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）