diff --git a/.gitbook/assets/O1CN010BiqYX1m9kJiiGyrB_!!2455124912.webp b/.gitbook/assets/O1CN010BiqYX1m9kJiiGyrB_!!2455124912.webp new file mode 100644 index 0000000..c3cf766 Binary files /dev/null and b/.gitbook/assets/O1CN010BiqYX1m9kJiiGyrB_!!2455124912.webp differ diff --git "a/.gitbook/assets/\346\225\260\346\215\256\345\272\223.jpg" "b/.gitbook/assets/\346\225\260\346\215\256\345\272\223.jpg" new file mode 100644 index 0000000..812a1ba Binary files /dev/null and "b/.gitbook/assets/\346\225\260\346\215\256\345\272\223.jpg" differ diff --git "a/.gitbook/assets/\346\267\261\345\272\246\345\255\246\344\271\240.jpg" "b/.gitbook/assets/\346\267\261\345\272\246\345\255\246\344\271\240.jpg" index 6c17093..86902ff 100644 Binary files "a/.gitbook/assets/\346\267\261\345\272\246\345\255\246\344\271\240.jpg" and "b/.gitbook/assets/\346\267\261\345\272\246\345\255\246\344\271\240.jpg" differ diff --git "a/.gitbook/assets/\347\224\265\347\243\201\345\255\246.jpg" "b/.gitbook/assets/\347\224\265\347\243\201\345\255\246.jpg" new file mode 100644 index 0000000..3bcfe47 Binary files /dev/null and "b/.gitbook/assets/\347\224\265\347\243\201\345\255\246.jpg" differ diff --git a/SUMMARY.md b/SUMMARY.md index d5f436a..76fc905 100644 --- a/SUMMARY.md +++ b/SUMMARY.md @@ -24,13 +24,16 @@ * [数学分析B1(数学通修)](pei-yang-fang-an-jie-xi/da-yi-qiu-ji-xue-qi/shu-xue-fen-xi-b1-shu-xue-tong-xiu.md) * [大一春季学期](pei-yang-fang-an-jie-xi/da-yi-chun-ji-xue-qi/README.md) * [数学分析B2(数学通修)](pei-yang-fang-an-jie-xi/da-yi-chun-ji-xue-qi/shu-xue-fen-xi-b2-shu-xue-tong-xiu.md) + * [大学物理-基础实验(物理通修)](pei-yang-fang-an-jie-xi/da-yi-chun-ji-xue-qi/da-xue-wu-li-ji-chu-shi-yan-wu-li-tong-xiu.md) * [大二秋季学期](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/README.md) * [概率论与数理统计(专业基础)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/gai-shuai-lun-yu-shu-li-tong-ji-zhuan-ye-ji-chu.md) * [复变函数B (专业基础)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/fu-bian-han-shub-zhuan-ye-ji-chu.md) * [计算系统概论(专业基础)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ji-suan-xi-tong-gai-lun-zhuan-ye-ji-chu.md) + * [电磁学C(物理通修)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/dian-ci-xuecwu-li-tong-xiu.md) + * [大学物理-综合实验B(物理通修)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/da-xue-wu-li-zong-he-shi-yanbwu-li-tong-xiu.md) * [数据结构(专业基础)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/shu-ju-jie-gou-zhuan-ye-ji-chu.md) * [几何学基础(专业选修)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ji-he-xue-ji-chu-zhuan-ye-xuan-xiu.md) - * [人工智能与机器学习基础](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ren-gong-zhi-neng-yu-ji-qi-xue-xi-ji-chu.md) + * [人工智能与机器学习基础(专业核心)](pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ren-gong-zhi-neng-yu-ji-qi-xue-xi-ji-chu.md) * [大二春季学期](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/README.md) * [人工智能基础(专业选修)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/ren-gong-zhi-neng-ji-chu-zhuan-ye-xuan-xiu.md) * [人工智能原理与技术(专业选修)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/ren-gong-zhi-neng-ji-chu-zhuan-ye-xuan-xiu-1.md) @@ -39,9 +42,10 @@ * [数理方程B(专业选修)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-li-fang-chengbzhuan-ye-xuan-xiu.md) * [电子线路(专业选修)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/dian-zi-xian-lu-zhuan-ye-xuan-xiu.md) * [信号与系统(专业选修)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/xin-hao-yu-xi-tong-zhuan-ye-xuan-xiu.md) - * [数据库系统概论(专业基础)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-ku-xi-tong-gai-lun-zhuan-ye-ji-chu.md) - * [数据分析与实践(专业核心)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-fen-xi-yu-shi-jian-zhuan-ye-he-xin.md) + * [数据库系统概论(专业核心)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-ku-xi-tong-gai-lun-zhuan-ye-ji-chu.md) + * [数据分析及实践(专业核心)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-fen-xi-yu-shi-jian-zhuan-ye-he-xin.md) * [离散数学(专业基础)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/li-san-shu-xue-zhuan-ye-ji-chu.md) + * [深度学习基础(专业核心)](pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shen-du-xue-xi-ji-chu-zhuan-ye-he-xin.md) * [大三秋季学期](pei-yang-fang-an-jie-xi/da-san-qiu-ji-xue-qi/README.md) * [算法基础(专业基础)](pei-yang-fang-an-jie-xi/da-san-qiu-ji-xue-qi/suan-fa-ji-chu-zhuan-ye-ji-chu.md) * [机器学习概论(专业核心)](pei-yang-fang-an-jie-xi/da-san-qiu-ji-xue-qi/ji-qi-xue-xi-gai-lun-zhuan-ye-he-xin.md) diff --git a/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shen-du-xue-xi-ji-chu-zhuan-ye-he-xin.md b/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shen-du-xue-xi-ji-chu-zhuan-ye-he-xin.md new file mode 100644 index 0000000..f67c844 --- /dev/null +++ b/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shen-du-xue-xi-ji-chu-zhuan-ye-he-xin.md @@ -0,0 +1,84 @@ +--- +description: Presented by Wanglulu:wanglulu114514@mail.ustc.edu.cn +--- + +# 深度学习基础(专业核心) + +
+ +这门课不需要教材。深度学习的相关教材很多,如有需要可以自行选择。 + +## 课程简介 + +深度学习基础在AI和DS专业的培养方案中均为必修。课程深入讨论深度学习的内涵,围绕“深度”和“学习”两条主线,重点介绍网络结构和学习算法,及其在计算机视觉、自然语言处理、图分析挖掘、推荐系统等方向中的应用。具体内容包括:深度前向网络、深度学习中的最优化技术、深度学习中的正则化技术、深度卷积网络、循环神经网络、注意力机制、图神经网络、生成网络、无监督学习等。该课程将理论和实践紧密结合,在夯实学生的理论分析能力同时,锻炼学生的动手实践能力。 + +课程的主要考核方式为实验,附有论文调研等作业,无考试(2026年春季) + +## 前置知识涉及的课程 + +数分线代概统,人工智能与机器学习基础,以及其他机器学习相关的课程。 + +本课程的实验全部基于深度学习框架进行,需要比较熟练地使用Python的各种包和torch等深度学习框架。当然,由于深度学习对算力有硬性要求,一台好的设备是必不可少的。如果设备不过关可以上107平台,使用学校提供的算力。使用远程算力需要学习ssh等远程连接技术。 + +## 课堂概况 + +2026春季开设两个平行课堂,分别由冯福利、王文杰老师,何向南讲授。冯福利班的PPT继承自计算机学院连德富、王皓老师开设的同内容课程并做了部分调整。然而根据某位同学的描述,这份PPT的内容似乎大量来自一本名叫 [_Probabilistic Machine Learning : An Introduction_](https://icourse.club/course/26300/#review-104655) 的教材,有条件的同学可以试试用教材自学。 + +课程从深度学习的定义及其与机器学习之间的区别出发,以神经网络为原点,讲授FNN、CNN、RNN、Resnet、注意力机制、Transformer、图神经网络、自监督学习、知识增强、因果启发等深度学习所用的方法,并介绍了大量大语言模型、生成式模型等相关前沿内容。 + +冯老师和王老师都比较注重课堂活跃度,但没有组织点名和小测。平时上课可能会挑同学回答问题并记录。 + +本课程面向的群体比较多样,从AIDS到信院计科,再到一些其他专业选修的同学,背景非常丰富。 + +## 实验概况 + +2026春的实验共5次,在总评中的占比分别为10,10,10,15,20,最后一次为组队大作业。实验只有说明没有框架,需要同学们从0开始搭建。 + +### 实验1 + +非常简单的FNN实验,用糖尿病疾病进展数据集进行回归、调参并分析结果。 + +### 实验2 + +非常简单的CNN实验,用Fashion-MNIST 服装图像分类数据集进行训练、测试、调参和结果分析 + +### 实验3 + +开始上强度的RNN/Transformer实验,基于IMDB 电影评论数据集进行情感类型预测(分类),需要准备Tokenizer、参照《Attention Is All You Need》原文手动实现多头注意力、实现位置编码和调参分析。 + +### 实验4 + +算力需求巨大的自监督学习实验,使⽤ CIFAKE 数据集进行基于SimCLR的自监督学习,需要进行数据增强、训练和调参分析。CIFAKE是一个载有120000张图片的数据集,分为真实的和AI生成的。本实验算力需求巨大,助教特意强调可以不跑全量数据训练,但最低需要使用10%的数据。 + +### 大作业 + +使用本课程学习到的知识,在所给的历年股票数据集上进行模型训练,并使用训练好的模型进行预测和为期10天的模拟盘实操比赛。 + +按照布置作业时给定的标准,大作业的最终效果占比换算到总评大概有4分。 + +从最终的结果来看,大家炒股的结果和所选10天的A股大盘基本保持一致。最大收益约4%,最大亏损约20%,平均收益率大约为-4%左右。由于A股的骰子涨跌,本作业最终效果的运气成分较大。 + +## 书面作业 + +除了实验,本课程还有几次比较简单的书面作业: + +1. 设想一个可以利用深度学习解决问题校园实际场景,并说明深度学习相较于传统机器学习的优势。 +2. 根据上课讲述的生成式模型相关内容完成部分题目,重点为数学推导和原理解释 +3. 调研一篇大模型相关的论文并写调研报告,要有自己的感受和想法。 + +折算为总评后,两次小作业共计10分,论文调研报告15分。 + +## 关于Vibe Coding + +本课程第一节课就说明了不反对Vibe Coding,但要求同学们完全理解生成的代码。助教在实验验收和报告批改中也会着重关注有无自己的理解。 + +课程实验的所有框架都需要从0搭建,这也意味着手写所有代码几乎是不可能的,我们需要AI来帮我们完成大量代码。相应地,同学们不需要过于纠结代码的细枝末节,而应当把注意力放在小部分的核心代码上,从而以最快的速度搞清楚AI写出来的代码究竟在做什么,又有什么可能的问题。 + +不建议使用AI完成实验报告。你可以让AI帮你生成模板和分析数据,但核心的结论需要你自己的思考。 + +如果对着大量的脚本文件无从下手,可以直接询问你的Coding Agent,让ta帮你解释所写的代码。 + +## 其他 + +细心的同学会发现上面所有的分数加起来只有90分。这是因为有10分是考勤分,但是冯福利王文杰老师的课堂没点过名。 + diff --git a/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-fen-xi-yu-shi-jian-zhuan-ye-he-xin.md b/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-fen-xi-yu-shi-jian-zhuan-ye-he-xin.md index 1b90726..e4392fa 100644 --- a/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-fen-xi-yu-shi-jian-zhuan-ye-he-xin.md +++ b/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-fen-xi-yu-shi-jian-zhuan-ye-he-xin.md @@ -4,47 +4,108 @@ description: 学分:3.0 # 数据分析与实践(专业核心) -

课程教材以老师PPT为主

+Presented by Wanglulu:wanglulu114514@mail.ustc.edu.cn + +

课程教材

## 课程简介 -本课程主要从数据科学基础,数据统计,数据挖掘,机器学习等方面入手,较全面地描述了数据分析的全过程。这是一门实践导向的课程,它的主要编程工具为Python,内容包括python的基础语法与应用(自学然后完成实验),如何获取数据(爬虫),如何在原始数据之上进行特征工程,统计分析,可视化实验,如何使用机器学习基础算法。课程的最后还会给出一项情景任务,之前三年给过的任务是根据某场LOL比赛的场上数据预测比赛胜率、根据某国家学生的各项能力得分预测其数学成绩和根据PISA提供的学生各项基本情况(比如:家庭收入、学校是否有音乐课等)数据来预测学生是否复读。本课程没有期末考试,平时的每项实验都很重要,课程中后期还会有一项调研报告任务,其会培养同学们查找资料、阅读论文、书写报告的能力。 +数据分析及实践是数据科学专业的专业核心课程,主要内容为数据从生成到处理,再到利用的各个环节以及所涉及到的算法等,内容主要包括数据采集、数据预处理、特征工程、数据统计、数据挖掘。其中数据统计包含各种统计量、参数估计方法、假设检验方法、抽样方法等;数据挖掘包含分类与预测、聚类、关联分析和异常检测等。课程知识量较大,并伴有多次实验。 ## 前置知识涉及的课程 -数学分析、线性代数、概率论与数理统计 +概率论与数理统计、机器学习 -## 往年经验 +这门课的四个章节分别叫数据科学基础、数据入门、数据统计和数据挖掘,但是等上完这门课以后会发现这四个章节都有更好的名字: -作为一项实践性的课程,同学们可以提前熟悉Python的使用(尤其是网络爬虫),jupyter的使用,调研报告的书写技能(可以使用Typora;老师明确表示希望看到更加美观的报告,可以提前学习latex来尝试美化自己的报告),课程中会涉及一系列机器学习基础算法,由于课程内容比较多,某些算法可能不会细讲,且作为导论课程课程深度不会过于深,有兴趣的同学可以去B站看看吴恩达的机器学习/深度学习网课作为补充。另外,基本上每节课都有当堂小测,就算一筹莫展也尽量写上姓名学号交上去。 +1. 数据科学科普 +2. 数据采集和处理 +3. 概统 +4. 机器学习 -## 与后续课程的联系 +如果你在上这门课前已经上了**人工智能与机器学习基础**,你会在这门课里见到很多熟悉的面孔,尤其是第二章和第四章。 -数据分析的技术是极其重要的能力,其内涵在于使用数据驱动的思想,数据分析的手段解决实际应用问题,在机器学习的领域之中也占据极其重要的位置。 +## 课堂概况 -## 课程资源 +刘淇老师执教这门课多年,已经形成了自己独特的上课风格,而2026年春季程明月老师的加入无疑为课堂注入了新鲜血液,让本课程呈现出一种勃勃生机万物竞发的境界。蒸蒸日上! -{% embed url="https://rec.ustc.edu.cn/share/7ba6cc80-be48-11ed-baf8-29dee41a5f77" %} +本课程的排课一般为下午的8、9、10节,但是基本不会提前下课。 + +课堂讲解完全基于PPT,附带少量板书。这门课的内容100%包含在PPT内,备考完全可以仅依赖PPT。但是本课程的PPT从开课以来直至2026年春似乎都没有更新过,其中存在的情况包括但不限于: + +* 字被图片挡住 +* 中英混杂 +* 部分内容过时 +* 重点不突出 + +课程讲授的的大多数知识点都是非常有用的,属于数据科学的学科常识和基础算法。不过课程的编排方式可能使内容显得难以理解。如有需要可以进行基于大模型的学习。 + +课上有小测而且可能上到一半就测。 + +## 实验概况 + +本课程没有祖传实验,每年都会设计新的实验。2026年春季的实验有5个,内容如下: + +1. Python 基础,在bdaa的平台上写Python题 +2. 从ICLR2026的网页上爬取数据并清洗 +3. 使用给定的ICLR论文信息数据集进行统计分析 +4. 使用给定的ICLR论文信息数据集进行关联规则挖掘 +5. 使用给定的ICLR论文信息数据集进行机器学习,预测论文能否被Accept,并尝试编写能够自动执行数据分析脚本的Agent -## 目录 +需要注意目前的大模型已经能够独立完成所有实验,但实验中仍然有不少细节问题是只靠大模型无法解决的,比如爬虫的访问参数、数据过脏、数据图表分析等。这里特别提一下数据过脏,课上专门强调了数据分析的80%时间都在清洗数据,可能还不止。实验涉及到的数据集大概率会存在大量的格式错误、数值缺失等问题,需要仔细处理。 -
+除实验1以外所有实验都需要写报告,报告要求按照实验步骤写明每一步的结果和分析。同学们不要提交纯血的AI报告,可能会导致一个比较低的分数。另外,2026春的报告要求直接提交md文件,请注意如果md文件中附有图片的话需要连带图片一起打包提交。 -数据分析与实践教学大纲 +如果实验做得好可能会被选中上台分享。 -数据科学基础 +## 考试情况 -数据分析入门 +没有往年题,评课社区所有的往年题都是学长靠超强记忆力弄出来的。备考除了PPT就是评课社区。可以让AI帮你看着考点出点模拟题。 -数据统计 +2026春季的考试题型为10道定项选择,4道不定项选择,3道填空,4道简答和4道综合,整体题量较大,考察内容广泛但不超出PPT。 -数据挖掘基础 +每个章节的考察重点如下,其中带\*的为非常重要的重点: +### 第一章 +没有。 +### 第二章 +* 爬虫:载入、解析和存储过程,数据请求方式,反爬虫和去重 +* 数据存储:结构化、半结构化、非结构化 +* \*数据预处理:数据清理、集成、变换、规约(这个部分是重中之重,会有大量可以计算的指标) +* \*特征工程:特征构造、TF-IDF、特征子集评价 +### 第三章 +* 反映数据集中趋势的分布指标:各种平均值、分位数、众数、箱图(各种统计图表) +* 反映数据离散趋势的分布指标:方差/标准差、极差/四分位差、异众比、变异系数 +* 反映数据分布形态的分布指标:偏度系数、峰度系数 +* \*参数估计:矩估计、最小二乘估计、MLE、MAP、Bayes估计、无偏有效相合 +* 假设检验:第一类/第二类错误 +* 抽样:各种抽样方法 -
+### 第四章 +* 关联规则:项集、\*支持度、\*置信度、\*Apriori算法、FP-Growth算法、提升度、辛普森悖论 +* 分类:\*Acc/Pre/Recall/F1、ROC曲线、\*决策树(信息增益、基尼指数、过拟合分析、剪枝)、Bayes分类器、感知机、KNN +* 数据集成:Bagging、Boosting、评价指标 +* 时序预测:各种概念和性质、\*ARIMA算法 +* 聚类:层次聚类、密度聚类(DBSCAN)、SSE/SSB + +## 评分细则 + +实验30分,考试60分,平时10分。这门课刚开始是没有考试的,2024年开始考试占大头,上这门课的同学一定要好好准备考试。 + +## 其他 + +本课程被广大同学评价为上课、实验、考试正交,请做好大量自学的准备。 + +课堂上涉及数据库的内容都可以不听,因为数据库系统概论会讲。 + +出分非常慢,不建议急需学分的同学选修/重修。 + +## 老学长留下的链接 + +{% embed url="https://rec.ustc.edu.cn/share/7ba6cc80-be48-11ed-baf8-29dee41a5f77" %} diff --git a/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-ku-xi-tong-gai-lun-zhuan-ye-ji-chu.md b/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-ku-xi-tong-gai-lun-zhuan-ye-ji-chu.md index 8527bc5..64ac243 100644 --- a/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-ku-xi-tong-gai-lun-zhuan-ye-ji-chu.md +++ b/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/shu-ju-ku-xi-tong-gai-lun-zhuan-ye-ji-chu.md @@ -2,61 +2,92 @@ description: 学分:3.5 --- -# 数据库系统概论(专业基础) +# 数据库系统概论(专业核心) -
+Presented by Wanglulu:wanglulu114514@mail.ustc.edu.cn -

课程教材

- -
+

课程教材

## 课程简介 -本课程将理论与实践相结合。课程内容包括数据库系统的体系结构,数据库系统主要模块的工作逻辑,关系型数据库的基本内容,非关系数据库的基本内容等。课程要求学生掌握数据库系统的基本编程技术,以及运用数据库技术进行实际的系统设计与应用开发。 +本课程是DS专业的专业核心课程,也是AI专业的专业选修课程。课程主要内容为基于关系型数据库SQL的数据库理论和实践。所教授的内容包括但不限于:数据库的各种基本概念、数据库系统、数据模型、关系模型、SQL语句语法、数据库安全性、数据库完整性、关系数据理论与范式、数据库设计、关系型数据库的存储管理、查询优化、数据库恢复、并发控制等。整体上这些内容对应了课本的1-12章(第8章除外),内容较多。 ## 前置知识涉及的课程 -数据结构中树相关的知识 +数据库课程本身涉及的前置课程并不多,只需要知道一些基本的代码知识。在数据库存储管理相关的内容中可能涉及数据结构的内容(尤其是B+树,数据结构课程中这个东西是不做考核要求的,但是数据库存储管理中有很多索引都是建立在B+树上的);在关系代数理论中可能设计离散数学的内容(主要是函数依赖,不是很恶心,也不是很不恶心) -## 往年经验 +## 课程概况 -该门课上课内容较为理论,需要课下多多巩固,知识点比较碎,要保证每个方面都能理解到位。其中sql语句是课程考察的重点,需要多多实操练习,其中一次实验就是写sql语句,同学们可以不只局限于实验要求,多多尝试不同sql语句的写法,加深理解。数据库设计的实验对于初次接触一个项目的同学可能难度较大,要多问,多实践,肯花时间学习,可以参考评课社区上面的点评了解一下基本的技能要求。期末考试考察较为全面,同学们要关注平时习题和教材例题,尽可能不要遗漏知识点。建议同学们尽早学会一些基本的html、css、JavaScript语法,学会制作一些简单的网页,可以试着制作个人主页,这有助于在数据库设计的前端开发上面花费较少的学习时间。 +本课程由教学经验非常丰富的黄振亚老师教授,黄振亚老师是一位年轻中透漏着老辣的老师,会通过多种途径检测同学们的学习成果。请同学们上课务必认真听讲,并认真对待可能的小测。 -21级更新:实验一是SQL语句编写,实验二是数据库系统的实现,耗费时间多并且在期末月,有时间最好提前准备。本课程考试偏文科,只有SQL语句编写题目等少数题目需要思考,建议把教材或者PPT细致地看一遍。PS:看PPT可能快一些,因为书上有部分知识的是不考的。 +课堂内容基本就是老师按照PPT把该讲的知识点都讲完。需要注意的是,这门课的PPT有1000多页,但是对应的课本内容只有300多页。由于PPT和课本的重合度较高,同学们在复习时可以比较多地参考课本。 -## 与后续课程的联系 +本课程有两个实验,均为祖传实验。实验1:给定一组数据,导入MYSQL后按照顺序完成对应题目。实验2:按照数据库设计规范的要求,设计一个自己的数据库系统。实验看似不多,实际体量很大。两次实验都需要提交代码和实验报告。 -数据库涉及的一些思想和知识,在操作系统、并行计算、大数据系统及综合实验中也有所体现,如调度、死锁等知识,此课程涉及的技术和内容与业界关系很大 +本课程15周结课,期末考试一般直接安排在春季学期的期末周。本课程一般没有期中考试。 -## 课程资源 +## 考试情况 -{% embed url="https://rec.ustc.edu.cn/share/b227a150-be47-11ed-ba06-1730c306a667" %} +本门课程的考试比较难,题型为选择、计算、综合。根据2026春的实际情况,具体分布为选择题10道,计算题4道,综合题6道。其中综合题的第一大题为SQL语句编写,最后一道为开放题(数据库设计),几乎能够覆盖所有考点。 + +本门课程的考试比较难的一个原因是**完全没有往年题**。考试题和平时作业关联较大,建议可以多做书上例题。如有需要可以参考计科数据库课程的题目。 + +与前几年的所谓“文科考试”不同,2026年的数据库考试需要计算和证明的题目明显增多,但是还是有背概念的题目。备考时需要兼顾。 + +和课本章节对应的考点重要程度如下: + +* 绪论:东西多且杂,选择和概念背诵题易考。需要记住数据库四个基本概念、数据模型、三级模式结构。 +* 关系模型,必考关系语句操作(写表达式),完整性容易考概念,而且喜欢和第五章的东西连着考。 +* SQL:**必考手写代码**。注意不要漏掉视图的部分。 +* 数据库安全性:自主存取控制方法里面有**手写代码**的内容,强制存取控制方法大概率会考个选择。 +* 数据库完整性:跟第二章对应,同时有完整性定义和触发器的**手写代码。** +* 关系数据理论:范式的定义和不同范式之间互相包含关系的证明必考,公理系统和模式分解会考计算。 +* 数据库设计:必考一道大题,对,就是最后那个开放题。把这个章节的目录记住,目录就是数据库设计的环节。还有ER图要会画。 +* 关系数据库存储管理和查询优化:各种索引结构需要记住,会考选择和计算。计算大概率考连接操作的I/O消耗计算和各种索引需要的查找次数等。 +* 数据库恢复技术:容易考选择和简答,事务的ACID需要记住,日志和检查点机制需要弄懂(会考选择和简答)。 +* 并发控制:容易考计算题。记好各种错误类型和隔离级别的对应关系,记好五种锁的功能,还有一个比较简单的冲突可串行化容易考计算。 -## 目录 +## 实验技巧 -
+### 实验1 -数据库系统概论教学大纲 +有大量的题目,大概有50多道题。在AI的帮助下大多数题目都能被秒,但是不建议同学们完全使用AI做题,理由如下: -关系数据库 +1. 期末是要考手写代码的,与其期末苦哈哈,不如提前实操。 +2. 数据的格式可能和你想的不一样,只有亲手做完实验才能发现问题。 +3. AI写出来的MYSQL代码和书上教的可能不一样。 -关系数据库标准语言SQL +由于SQL语句直接对数据库进行操作且不可逆,在实验1过程中很容易碰到某一步骤做错导致需要重来的情况。可以在方便的位置写一句DROP DATABASE,方便直接重来。 -数据库安全性 +### 实验2 -数据库完整性 +设计基于SQL的数据库系统。本实验可以说是整门课的精髓,没做过这个实验可以说等于没上过这门课。 -关系数据理论 +实验的选题比较自由,可以从预设的题目中直接选,也可以在和助教商讨后自己定题目(但我还是要说一句,同学们没活千万不要硬整,容易暴毙)大概在期中之后定下选题,然后按照课堂教授的数据库设计方法进行实操,重要时间节点包括:选题、E-R图验收、代码验收、实验报告提交。实验报告一般在期末考试后提交(也就是说出分会比较晚) -数据库设计 +在没有AI的时代,这个实验是组队的,如今我们有了AI,实验也相应地变为了一人一份。这会带来两个重要变化: -数据库编程 +1. 展示时间缩减。由于所有人都需要验收展示,每个人的验收时间相对较短,需要在有限的时间内向助教展示出系统的亮眼之处。请务必提前设计展示流程并注意时间。 +2. Vibe Coding可能会导致你对自己系统的底层逻辑不熟悉。助教在验收时会提问有关你的底层代码逻辑的问题,请至少要搞懂每个文件里的东西在干什么。 -关系查询处理和查询优化 +当然,这么大的工作量没有AI大概率是无法准时搞定的,所以该出手时就得出手。Vibe工具选择自己趁手的即可。 -数据库恢复 +黄振亚老师特别强调:本课程不报销Vibe Coding所用的Token。 -并发控制 +## 给分 -
+本课程的分数分布如下: +* 平时分30,包含作业、点名和小测。特别强调点名和小测三次没来不让考试。 +* 实验分20,出乎意料的没那么多。 +* 期末考试50,很多很多。 + +## 其他 + +老师是资深二次元。 + +小测有时候会拖堂而且拖的非常长。 + +## 老学长留下的链接 + +{% embed url="https://rec.ustc.edu.cn/share/b227a150-be47-11ed-ba06-1730c306a667" %} diff --git a/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/da-xue-wu-li-zong-he-shi-yanbwu-li-tong-xiu.md b/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/da-xue-wu-li-zong-he-shi-yanbwu-li-tong-xiu.md new file mode 100644 index 0000000..b4e3e54 --- /dev/null +++ b/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/da-xue-wu-li-zong-he-shi-yanbwu-li-tong-xiu.md @@ -0,0 +1,25 @@ +--- +description: Presented by Wanglulu:wanglulu114514@mail.ustc.edu.cn +--- + +# 大学物理-综合实验B(物理通修) + +## 课程概况 + +大学物理-综合实验B,又称二级大雾B,是信智学部所需要修读的第二门大物实验,也是最后一门物理实验课。 + +经历了一级大雾的洗礼后,二级大雾对于同学们来说应该是手到擒来。二级大雾B共需要做4次实验并写一份报告。这门课一共只有0.5学分,因此不会对同学们的GPA产生太大影响。 + +## 注意事项 + +对于AIDS的同学们来说,二级大物应该有两个置课和两个自选。相比一级大物来说电学实验会明显增多。同学们在做电学实验时要注意以下几点: + +1. 注意安全,不要触电。尤其是一个叫做非平衡电桥的实验,需要使用水浴锅。 +2. 先保证接线稳固后再打开电源,一方面是安全考量,另一方面是实验分数考量 +3. 实验结束后一定要记得断电,否则对分数会造成比较坏的影响 + +同时,二级大雾要求数据处理的场景明显变多,具体表现为测量数据点的个数增多,硬性要求画图等。这种实验一般会要求第二周交数据分析结果,请不要忘记提交。 + +由于一共只有四次实验,同学们一定要记住自己哪天需要做实验。有条件的同学在选实验时就可以选比较早的,早做完早结束。 + +最后,秋季运动会无法冲掉实验课,所以如果选到了跟运动会在同一天的大物实验那么必须要去做大物,会影响运动会。 diff --git a/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/dian-ci-xuecwu-li-tong-xiu.md b/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/dian-ci-xuecwu-li-tong-xiu.md new file mode 100644 index 0000000..c064173 --- /dev/null +++ b/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/dian-ci-xuecwu-li-tong-xiu.md @@ -0,0 +1,55 @@ +--- +description: Presented by Wanglulu:wanglulu114514@mail.ustc.edu.cn +--- + +# 电磁学C(物理通修) + +
+ +

永远相信美好的事情即将发生

+ +## 课程概况 + +电磁学是中国科学技术大学物理通修的第三门理论课,AIDS的同学们需要修读电磁学C。课程的前半部分为电学,后半部分为磁学和电磁波,以及部分电路相关知识。 + +在引入微积分这一强大的工具后,电磁学在高中很多只能定性分析的问题可以通过计算的方式得出结果,这也意味着电磁学的难度相比高中将会有一个质的飞跃。与此同时,由于物理课程在信智学部的特殊地位,电磁学C也经常受到同学们的**喜爱**,甚至是大家**第二最喜爱**的物理理论课程。 + +部分少院同学可能已经在大一春季修读了电磁学A,这部分同学可以不用往下看了。 + +## 前置知识涉及的课程 + +数学分析、力学 + +电磁学含有大量的微积分题目,请同学们多多练习各种积分题目。部分题目可能涉及简单的力学分析,最后的电磁波部分可能涉及到波函数。 + +## 课堂概况 + +不同老师的授课风格、讲授内容和作业量均不尽相同,大家可以通过评课社区进行了解。 + +整体的教学内容分为上下两部分。上半学期主要学习电学内容,包括电荷、电场、电势、电介质、电流等;下半学期主要学习磁学、电路和电磁波,包括磁感应强度、磁介质、磁感应强度、基尔霍夫定律、麦克斯韦方程等。 + +课程设有期中期末考试,一般来说考点不重合(期中考过的东西期末不会再专门出题考察) + +此外,电磁学C还会布置可选的小论文,没有答辩环节,直接提交即可。 + +## 考试技巧 + +电磁学里面可供使用的定律和结论很多,比如库仑定律、高斯定理、电场环路定理、毕奥-萨法尔定律、安培环路定理、法拉第电磁感应定理、基尔霍夫定律、麦克斯韦方程等,还有很多电荷/电流分布对应的电场/磁场分布可以直接当作已知的来使用。 + +与此同时,电磁学考试很容易因为出题人品味的影响变成计算大赛,请同学们不要忘记数学分析B2的相关知识,否则会在考场上变成2B。 + +## 小论文 + +小论文是各等级电磁学的特色项目,某些班级会举行小论文比赛。小论文在电磁学C中一般没有强制要求,写得好的小论文能够提供1-5分不等的总评加成,因班级而异。 + +小论文的选题比较重要。课程要求的选题只要与电磁学相关即可,自由度很高,如果选题选得好可以事半功倍。一方面,可以从课堂中老师提出的开放性问题中寻找选题;另一方面,可以从课本带星号的题目中选择感兴趣的题目。 + +在撰写小论文时可以发挥麦克斯韦精神——纸面物理。AIDS大二上学期的课业压力较大,一般是没有空去做需要实验的电磁学论文的。论文中可以利用电动力学等进阶知识来对某些问题做出更加详细的推导。 + +小论文建议使用AI辅助编写,但不建议直接全篇生成。 + +## 其他 + +期末考试一定要背麦克斯韦方程,可能直接考默写。如果有的题完全不会写就写点麦克斯韦方程,可能混到一两分 + +波函数将会是量子物理中不得不品的一环,如果在电磁学学了先别急着忘。 diff --git a/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ren-gong-zhi-neng-yu-ji-qi-xue-xi-ji-chu.md b/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ren-gong-zhi-neng-yu-ji-qi-xue-xi-ji-chu.md index a8321fd..b49b7c7 100644 --- a/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ren-gong-zhi-neng-yu-ji-qi-xue-xi-ji-chu.md +++ b/pei-yang-fang-an-jie-xi/da-er-qiu-ji-xue-qi/ren-gong-zhi-neng-yu-ji-qi-xue-xi-ji-chu.md @@ -2,9 +2,9 @@ description: 学分4.0 --- -# 人工智能与机器学习基础 +# 人工智能与机器学习基础(专业核心) -Represent by Wanglulu:wanglulu114514@mail.ustc.edu.cn +Presented by Wanglulu:wanglulu114514@mail.ustc.edu.cn ### 一、课程定位 @@ -123,9 +123,8 @@ AIML 是为大二学生开设的专业基础课,主要讲授经典机器学习 ### 六、焚诀 -* 如果想要更加充实的报告,建议尽量做附加实验,这能让你的报告内容比别人多一大截。有些时候我们会发现没有附加实验,这个时候,**走不通的路就用拳头来打开**。如果你做了附加实验,那么你的报告应当体现如下内容:为什么会想到这样做?这样做有没有可供支撑的数学原理?这样做以后结果如何?为什么?有3什么启示? +* 如果想要更加充实的报告,建议尽量做附加实验,这能让你的报告内容比别人多一大截。有些时候我们会发现没有附加实验,这个时候,**走不通的路就用拳头来打开**。如果你做了附加实验,那么你的报告应当体现如下内容:为什么会想到这样做?这样做有没有可供支撑的数学原理?这样做以后结果如何?为什么?有什么启示? * 如果想要更好的实验效果,建议咨询大模型。大模型的世界知识一定是比现阶段绝大多数同学要丰富的,问大模型如何提高效果虽然不一定能保证提高效果,但一定能打开思路。机器学习是一个非常广的领域,通过大模型你可以接触到比课堂上多得多的东西。当然,大模型生成的信息并不完全准确,这个时候可能需要使用常规途径检索信息。 * 要体谅助教,要和助教保持良好的关系。助教同学需要承担巨大的压力并完成实验从设计、评估、验收、讲解和总结的全流程,而且经常由于经验不足和神秘的优秀率限制而身败名裂。可以对得分产生不满的情绪,但是**不要和助教大打出手或者随便把助教挂在评课社区**。 * 这门课的优秀率绝对满足不了同学们的需求。2025秋的优秀率有55%+,但依然满足不了同学们的需要。据不完全统计,修读这门课的同学包括但不限于大二AI、大三DS、大三数院部分同学、大二大三CS部分同学等。请同学们做好心理准备。拿不到高分≠不行,来上这门课的同学可以说都很优秀,不要因为这一门课的成绩产生自我怀疑。 * 有兴趣可以看看评课社区,你会发现很多有用的资料。这是25秋的课程仓库,有时间的同学可以参考:[https://github.com/ChangshuoShen/USTC-AI3002-25fall](https://github.com/ChangshuoShen/USTC-AI3002-25fall) - diff --git a/pei-yang-fang-an-jie-xi/da-yi-chun-ji-xue-qi/da-xue-wu-li-ji-chu-shi-yan-wu-li-tong-xiu.md b/pei-yang-fang-an-jie-xi/da-yi-chun-ji-xue-qi/da-xue-wu-li-ji-chu-shi-yan-wu-li-tong-xiu.md new file mode 100644 index 0000000..464342a --- /dev/null +++ b/pei-yang-fang-an-jie-xi/da-yi-chun-ji-xue-qi/da-xue-wu-li-ji-chu-shi-yan-wu-li-tong-xiu.md @@ -0,0 +1,72 @@ +--- +description: Presented by Wanglulu:wanglulu114514@mail.ustc.edu.cn +--- + +# 大学物理-基础实验(物理通修) + +## 课程概述 + +《大学物理-基础实验B》是一门注重动手能力和实验实践的课程,又名一级大雾B。该课程意在弥补高中过于理论化的物理学习,提升学生的实验能力,是中科大强大数理基础的具象化体现。 + +作为老牌的全校通修课程,大物实验早已名声在外,被无数同学们永世传唱。在这个学期过后,大量的同学会对一教产生PTSD。 + +在历史的悠悠长河中,大物实验也渐渐磨去了曾经的棱角,变得更加容易接受。当然,一教的仪器什么时候更换仍然是个未知数。 + +## 课程安排 + +大物实验作为实验课,从第三周开始上课。一级大雾B首先会安排同学们上一节绪论课,然后会进行组队的单摆测量重力加速度实验。在第三周前后,大物实验系统将会开放选择实验。这是整个大物实验课程中最重要的一环,一定要提前做好攻略,并及时抢到自己熟悉的或者给分较好的实验。 + +上课流程为:入门测、点名、讲解、实验、出门测。某些需要做数据分析和计算的实验需要在下一周同一时间上课前在同一地点提交结果。记得做入门测和出门测。 + +一级大雾B算上单摆需要做共计8次实验,一个单摆,3个根据学院和专业置课,剩下4个自选。同学们在大雾系统上预约后即可按照规定的时间去一教的对应教室做实验了。经过这些年的不断优化,现在的一级大雾B算上单摆只需要写两篇实验报告了,而且单摆的实验报告不计分。 + +**大物实验不能翘课!**如果需要请假需要在系统上说明,并在学期末补做实验。由于有比较严格的评分机制,迟到会影响分数。 + +## 实验技巧 + +大物实验中心会为大家准备精美的祖传讲义。建议在实验前通读讲义,搞清楚自己在实验中所用的仪器、需要测量的物理量、需要做的计算以及安全事项等。 + +如果对实验流程无法形成清晰的认知,可以在B站上找视频看。 + +实验的具体内容比较多样,力热电光均有涉及。如果想选择比较简单的实验的话尽量选力学实验。 + +某些实验会被放假冲掉而不用做,也不参与最后的分数计算。可以提前看好教学日历并试着抢放假放掉的实验。 + +第二份实验报告是自己从做过的实验中选择一个写。尽量选择自己熟悉的或者做出来数据比较好的实验。可以在选完实验后就决定哪个实验要写报告,并在你决定要写报告的实验过程中做附加实验。 + +实验报告中会涉及不确定性分析,这也是大物实验中比较麻烦的一环。当然,这一环节可以让AI代劳。 + +## 单摆测重力加速度实验 + +由于其他的实验都是自选的,这里简单介绍一下单摆测重力加速度实验。 + +实验流程非常简单,调整摆长等物理参数并计数计时即可,然后就可以代入公式计算了。实验的主要难点如下: + +1. 释放单摆时注意不要向侧面推,容易让单摆变成傅科摆 +2. 计次数一定是一来一回为一次,计数点建议选择中轴线 +3. 最终计算出的值大约为9.6-9.7m/s2就可以当作是合理的 + +此外,由于该实验需要组队,可能会遇到队友不给力的情况。请一定要和队友协调好。 + +如果算出来的g远大于10,说明一教下面有金矿。 + +## 关于编数据 + +大物实验作为一门实践性极强的课程,会遇到各种各样的问题,比如数据测不出来,比如数据测出来不对劲。最糟糕的情况就是完全不知道实验该怎么做。这个时候,一个黑暗的念头会自然地出现在同学们的脑海中:编个数据算了。 + +编数据本身是一个非常典型的学术不端行为,但是在大物实验这门课中有时会成为一个无可奈何的解决方案。如果翻看大物实验的评课社区甚至能发现某些老师/助教有时会让实在做不出来的学生编数据,不然一教要关门了。 + +如果万不得已一定要编数据的话,请遵循以下原则: + +* 如果数据是测量值,一定要搞清楚仪器的量程和分度值,以及是否估读 +* 如果数据是计算值,一定要弄清楚有效位数,一般不超过参与计算的测量值 +* 不要把所有数的最后一位都编成5和0 +* 如果涉及到某些材料性质的测量,不要直接搜网上的数据 + +## 其他 + +大物实验如果安排在下午将会占用大量的课程表时间,如果想要提前修读某些课程建议在选课时更换大物实验时间段。 + +选择大物实验时会有一个叫做IYPT的东西,这个是一个物理学术竞赛,打起来会非常费时费力。如无必要不建议选。 + +由于学校提供了实验讲义,这门课的课本事实上可有可无。