本來想說一學期打一篇的，結果又拖成暑假的時候一次發兩篇。而且打完後一直在思考我這學期到底怎麼活的，演算法機率 SA，期末有很大的資料庫 Final Project，甚至做死修了法二😵💫
[必修] 機率 教授：謝秉均
直接先說，大推！大概跟我之前推吳昌鴻的微積分差不多程度。
上課內容
上半學期的內容跟高中有點重疊，機率的基本概念、PDF、CDF、PMF、很多常見的隨機變數（一部分高中學過），下半學期則幾乎都是新的，我覺得也比較難，包含 Joint Distribution、Bivariate Normal R.V.、Concentration inequality、Laws of Large Numbers 等等的，我覺得內容蠻多，而且某次去翻課本發現上課的內容甚至比課本多。
上課方式
老師本身是做強化學習的，而機率可以算是 RL 的基礎，所以老師對機率應該真的很熟，上課內容的品質蠻有保證，而且可以感受到老師超用心的備課（真的超級用心），簡報很詳細，整理得也很清楚，每堂課的內容都很充實。雖然是英授，但老師的英文超流暢，聽了很舒服，而且上課節奏也很順暢，真的能感受到花很多時間在備課（也或者老師本來就很會教學(?)）
幾乎每堂課開始前老師會給一些跟最近課程內容有關，而且貼近生活或實際應用的例子。每次上課的內容蠻多的，常常需要課後花時間再看一次，尤其這堂是 2+1 堂都實體，連兩堂上完是真的蠻累，尤其下半學期內容開始變難的時候。不過整學期上完真的很充實，下學期修了同個教授開的強化學習原理，用到蠻多上學期的內容的。
（這邊順便推薦如果上完這個老師的機率後喜歡他的上課風格，而且想學 RL，可以考慮下學期直接修，不然過很久想學 RL 前可能要先複習機率。
評分方式
- Homeworks 40% (including written and programming tasks)
- 共四次作業，題目都蠻難但有趣，值得花時間思考，不過如果真的想不出來，其實每年的題目都差不多，上 GitHub 應該都找得到答案
- 程式部分就蠻簡單的，基本上只會用到 numpy 和畫圖，而且架構都寫好了，只要照指示把部分的 code 寫好就好，對不會 Python 的人也可以當作順便學
- Midterm 30%
- Final Exam 30%
- 寫考古有用，老師也有提供（但還是會有新題目）
- 可帶大抄，所以可以不用背公式
- 題目跟功課一樣，都蠻有趣的，而且沒那麼難，個人很喜歡，但期末突然變得比較難（體感比前幾年都難）
分數
- A+
評分
- Workload：4 / 5
- 課後或考前需要自己讀懂，功課也需要花時間想
- 甜度：3.5 / 5
- 普通吧，但周遭好像都還不錯，最後調了 3 分
- 學到的東西：4.5 / 5
- 超級充實、超級扎實，在學 RL 的時候真的很慶幸當初機率的基礎夠穩
- 綜合：5 / 5
- 真的大推秉鈞，下學期甚至因此選了強化學習（應該會寫在 112-2 那篇，敬請期待😎）
[必修] 演算法概論 教授：吳凱強
上課內容
Sorting、D&C、Greedy、BFS & DFS、Strongly Connected Component (SCC)、DP、Amortized Analysis、Shortest path、MST、Flow …
其實就正常演算法課的內容啦
上課方式
三堂都實體，但因為有陽明的學生所以也會開線上會議。上課時會詳細講演算法的細節，搭配簡報的動畫我覺得蠻好理解，有讓我多弄懂一些以前不太理解的演算法，所以大部分的課我都有去上，但我覺得這堂課的精髓在功課。
評分方式
- Midterm Exam 20%
- Final Exam 25%
- 紙筆測驗
- 整體難度算普通，有基本觀念也有真的需要花時間想的（通常是叫你解題），而且手寫 code 的比例不會太多，讚讚（甚至寫 pseudo code 就行）
- 這個拿來拉高分數用，也用了一個神奇的調分公式（見下），但我期末考爆了QQ
1 2 3 4
if M > F score ← score + (M-F)/2 if M < F score ← score + (F-M)/1.5
- Programming Assignments * 4 20%
- 本堂課的精髓，助教幾乎都是打競程出身的，題目很精彩
- 會花很多很多時間，但也能學到很多很多東西
- 有人覺得比競程一的題目難，但我覺得差不多，感覺這堂課的題目比較深，競程則是教很多東西，比較廣
- 感謝 Bill 給了很多提示🙇♂️
- Onsite programming Exam * 2 25%
- 比起 Lab 友善很多（雖然我期末還是炸了）
- 有簽到題，感覺解完簽到題就有及格(?)
- 有些題目是 Lab 的延伸或簡化，因此 Lab 建議要自己寫過，或至少理解解法
分數
- A
評分
- Workload：4.5 / 5
- 甜度：4 / 5
- 調了不少，感覺也不少 A+
- 學到的東西：4.5 / 5
- 如果想扎實學演算法，大推
- 應該上完後 GPE 隨便考 吧
- 綜合：4.5 / 5
- 我蠻喜歡的，雖然難但好玩
- 推薦給想讓自己的解題能力有大幅進步的人
[選修] 資料庫系統概論 教授：曾意儒
上課內容
資料庫簡介、Relational Query Language（有點像是資料庫查詢的數學模型）、SQL、Database Normalization（如何化簡、設計一個好的資料庫）、資料儲存方式、Query Processing（查詢背後做的是以及花費時間分析）
上課方式
大學遇到英文講最好的英授課！這學期機率和這堂的老師真的是我上到現在，英授聽起來最舒服的兩位老師，但這位老師講得更流暢，甚至還能用英文開玩笑，超讚。
兩堂實體 + 一堂非同步，但非同步不是每次都有，而且內容跟實體上課幾乎無關，有 SQL 和自學 AWS。上課教得很好，會舉很多例子，一些比較難懂的概念經過他用例子說明後變得很容易理解，投影片也蠻有邏輯的，上課體驗很舒服。如果聽不懂下課跑去問，老師會用中文講，我覺得更好理解，而且感覺老師對資料庫真的蠻熟悉的，之前去問問題，才問到一半老師馬上知道我卡在哪裡，並用一個很簡單的說法解釋。
不過每堂課都會用 E3 做小測驗，上網都找得到答案，所以我覺得這比較像是另類點名(?)。總之這老師我也大推，不過他明年好像沒有開資料庫 QQ，倒是有開統計學但我沒修，不確定狀況如何。
評分方式
- Midterm 20%
- 跟另一班合考，但蠻搞的，Relational Query Language 兩班涵蓋的內容不同，但有考出來，不過最後沒教的都送分
- Final Exam 20%
- Final Project 20%
- 實作一個資料庫 Project，重點是資料庫所以用 CLI、API 或網站呈現都行，但大部分組別都用網站或 Line Bot
- 我覺得這是這堂課的精髓，對蠻多人來說這應該是第一次開發中小型的專案，能從中學到很多開發技巧，也會因時間壓力快速學完前後端(X
- 但重點記得放在資料庫本身，不要太執著在前端（過來人經驗 QQ，我們大概有 6、7 成的時間都在寫前端，雖然分數普通，但成果我很滿意哈哈哈）
- Homework*2 20%
- HW1：實際操作 pgAdmin（btw 這堂用 PostgreSQL）、import 給好的資料並寫一些 SQL
- HW2：用真實資料實際設計一個資料庫、使用 AWS RDS、寫 SQL
- 其實功課都蠻簡單的，但也因為對我來說都是新東西，所以也蠻好玩的
- HW2 有要用到 AWS Lambda，不過周遭的人好像都沒有做出來，當時事情太多我也沒有碰，不確定那是什麼
- Quiz in the class 10%
- Course engagement 10%
- 這兩項都是用上面講到的隨堂測驗打的，不確定怎麼算的，好像 Quiz 有幾次沒做或全錯也能拿滿，但這項的分數就比較低
分數
- A+
評分
- Workload：3 / 5
- Final Project 提早做，其他都還好（不要像我們趕到最後，連續花了真正意義上的 3 天 3 夜寫）
- 甜度：3 / 5
- 學到的東西：4 / 5
- 上課內容本身可能不是那麼泛用，但 Final Project 真的會學到很多
- 綜合：5 / 5
- 我覺得資工系都可以修一下資料庫啦，這個技能蠻好用的，而且會從中學到 AWS 和一些開發技巧，都蠻重要的
- 老師很讚
[選修] 計算機系統管理 教授：蔡孟勳
鼎鼎大名的 SA，跟 NA 可以綁一起，各大學都有 NASA（有些一學期上完），也都蠻硬的。
這堂課也算交大有名的課程之一，以 Workload 和收獲為聞名，第一堂課老師就提到這堂課的 Workload 大概跟 2~3 堂系上課差不多，我是覺得沒那麼誇張啦，大概 1.5~2.5 左右，但還是很重（警告），不過大二修掉蠻舒服的，前提是兩科必修不要都是謝秉鈞和吳凱強，這三門作業加在一起真的會死（親身經歷💀），雖然系上是寫建議大四修，但我覺得盡早修掉比較好，這堂學到的東西可以用在很多地方，而且其實不太需要先備知識。
上課內容
https://nasa.cs.nycu.edu.tw/sa/2023/content.php 詳見課程網站，原先還有更多，但因上學期放掉太多課，導致最後沒上完，蠻可惜的。基本上內容就圍繞 Unix-Like 的東西，還有一些系統底層的知識（File system、防火牆等等）。
功課是重點，我覺得修完這堂課要管理系統可能還有點難，但這堂可以讓你一直接觸 Unix-like 的系統和 CLI，以及讀 man page，蠻有幫助的，修完這門之後大多數工具或套件的文件應該都能輕鬆讀了。
上課方式
其實我覺得上課內容自己上網看 man page 會比較快，而且也比較詳細，老師上課會給個這個主題一個初略的概念，但剩下比較細的如指令、設定等就要自己做功課的時候慢慢看 man page 了。所以如果看不懂或不習慣直接看這些文件，可以先聽老師上課或看投影片會比較好理解，但終究都得看，所以才說可以直接去看。
課程間也會開一個 Google 的論壇讓學生問問題，做功課途中建議多去看別人問的，或許可以從中找到自己的 bug。
評分方式
- Midterm 15%
- Final Exam 15%
- 看這配分也能知道，考試不是重點，考題也幾乎都考古，蠻簡單的
- Homework and Exercise 70%
- 本堂課重點，每個作業的期限原訂是 3 周左右，但後來常常因為很多人沒寫完而延期
- HW2 開始大概需要花快一整個禮拜寫（幾乎花在 SA 上，然後睡眠時間可能也需要減少），所以建議留一整個空的禮拜來寫會比較剛好，不建議時程拉太長，不然很容易忘記 + 思緒中斷
- 因為上課堂數太少，所以原本 HW4 和 HW5 被濃縮成一個而且還簡化，相較之下這學期的 Workload 可能比以往輕
- 但 HW3 要做的事大概是去年的兩倍，那時候真的寫到想死，最後好像也是我唯一來不及寫完的
- 原先只開放 FreeBSD，今年加入 Ubuntu，兩個系統擇一做，如果兩個都做完可以加分（不過一開始有說只會針對 FreeBSD 的部分盡力 debug，Ubuntu 不保證可以過，但最後好像也沒人遇到這個問題）
- 小麻煩的就是 FreeBSD 使用人數不多，所以相較 Linux 在網路上能找到的資料就少很多。做作業遇到問題建議先直接搜尋那個問題，通常都會有人問 + 回答，但如果沒有的話可以去看一下其他系統的解法，再不行就只能慢慢讀 man page 自己想了（我通常不會直接讀 man page，因為東西太多）。不過說不定今年會換系統😎（說不定）
分數
- A+
評分
- Workload：7 / 5
- 10 分留給 NA（雖然我可能不一定會修）
- 甜度：5 / 5
- 肯花時間一定 A+
- 學到的東西：5 / 5
- 真的太多了，光是熟悉 Unix-like 系統就很方便了，還培養你讀文件和 Debug 的能力
- 綜合：5 / 5
- 資工系都應該修（我覺得啦）
[選修] 圖形理論導論 教授：李毅郎
上課內容
Route、Tree、Connectivity、Flow、Matching、Coloring…，可以當作演算法概論中圖論的加深加廣，大部分是在證明一些定理，偶爾介紹相關的圖論問題及演算法（Traveling Salesman Problem、Augmenting Flow Algorithm…），內容蠻多的，而且蠻多證明沒那麼直覺，需要花一點時間理解（背）。搭配演算法一起修蠻剛好的，最短路徑、Flow 等都是圖論先上完，在寫那次 Lab 的時候會輕鬆一點，而同時也能在這堂課學到更深入的圖論演算法，讓整個學期都很演算法（優點）。
上課方式
2 堂課實體 + 1 堂非同步，但因為有錄影，所以我到後面也因為要先趕其他作業，都慢慢沒去上課了，不過其實我覺得看影片沒有比較快，通常我都會花 1.5 倍的時間才能看完 + 做筆記，所以我覺得去上課還是最有效率。
老師上課的內容幾乎都在投影片，只是有些證明投影片會比較省略，由老師口頭補充細節（但課本都有），但私心覺得老師的語調有點催眠，加上我上學期睡眠嚴重不足，所以有時候會莫名分心。
評分方式
- Program assignment 50%
- 五次 Lab 各 10%，給補交
- 今年題目跟去年一模一樣，所以有很多資源可以參考，但就算不看應該也不難，只是有些實作起來蠻麻煩的，尤其後面兩次的作業，那時候因為要趕資料庫 Final Project 所以沒寫完，還好有給補交
- Test: 50%
- 高分的那次 30%，低分占 20%
- 都是上課講過的內容，大部分是定理的證明，所以最簡單的方法就是全部背下來，不過下半學期的證明越來越長，我自己是記一些通靈的步驟，剩下慢慢推，但後來發現不會考完整的證明，頂多一部分而已。
分數
- A+
評分
- Workload：2.5 / 5
- 大概考前把證明看懂，作業正常做就好了
- 甜度：4 / 5
- Lab 50% 還可以遲交，考試的配分也超佛
- 但最後 HW 5 沒寫完 + 期末沒放太多時間在這科，差點出事
- 學到的東西：3 / 5
- 學到一些酷酷的圖論演算法，其實還行
- 綜合：2.5 / 5
- 就普通吧，如果有更想修的課可以果斷放掉，但如果不知道要修什麼可以選
[領域] 大腦、語言與社會 教授：李佳頴
上課內容
主要以語言為主，前半學期講授有關大腦與語言的關聯，例如一些研究或腦科學的實驗，以及形成語言的過程中，我們的大腦是如何運作的。下半學期開始探討社會中語言的議題，例如母語、語言障礙（這主題也有講到這些障礙實際上的機制，如大腦受損）等等，最後則談到升學制度。
上課方式
這也是一堂中研院開的課，所以每周都會有選文要讀，課程也是前半堂老師會講解選文的內容，後半堂則是助教帶討論課。但這堂的 Workload 比之前的自由與道德輕很多，甚至可以說就算你沒讀每周選文也沒關係（其實說真的沒上課也沒關係w），討論課大部分的問題都可以不用依賴上課的內容回答，而期末報告只要深入你要做的主題就好，所以這堂課在這學期就是被我拿來放鬆用的。不過撇開這些，其實老師人很好，上課也蠻有條理的，而且內容不會很深入，是個快樂的通識課（老師自己也說這只是通識課，所以不會給我們太多的 Workload，超讚），少數幾次跟老師聊天到的時候也覺得老師很有趣，而助教人也很讚，用了很多數位工具帶討論課，蠻好玩的！總之蠻喜歡這堂課，只是好像也沒有繼續開了QQ
評分方式
- 出席與討論 15%
- 討論表現 35%
- 每周課後都要寫回饋單，但我們這組的助教說可以不用每次寫，總共寫超過一定次數就好
- 團體報告 50%
- 口頭和書面報告各 25%
- 做跟課堂有關的主題就好，會先上課報告一次，老師也會給一些回饋，之後再針對這些回饋進行修改，交出最後的書面報告
分數
- A+
評分
- Workload：1 / 5
- 輕鬆舒服的通識課
- 甜度：4.5 / 5
- 學到的東西：2.5 / 5
- 綜合：4 / 5
- 老師人很好，課又蠻輕鬆，也不會說學不到東西
[外文] 法文（二） 教授：潘怡君
上課內容
承接法一的內容，包含數字運算、餐廳對話、購物、天氣等，難度比法一高上不少，主要是多了很多單字，文法也變得複雜一點（真的覺得法文的文法超複雜，陰陽性先不提，光時態就有好幾個）。
上課方式
基本上跟法一一樣。
這學期只有 9 個人修，但可能是我們都不敢講，反而好像比較少跟老師說到法文（不像法一上課前會一個一個問），現在想想覺得有點可惜，畢竟都已經像是小班制了，應該是個練習口說的好機會。也因為只有 9 個人修，意外壓力蠻大的，而且我覺得每個人法文好像都比我好😵💫
最後期末考改用演戲的方式呈現，老師給一個情境，我們回去寫稿，之後上台演，其中會經歷一次改稿。當初聽到每個人要講至少 20 句覺得有點可怕，但後來發現有稿其實沒那麼難，而且可以先準備。說真的我從中學到蠻多東西，雖然全都是用翻譯，但有一個文法在改稿時被老師修正，回去上網查意外多學了一個時態哈哈哈。
評分方式
- 出席 5%
- 上課參與 5%
- 平時測驗 20%
- 課堂作業 10%
- 期中與期末測驗 60%
分數
- A
評分
- Workload：4 / 5
- 覺得比法一難
- 甜度：2.5 / 5
- 學到的東西：4 / 5
- 綜合：3.5 / 5