魅力统计

感叹一句，24级真的赶上了爆课元年。

现在期末成绩还没出，我先评一下。

我个人很喜欢匆匆老师，老师上课和为人都特别nice。但这并不能掩盖课程本身的问题。

首先是大纲的问题，虽然不是第一次开，但相比24spring，25spring的大纲改了许多，删除了魅力部分，只剩下统计（i mean，课程重点从统计思想怎么来的，变成了纯粹的学习统计方法、做题；

同时，又因为有两位国际友人，所有课程材料变为英文，且老师为了照顾我们，选择了中文+英文的授课方式（但凡我只能听懂一种语言也不会那么难受，中英文切换的时候我两遍都要在听，且中英文不是完全1对1的，常常是老师说两句之后，用英文再补充两句，etc；

另外，ppt上什么都有，但大多数只是“有”，没有详细的解释，但作业什么都有，经常出现写作业的时候感觉什么都没学要重开的状态；

最重要的是，25春开始实行新大纲，强度明显提高了很多，即：有一些原本只是了解的内容，现在出成题目来考试了，ppt上的内容多而杂，同时又有点泛泛，导致题目的难度有些高，assignment中的不少题目是上完课也不会做的，要额外再去了解、去学，问ai之类的，去问老师，她会告诉你“上课讲过”，可能是我基础一般，我是无法通过上课学到很多的，ppt和上课更多的是告诉你“有这个东西，现在你可以自学原理了”

再谈谈小组pre，实际上老师在这里的给分应该比较宽松，极差不大，但是我认为，对于大一学生来说，刚接触“统计”这个领域，我们完全无法自己通过所学知识来分析数据、分析课题，相比来说，课上的大二、大三同学就表现的较好，不过也有可能他们读过一些论文，直接借鉴了论文里的研究思路，因为有的真的太专业了，专业的不像是本科课程的pre，更像是学术报告。扯远了，anyway，做pre的过程不能很好提高自己对统计的理解，所以我认为在这方面的课程设计是有点失败的。

期末考试我不想多说，印象最深的是考了一个矩估计大题，我不太理解也没复习到，直接不会做，over。跟24spring上过课的同学交流了一下，25spring和24spring的期末完全不是一个难度。

听学长说这门课无脑冲，其实不然。

匆匆老师人美心善，不过这个课程强度对于大一的不太友好，国际友人出现导致的中英混杂教学更是雪上加霜。

本课程包含了概率论基础知识，数理统计基础知识，机器学习基础知识以及因果推断基础知识，还涉及了不少R语言部分。一门导论课，给我上出了JavaA的感觉。作业不多几道题，但会硬控你很久很久。布置的作业用AI不靠谱，还得亲历亲为。

由于笨人想进入统计系，所以在期末考前算是把整个学期的内容学明白了。考试能带cp和计算器，考试总体难度不大，就是个别题目出的不够清晰，导致我不知道怎么作答。

有个小组pre,三个大一的啥都不会从0做起，个人认为做的不太理想，但给分超过预期。

哦！值得一提的是本学期的期末占比从25%变成了40%，作业从40%变成了25%，可见难度加大。所以要拿绩点的友友们慎选，这绝不是一门水课。在导论课里面估计可以跟电子系那门课掰掰手腕。

不过，对于想进入统计系的同学，还是推荐的。可以期待匆匆老师带你走进统计的世界！

摘要

如果你为了取得培养方案中的导论课学分而打算选一门导论课的话，那么这门课不适合你。如果你没有学过相关课程，你很有会被这门课程吓到；如果你已经学过相关课程，单纯把这门课当“复习课”的话，那么你还不如选一门更有意思一点、给分更好的导论课。

因此，以下的内容都面向进入统计系，并把这门课作为衔接课的同学。

我评价的意思不是“避雷”，而是提前告知你选这门课会遇到什么挑战。

这门课程设置给了一份比较好的学习地图。对于要解决什么问题，要学什么内容，学的细节是什么，学了之后有什么样的效果，展示得比较清晰。整个教学过程既有生动的学科历史，又有直观的代码和图表演示，对学科有一种很不错的“第一印象”。

不过，在这份学习地图当中，学习路径没有标得很清楚。但是自学没有那么容易。那些重要、晦涩、需要很多时间理解的概念，会严重阻碍学习的进度和知识体系的构建，偏偏这门课这样的概念很多，但是导论课的时间不多，而不同模块之间的关联性又很强。

这就像说：

“那里很好，但我时间不够只能教你一些tricks，你得自己想一些其他办法，才能去那里。”

同时，还有人告诉你：“你只有到了一个地方，才能获得到下一个地方的更多线索。” 所以说，在这门课上，你能很容易用眼睛看到统计的魅力，但想体验和实践统计的魅力，就没有那么轻而易举了。如果你只是走马观花地体会。但是没有思考的话，期末考试会让你觉得统计毫无魅力。

缺乏根基的统计概念

高中课本对于概率论的基本概念描述的还是比较丰富的。然而，关于统计的内容非常少。线性回归都算是比较完备一点的，把最好；$\chi^{2}$ 检验更是纯纯套公式，不过这两者在考试中唯一的价值就是考计算，因为高考不让带计算器。课本的推理和证明（就给出的而言）足够严谨和清晰，但是完全避开了线性代数和微积分的内容，所以很无趣，让人很迷茫。就算你把课本上的推导全部记下来也不知道有啥用，更何况大部分完全没看过。

我猜测这门课的教学内容是这样组成的：
首先选了几门比较重要的专业基础课，然后把比较课程比较简单的部分提取出来，困难的部分就掠过或者跳过了。

我感觉课程这样安排有些忽视这些内容之间的联系了，这种感觉在我学习数理统计章节时尤其明显，我感觉到说不出来的奇怪和跳脱——真的能直接从"概率论的简单部分"直接跳到"数理统计的简单部分"吗？我认为这是不合理的。

想想高中为什么轻视统计，把它作为纯纯的计算考察，不就是因为前置知识不够吗？如果没有补充足够的知识的话，想要理解这些晦涩的概念太困难了。更直接点，在一门导论课上，如果在课上不能理解这些概念的话，可能会就此脱节了。因此，在这样一种情形下，我觉得即使多了解了很多公式和概念，但知识体系的深度提升有限。

和数理统计类似，线性代数的教学也面临着概念多而难理解的难题。但和这门课程对于“统计”的概念的教学缺失相比，我觉得线性代数把不同概念的教学安排得很好，环环相扣。尽管有一些有思考深度、“超纲”的题目我做不出来，我对于线性代数的概念理解并没有太多问题。而统计的这些概念我年理解都有困难——即使我也许能懵懂地把题目做对。

不过你要我有什么好的解决办法，我也想不出来——毕竟这学期《概率论基础》稍微高级一点的内容就把我折磨得痛不欲生了，我也是在学了这些内容后才想到重写这篇 review 的。

陡峭的统计软件学习曲线

如果有电脑小白问你该怎么在电脑上移动文件，你最好先告诉他怎么简单地选中文件，然而拖动它，而不是教他用命令行。前者只给了你有限的选项，有利于试错——纠正；后者自由，对老手有利，但对新手就不是一个好消息了。

对于统计软件来说也是如此。软件很有用，但是要使用软件有太多 dirty works 要完成了——下载、环境、基本语法什么的，都得花不少时间来熟悉细节，更不必说R语言无论从配置、语法、debug来看难度都不低。学了不等于会做，有太多细节等着你出错呢（笑），学过的计算机专业的课越多，对这种现象的共情就越强。上课教了怎么做基本的数据处理和分析，但函数的选择得自学；课程教了按照层次绘图，但参数的选择得自学。看似只要给出了方向自己查查就行了，但其实远远没有那么简单。偏偏数据处理和可视化是下半学期的内容核心，这些自学还不能跳过。

统计软件的学习曲线是非常陡峭的，更不必说R语言了。

作业

单独说一下作业。有同学提到作业很难，需要自学不少东西。次数不多，但是考察形式很广，而且很费时间。内容涵盖计算、写代码、做ppt、绘图、公式推导，包罗万象。

做作业是自学的好时机，多数作业只是对课堂例题的 restate, 我觉得这门课的作业出的还是不错的，和这门课的教学过程一致——也就是提供线索然后让你自己去学。作业让我很好地回顾了课堂的内容。

原回答

以下为我写于大一春季学期结束后的暑假的原回答，有修改。

本人作为大一的学生，听说学长极力推荐这门课程，遂选择了这门课程。上完之后，觉得这门课程不如预期。

具体分析如下：

其他

对导论课的评价

导论课有啥用？
导论课应该囊括这门课程的主要内容，并给出一种学习的“线索”，对于同学来说，应当有一种“我知道了这个专业是学啥的“”我有了这个专业的印象了“。培养方案里有导论课是有它的道理——虽然喝多同学会在大四学导论课。

什么时候应该评价一门导论课呢？
因为这样一种全局性地位，我才会在学习专业课后重新 update。我现在选了一个学期，也许我下个学期又会有一些新的感悟。

Stat vs DS：哪个是好人？

老师上课还提及了一下统计和数科哪个好，说了一大堆，结论就是统计比较好。。。。。。。😂

推荐书目

老师在课上推荐的几本书，写写我读的感受。

《女士品茶》
用现实案例介绍统计学概念，比较有趣的入门书籍，但中文翻译很烂，非常费解。虽然对于例子的描述不够好，但是给出的体系引入还是很不错的。

《The book of why》
好书。
书上对于从 observation 到 association 的介绍让我理解了“因果性不等于相关性“。
除此之外，这本书还是很 reader-friendly 的，就是知识密度有一点低，作者有知识密度更高的介绍因果推断的书。

其他看过再写。老师推荐的书都值得一看。

期末考试准备和一些要补充的内容

期末考试允许带双面A4 Cheating paper, 可以打印；可以带计算器。因此考试所有的公式都不会给，所以至少要把公式记下来，一些题目计算量也很大。记得25Spring最后一题是难绷手算朴素贝叶斯分类器，(这也是人能想出来的题目？)

概率论和数理统计的内容，特别是相关计算是重中之重。一些“高级”“现代”的内容，比如说各种算法，只会在选择题出现。考前可以拿《工程概率统计》这门课的卷子做一下。

我是大二来上的，基本上很多内容都已经或多或少听过。如果你是大一同学或非数学或统计专业来听可能会比我收获更多东西。

有自定义主题的小组pre一次，没有midterm，有final（题目基本按ppt出）

分数：

  徐匆老师人很好，给分也很好，期末出的题目很浅很友好，没有涉及课程中任何有难度的地方。最后的总评甚至是向上取整计算，给分真的蛮不错，如果单纯为了水学分，也建议来。

收获：

课程的主要收获来自于后半学期的内容和作业。

就课程内容而言，前面的内容很简单，主要是概率论与数理统计，ggplot里的画图，夹杂着一些统计学史的东西，不需要什么基础就能很好的吸收。后半学期的机器学习（自监督）以及因果推断就有点强度了，自监督学习主要介绍了线性回归模型、逻辑回归、k聚类、SVM、分类树、神经网络（卷积，LSTM，Transformer等），因果推断则是主要介绍了一些基本概念，经过学习对这里面的东西也有了更深入的认识。然鹅考试几乎完全回避了里面的内容，让重点准备后面部分的我有点小丑（

作业可能是这门课最麻烦的部分，但是能感受到出题的用心。个人认为得花三个小时以上才能把后两次作业弄的比较好，可是在做作业的过程中也能学到很多东西，至少投入与回报是成正比的，所以如果您想要来上这门课程，希望用心对待作业。

徐匆老师人真的是很好，人很温柔，给分也好，就是在讲课方面有点念ppt

个人这门课对于扩展视野来说是比较有帮助的，课程主要就大体介绍了概率论，数理统计，后面还涉及到了一些监督学习算法和非监督学习算法等，当然只是大体了解的程度。很多东西起到抛砖引玉的效果，你自己去了解会学到很多。在bb上每节课都会有录屏，课上没听也可以课下去看录屏。

再来说下这门课的得分规则

1.平时作业 40  

作业题出的是很新的，后几次作业难度个人感觉较大，如果没弄懂可能会做的比较痛苦。作业的内容包括包括但不限于三个方面，一是基于课上所讲内容的一些简单计算，二是拓展性的内容，这部分有些需要你去百度谷歌等搜索了解或者自学，三是代码相关的，老师上课会使用R语言代码演式一些东西，作业里有时也会有一些R语言相关的题目。老师原来计划这学期总共布置5到6次作业，但实际为了减轻大家的负担最后只布置了4次作业，一次作业大概10道题。作业在这门课里占比还是很高的，想拿高分一定要认真对待作业。

2. 考勤 10

会有指纹签到，不过是很宽松的，第一节下课也还可以签。

3. 小组pre 25

结合生活实际做一项研究，还是要画不少时间的，需要去自学很多东西，还要讲出来，感觉对于还在上导论课的学生来说还是偏难了，pre结束后老师也会结合所讲内容进行提问。不过老师给分还是不错的，不用太担心。

4. 期末考试 25

可以带cheating paper，考试的的内容也很简单，有些是课件上的基本是原题，有些是一些简单的概率题，常识题。基本两个小时的考试1个小时就能写完。

这门课给分是很好的，最后的总评也是向上取整，基本不需要担心卡绩的问题，