20~21 fall学期总结

简单回顾一下几节课吧。

对自己说一声辛苦了。

数据建模

一开始因为机器学习reg不进去的时候无奈之下reg了这门课,一开始真的心情很沉重,然后头两周的东西又很简单,就搞得我毫无学习动力。

到了quiz惨重了一次之后开始认真看video,刚好也到了难点,感觉有在努力看代码写代码。midterm到达人生巅峰。后来又开始散养,final project我自己觉得是挺辣鸡的,instructor给个好龟就万岁了。

本来就是冲着龟来,后来还真的学到了不少东西,越发觉得Henry男神,算是敬佩到五体投地了。而且这个课,我真的应该就在这个时间上,这样对下面热质传递,还有对图像处理的matlab使用有莫大的帮助(或者说是相辅相成)。塞翁失马,焉知非福,所以很多事情走完了回头看是好的,一开始不要太着急难过,只要努力去学就能贯通。

分离工程

课程内容课件内容都很丰富,midterm同样是人生巅峰,final炸了估计连一个1sd都没有。但是这节课的内容算是理论和实践的重要结合,因为在热力学我们只学习了理论,这里相当于提供了很多很大很广泛实用的example,回头看热力学的很多东西似乎就从应用的角度讲得通了。

但是说实话,很多图像方法也让我怀疑人生,毕竟现在都是计算机的年代,不过图像法是可以提供一个很好的思路和算法的。

热质传递

新来的prof不熟悉怎么教课是可以理解的,所以改动的syllabus,20%mean,这些我都可以理解,但是我不敢苟同的是教书的角度——从居高临下的角度,是很难教会的。因为一个人理解了、接触得多、融会贯通,不代表别人有相同的经验,所以很多东西看上去很straight forward,但是实际上并非如此。这一点我更欣赏下面图像处理的教授。

话说回来,内容上这门课的内容还是有很多启发的,尤其是对于“传递”的本质有了更多的理解的体会。

Bioprocess and bioproduct

这个不知道中文怎么说才合适,但是作为4k课,应该不是期待像2k 3k那样有一个贯穿始末的principle,4k的课更多是对一个更深层次领域的介绍,所以这门课像是一个对bioprocess世界方方面面的collection,内容很杂很多,最后还因为时间不够很rush。但是这届细碎的知识点,尤其是那些计算,说有用,其实也不然。我觉得更多就是给我们一个方向和概念,当我们真正遇到问题的时候,这些教材内容给我们的是一个启发。

但是话说回来,很多东西没有道理可讲,是这样就是这样,这可能是目前的生物领域我不太喜欢的方面。我还是喜欢建立在数学推导之上的演算世界。

图像处理

这门课是本学期的一个惊喜,刚刚还出了个不错的龟。

这个prof的讲课真的特别好。具体可以列几点:

第一,他会在意所有没有相关背景的人,从最基础的开始讲。比如说matlab的基本使用操作,pixel的定义和概念,集合的一些概念。像我这个cs门外汉很多概念是不懂的,但是全程下来其实要听懂是没有特别大压力的。更何况是有机器学习和计算机视觉基础的人。

第二,他会用很多的小例子来解释概念,很多算法听上去很难理解,比如snake,但是他的例子非常好懂。有些例子会让概念更复杂,有些会让概念更简单,他的例子属于后者。

第三,他对自己的讲义把握得好。有些人不知道哪里搞的讲义,其实是不完全清楚里面出现的东西的顺序的。但是他可以把握到,比如讲到一个算法,他会先到后面给大家看一下成果,然后再回来讲算法,这样虽然呈现顺序和讲义顺序不一样,但是讲义顺序是更加时间顺序的,所以复习的时候也不会觉得乱七八糟。虽然讲义不少,但是每一页的字数安排很合理,不会说让人看着特别吃力。

第四,每节课开头都会有对上节课的回顾和复习,同时几乎每节课都会提前下课一点,比起每次什么都讲不完最后要rush的好多了。

话说回来,4k仍然是collection,其实没有说完全学了一个体系,但是却对image processing这个广泛的topic有了一定的了解,其实也是挺有趣的,毕竟生活中难免拍照。

分化实验

三个实验+ e report(plot一定要有单位)+oral quiz(侥幸得了20,其实没有完全回答正确)

2021年出完了龟补充一下,真的是受宠若惊,ceng真的好龟(是我之前太不努力了)