满分）。一般来讲每次课堂作业是当天晚上11:00截止，有时候会写很匆忙。如果感到吃力可以在实验课及时问助教，助教还是很乐意帮我们解决代码方面的问题的。

30%课后作业：同上，任务量会更大，有些题ai都不好直接给答案，需要自己构建好思路，分解任务喂给ai合适的提示词才可能跑得通代码。大部分课后作业都需要大半天甚至一个周末（如果追求被代码折磨的感觉的话，纯靠ai会快一些但相应的会得出不那么正确的结论）。所以如果同时上这个+一堆H课+基物之类的话容易爆炸。

10%quiz：主要考察Matlab代码和前半学期学的思想（很基础，基本是数学（值）分析的内容），但是考得很细，大部分人得分都在7.5-9之间。

40%final：考的还是和quiz一样又多又杂，无论学没学过Matlab平时作业都得认认真真留意代码（比如哪些变量命名合法，矩阵计算中某些字符串的作用等等），还有一些看完课件就秒懂的算法（什么梯度下降法中两次方向正交，神经网络的超简单的计算等等）

关于吴老师：（题外话：wkl是鄙人的学术导师）他本人很忙但是非常负责，比助教还负责！平时不懂的问题直接问！上课非常有趣，很有哲理，经常能把数学思想和生活中的现象联系在一起，告诉我们何为“应用数学”。然后我笃定他和助教期末绝对大手调分了（因为扣完作业和小测我的分数已经没我现在的总评高了），所以绝对是“善良守序型”的模范！

印象深刻的事：有次课上吴老师说美国MIT还是哪个藤校要求学生纯ai写作业，然后就要求我们只能用ai完成那节课的实验报告。结果把我整不会了，因为我还不太会用AI生成他要求的pdf。所以我只能把ai的内容截图放到word里再转pdf😂😂😂

反正极力推荐就对了！祝各位都能在吴老师的课上拿董天航奖！

首先说一下成绩组成：

20 lab 课实验题

30 课后作业题

10quiz

40 期末考试

然后说一下各部分的大致情况：

lab 课实验题通常在临近上 lab 课发布，截止日期从当晚到第二天中午不等，重点是评分标准不是按照全对 equal to 满分，而是按照做的最好的同学为满分，依次向下扣（只要不放假，每周都会有此项）

课后实验题难度相对较大，除了单位球内均匀取点外几乎不会出现在 quiz 和期末考试中，ai 适当辅助容易拿到满分（并不是每周一布置）

Annotate：以上两部分的最终总评是总小分除以总满分，也就是说布置出的分值较大的作业要认真对待，并且课后作业总分基数小，数量也不多，所以扣分对总评影响还是很大

quiz 基本在期中考试后一两周的理论课上进行，内容大体是课上讲的内容，题型为单选，不定向（不定向据吴老师说就是多选！），填空以及大题，会有手搓代码！

期末考试和 quiz 题型一致，并且和往年题目呈现高度重叠的特征，可在小红书搜索数学实验找到往年题目，今年期末手搓了 5 道题的代码（应该），一定要记代码

最后，这门课不调分，quiz 没有补考 ，ppt 总共有 800 多页，一定要合理安排复习时间！（ppt 中的应用部分不会考察，主要还是考察基础算法）