吃惊于其如何把45分钟就能看完的PPT讲三节课还令人听不懂，此后再没有去上过课

另外介于笨人有独特的编程反向天赋，老师几乎不教编程，自己写出来的沟石代码跑不了一点，机器学习更是只能听懂小学二年级思路

最后两次机器学习作业不会没交，点名1/4，考试75.5（中位数67）最后给3.0. 我只能说就算给我奶到3.7我也不想每周二去听这个b课心情坏一整天

复习不下去了，来这里拉个史。 太屑了，实在蚌埠住了。 首先没有学过热统，Ising模型不明白。其次，有限元素法纯粹逆天。然后，机器学习更是重量级，一堆乱七八糟的概念。最多给5分

刚考完，我只能说一坨答辩，非常难以置信。下调至3分！总结笔记.pdf

出分了，感觉是一分没调，纯粹逆天。下调至1分，甚至都懒得骂人。总评分居然还能有5.9，只能说孝子真多

省流：收获还行，ppt不错，课不用听，但会有点名。

考试自我感觉良好，最后莫名其妙78.5，据助教说是“每道题都扣了一点”，再问就是“不能查卷，评分标准统一，已经仔细复核了”三连，有理由认为是类似政治课的按点给分，建议复习的时候把那堆流程和套话抄到顺手，就不会像我一样手忙脚乱遣词造句最后还莫名其妙被扣分。 最后出分4.0，唉，如鲠在喉，无话可说

有一说一，雨生给ATLAS作报告的时候逻辑清晰，思路严密

怎么上课就如此催眠😅语速平缓，声音温柔，毫无重点

估计是我来妮可这么多年来最助眠的课了，三节课没一节眼睛睁开过，希望能自学学明白😓

IGN评分：5分

考完试了，似了。

课程评价：上课打哈哈，作业GPT，考试↓

出分了，总评更是↑

本人一般懒得写评课，除非一门课让我收获颇丰/体验极好，或者实在是难受到我了。计算物理B就属于后者。这篇评课希望能在点评课程的同时更多地讲一下如何上这门课和应对作业/考试。

关于给分：平时分44.1/45，期末卷面91/100，直接计算的话总评是94.15，最终总评96。课程有考勤，不定时在课程结束的时候屏幕上放一个二维码，里面是线上问卷。课程要求代码语言除了计算机代数部分必须是Mathematica外其余作业都必须是Python。

首先是这门课让人难受的地方。

课程上课用的是PPT，里面的内容非常多。吴老师本人性格温文尔雅，对学生非常友好，也很欢迎大家去找他问问题。但是上课就是念PPT，而PPT里内容太多就导致他讲课就是对着把每块内容提一下，总体的思路不清晰，主线也被淹没在了大量琐碎内容里，蒙卡部分还好，后面的内容整体图像自己看45minPPT就能明白的东西硬是讲3*45min还讲不明白最后什么也没懂。而上课举的代码实例/实现细节等，首先并不需要全部掌握，其次就算是需要掌握的部分，上课听讲估计也不一定能理解并记住，还是得课下自己再看一遍。

作业方面量不算小，但课上讲的也主要都是方法&概念，不会对课下做作业提供什么直接的帮助。很难想象在没有AI大模型的时代里独自一人完成作业有多痛苦（对着PPT、CSDN等来源的良莠不齐的参考代码东拼西凑一定很绝望吧……）有些章节的作业的各种参数都需要自己反复设置调整，debug也是写代码不得不品味的一环。而作业强调的是代码实现解决实际问题，但考试又不是机考，考试考察对计算方法和概念的理解，这就导致作业和考试几乎是正交的……

下面从听课、作业、考试三个角度讲一下如何应对这门课程。

听课：直到蒙卡IV（含）前的部分都建议听课。不管是从比较纯粹的课程培养目标还是功利性地从考试和作业来说，这一块的内容都是比较重要的，知识点密度也很高，需要的前置知识也就是概统，笔者个人认为上课听课能全部听懂还是挺不错的，当然如果上课一连串内容都听不懂可能还是课下自学比较好。蒙卡V开始及之后的部分都不建议上课听课了。这一部分的建议是，对着PPT有选择性地从头到尾看一遍，关注定性图像，不要陷在大篇幅的原理推导内，知道每个方法大概分为哪几步，这个方法能解决什么问题，其中涉及什么参数等，主要是要拎一条主线出来。具体到做作业，可以进行“面向问题的学习”，即作业中需要用到什么内容就倒回去看。比如学完有限元素法可能一脸蒙圈，然后捋完整体步骤后，看结果里需要解什么方程，方程中涉及那些矩阵，回过头再去看每个矩阵分别是什么，怎么算出来的。

作业：时代发展日新月异，不知道等到25秋在上这门课的时候几个大模型的coding能力发展的如何了，也许已经达到了可以以超高正确率直接秒掉作业的程度（24秋的时候直接把有些题目喂给AI可能还是会有点小毛病的）。首先个人建议抛弃掉一些初等教育阶段可能形成的观念，觉得让AI帮助自己完成此类作业是可耻的，本身这类工具创造出来就是用来提升生产力和效率的，降低专业门槛，利用工具完成任务也是一种能力。如果你就想图省事，肯定是直接把题目喂给AI（尤其是像有限差分、有限元素这种操作模式特别固定的算法是AI尤为擅长的），当然可能最后还需要自己debug。这里推荐一下Github Copilot，在Github的官网上进行学生认证可以免费获取。如果想锻炼自己的码力的话可以考虑自己写，结合Copilot进行自动补全。Copilot也能很好地解决不熟悉python语法的问题。当然也可以让Copilot帮忙debug。还有一个很重要的建议是多和同学讨论交流思路（笔者的分子动力学模拟结果一直有点问题，最后发现是自己忘了应用最小像力原理了），以及不要过分执着于作业，比如花一晚上倒腾各种参数试图达到最优表现，这个时间个人认为值得花到更有意义的事情上去，真想体验科研的感觉不如在以后的实践中需要用到计算的时候经历这一过程。

考试：如果目标是比较好的成绩，希望减轻考试复习的压力，那么建议在平常听课/自学学习的过程中就把方法和其中涉及的概念搞清楚，以及在做作业的时候不要过于无脑，不说自己在AI的帮助下按照思路写出来，起码AI写好的代码如果是对的话要能读懂，明白这个代码的每一步都做了什么，别直接跑完就交上去了。考试考察的就是方法概念的理解。备考的第一个建议是，吴老师会在考前有一次复习课，并且有一个大纲式的PPT，建议顺着他复习课提到知识点的思路把涉及到的每一个点的内容都看一遍（不用涉及具体代码实现）。第二个建议是，看一下往年的真题，比如↓

23秋-计算物理B期末-wys.pdf

题型总体而言不会有太大的变动，可以自己做做提前找找感觉，让自己的大脑进行一下机器学习（笑）第三个建议是，由于机器学习的part讲得实在不清不楚，建议对着大模型一通狂问，尤其是真题里的机器学习部分的判断题，把所有涉及到的概念定性上搞明白就行了。从23年和24年的卷子来看最后一道题都会让你手搓一个回归的过程，比如自己画一棵决策树出来，实践证明这道题目战略性放弃（当然还是写了点定性的概念试图骗分，比如决策树应该怎么生成，用什么特征进行数据分类，Gimini杂度的定义等，毕竟骗分是老OI人的自我修养）也是不影响拿4.3的。

就说这么多吧，希望能帮到大家。虽然字里行间处处充斥着很功利导向的恶臭味，但我还是觉得有所收获的，不管是之前debug对意志的磨砺，还是对很多方法概念的理解，也算是在功利地收获好成绩和比较纯粹地达成课程培养目标之间做了一个平衡吧。

好吧都写了这么多了再多说一点，分享一些比较传统的debug方法，当然说不定以后AI coding能力更上一层楼之后用不上自己debug了：

1. 小黄鸭说程序大法：想象你的面前有一只什么都不懂的小黄鸭，抛弃掉自己脑中对于自己写的代码的一切先行认知，一行行把代码讲给小黄鸭听，让它听懂，讲解的过程中就能意识到代码的问题。
2. 输出测试：相当好用的办法，把中间变量/中间结果等内容输出出来看有没有问题。
3. 断点测试：代码运行过程中插入断点，侦测中间变量和结果的变化，比较专业，实际上我自己也不大常用（其实是约等于不会用）。
4. 建议对于工程量比较大的代码，合理进行好函数的划分和封装，以及每完成一个part就检查其正确性，避免最后写完了之后不知道问题出在哪里。

最后的最后，以上评课可能会成为时代的眼泪。AI coding能力完全取代人类之时，我自己的理解是对人类的需求只需要有人能supervise和check correctness足矣，而检验是比生成简单太多的事情，此时培养人的coding能力有何意义值得深思。

发诺奖后更新：机器学习再加大点强度，同意的举手！不同意的举手！

建议放在最前面：建议除10年以上编程经验人士、4.3志在必得人士外所有人选计算物理B，而且是张点名班计算物理B。

时至大三，对那些能在课上学到东西的课堂，我怀着感激涕零的谢意；对能在课上学到东西的人，我怀着五体投地的敬意。显然这门课不在此列，我则更不在此列。以前我还会为此悲哀、惋惜、试图奋发努力，现在只能是就这样吧，算了，珍惜吧。这算什么呢？大家或许会管这个叫认清现实，叫接纳自己，我也就当它是吧。

这个班的内容就是那些内容，也就是没有内容；任务量个人认为不算小，特别是有限元方法以后的作业可以达到丁老怪那边比较简单的作业的程度了。当然也有前辈说是0.5学分的工作量，那就是人家太强了吧。反正我这学期唯二两次通宵都是在写这0.5学分工作量的作业。如果重来，我一定会通通newbing解决，一定不会试图独立完成作业，一定不会幻想可以通过独立完成这个作业来求取任何收获，这样做除了因为迟交扣掉的平时分以外没有任何收获。

机器学习那作业是tm人写的吗？

……

本学期50%的课内学习时间（没错，我就是这么蠢），一个个挑灯夜战自我感动心力交瘁的“奋斗”夜晚，一次次看着In后面方括号里好几百的数字砸键盘，温文尔雅风度翩翩心地善良调分但就是听不懂讲课的老师，一张迷迷糊糊的试卷，不知道在哪里的收获，以及一个心存感激的3.3。想骂人都不知道骂谁，大家说说，我该骂谁呢？

所以还是去找张点名吧。最小作业量原理，有示例代码，期末背书，一样混个3.3。如果有人想去学A，学P，“能学到东西”，我是真佩服你，真的，请收下我的钦佩。

究竟是出于何种考虑，要让我在大三的前半年受这些无缘无故的折磨；究竟是什么原因让我混成今天这个熊样？计算物理，你有责任吗？

更新一下给分：观察了评论里的几个案例，感觉点名对总评的影响颇大。本学期实际上是3次点名，因为有一次签到没有填写学号，不算成绩。大概是每次签到占总评2到3分。

早知道这门课讲不明白就改选A了！

计算物理学本来是一门很有意思的学科分支，但这门课的wys老师有一种化神奇为腐朽的能力：教材上讲不清楚的、没讲的，他的ppt课件上也讲不清楚。本来我还是以为这门课上我是能学到东西的，结果呢，蒙卡部分还好（概统的知识可以直接应用），mma完全靠大一以来自己操作的经验；机器学习就是完全不会了：课堂上、课件上只给了一些介绍性的概念（甚至连概念都介绍的不清楚），就让你实际操作，作业题难度太大，只好交了白卷（当然，我编程水平很菜的）。可能也就有限元素法，分子动力学能学住点东西了。

据我那两个舍友反馈计算物理A的情况改观了不少？（虽然作业难，写个报告得大半天，但是讲义还是比较清楚的。我就是在他的讲义上才明白Metropolis方法是怎么个回事。）

另外，我认为没有任何理由把这门课放在热统前面来讲。大多数同学（没提前修过的）在这里是完全不懂“配分函数”是什么，“伊辛模型”是什么。

以下内容编辑于出分后：

考试很寄。（机器学习完全不会，mma卡住了，Metropolis你考伊辛模型？（没有提前学过热统））应该不至于考那么差吧。

md，这门课居然刚刚及格？！（平时分没有拿满，机器学习部分的作业没有交）（这课tmd不调分？）（喜提大学最低绩点）（感谢老师不杀之恩）

我是抱着试一试的心态，决定不改选A的。结果学习过程并没有往届学长说的那么轻松，课堂收获几乎没有，机器学习交白卷，到头来连gpa的收获，也没有！但凡我能学住点东西，也不至于来这破口大骂！（看来评课社区对丁老怪的妖魔化太严重了。）

看来今年计算物理AB的评价要反转了啊~（两个学计算物理A的舍友反映他们的课还行？）

我在此课程的评价中给出的评分恰好等于我的绩点。这叫做“礼尚往来”，来而不往，非礼也。

为什么评课社区不能给0分和负分！（恼）

大家默认置B的，

一定要换A，或者研究生的计算物理！

快跑！

为吴老师打个call

计算物理B内容大概就是蒙卡，差分和有限元解微分方程，分子动力学，mma和机器学习。课件资料都放在睿课网，概念清楚，ppt做的也不错。蒙卡前边的概统内容可能较为难以理解，机器学习那里程序也比较繁琐，涉及的内容就差不多知道框框就好。

一学期大概2，3次点名。平时作业每两周2道的样子。用python写，参照一下案例的代码还是比较简单的，认真做的话就好。把画图练了练...

期末题与往年差不多↓

微信图片_20230301125426.jpg

0.5学分的工作量，不香吗？ 水个4.0很容易吧 考前记得刷往年题，mma必考ppt上那道量子力学题，机器学习记得背ppt，有限元素法不考，有限差分的矩阵形式会考，二维条件抽样也会考。一天复习时间足够了。

最后给了97，真不戳

刚得知卷面，总评还没出，卷面98，作业总共扣1分，所以调不调分我就不关注了。

关于这门课的考试我觉得并没有那么夸张的奇诡，但也并不可谓之容易。第一题的第二类舍选法就是当头一棒，随之而来的叠加原理抽样，龙格库塔法证明，有限元素法过程，分子动力学过程以及对关联函数意义，和最后的机器学习不得不说都看起来有些复杂。

这其中，除了叠加原理和龙格库塔的证明（考这个有点离谱，计算方法不是仔细看过的很难憋出来）都在老师的划重点PPT上，但是并不在前一年“评课社区划重点”上，有些同学按着评课社区备考可能会缺漏一些点。所以建议同学们复习的时候以老师的划重点PPT为准，最好是把老师的所有PPT上的所有内容都弄懂，这样自然会如鱼得水。

第二类舍选法及其效率问题，有限元素法分子动力学方法的流程算是有些偏的知识点了吧（相对于往年评课社区和老师上课讲解着重），但是也应该掌握，毕竟属于老师划重点范围。像对关联函数和有限元素法等，其实在作业里留过，如果当时留作业的时候有研究过这些问题的话考试作答还是异常轻松的。

mma手写代码感觉没什么意义但好歹年年会考，也算是送分吧。

重头戏可能是机器学习，由于吴雨生老师的PPT逻辑性确实一般，在加上讲解的时候没什么感情很难让人集中注意力专心的听。其实很多同学抱怨的点也主要集中在这里，别的章节自学一下还能应付，机器学习这边体系庞大，逻辑纷繁，难免让人心有不爽。

关于机器学习，我自己梳理的框架是这样的：首先我们要学过概统的极大似然估计，这是机器学习底层逻辑，同时我们也会在概统课本这里看到一个熟悉的参量“超参数”，实际上机器学习也不过是在做这样一件事：建立模型拟合现象，然后根据对误差取极小来实现模型优化。

那么好，我们以下有两条并行的模型：1.线性回归模型 2.决策树模型

那么这两条线分别是：

1.线性回归→逻辑回归（增加了使用sigmod函数将整个数轴投影到概率空间实现softmax输出，其实不过是从单输出变到多输出）（softmax是一种没有隐藏层的全链接神经网络，这一点对你理解神经网络有很大帮助）→深度神经网络（添加一些隐藏层，隐藏层自动帮你实现图像或数据特征的分类，如何分类不用过多理解）

2.决策树分类→随机森林（由于是弱关联分类，所以需要集成）

除此之外一些基本的小概念要明白，有：代价函数（交叉熵，最小二乘法误差），梯度下降（随机梯度下降，反向传播），集成学习（袋装，adboost），激活函数（relu，sigmod），正则化操作（rassco，ridge，神经网络的dropout，正则化的作用是防止过拟合），过拟合与欠拟合。

弄懂这些，再加上作业独立认真完成，保你在计算物理的考试上信手拈来，踌躇满志。我听课可能只听了一半，但是每周都会单独用一些时间整理，机器学习这一章的时候花的时间更多一些，再加上考试周重点梳理了三天半。任务量也算是中等吧没有0.5学分那么夸张，但也不比计算A那么费力。

关于讲课不得不说吴雨生老师讲课确实平平无奇没什么特点，甚至在晓之以理这方面也就中等左右吧，但还是说，大学的课堂哪有那么多能明理的老师啊😂😂😂，大家都是主打一个自学，只不过这次自学的难度有点大，也没有必要对老师过分苛责。吴雨生老师还是温文尔雅，侃侃而谈的，他的气质很吸引我，索性打个高分吧！

建议想选的人先看看前几年张仁友和吴雨生一起上的计算物理的评价。

这个课上的就很鸡肋。考试不考编程，于是ppt上也不会太多涉及，但是作业要编程，而且老师好像觉得我们都是计算机天才，随便看看就能速成python。ppt就算不贴出完整代码那把一门语言的基本语法讲一讲也行啊，浪费我多少无意义的debug时间，真的无语。这个ppt除了机器学习部分，我感觉还不如看书(因为书上几乎没有机器学习)，当然，看ppt比听课高效。机器学习也没看将得多明白。。。

先说考试： Vocal！有限元素法考了！？！？？！ 还考了复合抽样，考了神经元没考决策树，还考了Verlet和对关联函数，还有Ising模型，老师期末复习课说重点考察对概念本身的理解，不会直接考大家Ising的，还说会考画决策树，呜呜呜呜呜呜呜错付了 老师面相看着是带善人，人也很儒雅和善，看看怎么给分吧（老泪纵横）

作业：前期很简单，但是作为python苦手在debug上花费了很多时间。今年班里好像有人提出来作业太简单要求加难度，导致后面代码就没那么省事了，机器学习难度直接上台阶，还碰上考试周，悲。

更建议选计算物理A，收获很大，而且至少作业难度是前三次难但难度往后逐级递减，且最后几周没作业，考试周爽爽的

复习不下去了来拉坨💩，牛魔的第一次见到作业考试正交的科目，属于是能看懂基本思想但一实操就全是问题，翻译成人话：看了，也不会做题啊。

这屑课除了恶心人还有存在的必要吗？

1.21更新

已出分，按照总评公式摁出来是92，出总评93，不过似乎把优秀率给的很足，遂将评分上调至均分

听课体验确实不好，最佳方案应该是：不听课，课后研究PPT，作业不明白的问gpt，机器学习一章问gpt尤其有用。

期中附近那段时间很烦这门课，心态崩了去找老师聊天（蹭到了咖啡）。吴老师很温和。聊到关于课程的事，他表示自己也很清楚这门课的弊病，因为有些模拟方法可能在科研中会接触到，所以要介绍的内容很多，却无法深入细节，最好还需要同学自己在实践中亲身感悟。留那些复杂的作业也许就是出于这个用意吧。（老师都这样讲了...似乎就不好再攻击了...）

期末考试题说实话没有特别怪的，看似要背的内容挺多，但大部分都是“写出实现这种方法的流程”，理解到位还是挺好记的（机器学习其实也是这样，不过考神经网络的代价函数有点逆天了）。基本都写出来了，结果卷面分还是挺低的。但对着总评自己算了一下，老师确实是给向上调了一点捞上了优秀。

总之耗费精力挺大，分数上的收获没有预计的好，只能算稳妥。我个人建议是，如果明年计算物理B还是只有两个班可选，对愿意在这门课上多花点时间求稳或是想要多实践些编程模拟的同学，比较推荐来吴老师班。

爹！

有点名无小测。点名是用二维码点的可以让别人给你拍照。作业gpt秒了，机器学习部分作业gayhub上有，newbing也能秒。 吴老师有提供预约讨论，和老师讨论过一次，收获颇丰（不过咖啡没有兑现2333）。 机器学习不会，有限元不会给了4.0。

好像给分有点玄学啊，我说说我的情况吧。点名4/4（三次同学代到），有限元作业gpt没写对遂摆烂得8.5，机器学习作业没时间训练遂摆烂没交结果，其他都gpt秒了。期末76.5总评90

史！

这课就是史！

考的什么玩意

复习了三天到了考场见试卷跟没复习一样，R2的公式为啥还要背

写代码写的手抽

机器学习整个就云里雾里，几分钟的内容被讲了三节课到最后也没听明白是怎么个事

这门课再见吧

吴老师人真的很好，但是这门课设置的太奇怪了

尤其是最后那个机器学习，我是一点也没听懂，写程序更是写了一坨，最后直接放弃。

考试前对着ppt狂复习了两天，课本基本没看，搞得头都大了，最后就默写了一堆流程

期末考炸了，七十多分，勉强过了中位数，感觉对不起吴老师的耐心教导（呜）

但是居然奶上了优秀，果然给分好啊。。。同学比我高五六分的据说都奶上了4.0

这门课的内容本身杂散，确实复习起来难度较大，这时候考题的信息筛选就很重要了。还得感谢楼上几位学长学姐的复习信息筛选，果然很有用（抱大腿）

说回来吴老师人真的善良和蔼啊。学期中时遇到作业题不会，中午去吴老师办公室答疑，吴老师还会为你泡咖啡，倾听你在大学里遇到的问题，给出建议。我真的哭死

唯一的问题就是平时作业有点小多，而且22年评分太好了，以至于今年涌进来了一大批很强的学生，有点内卷

总之真的很感谢吴老师，给个满分捞一捞老师的评分