2024秋 2023秋 2023春 课程号：STAT300301
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
| 选课类别：计划内与自由选修 | 教学类型：理论课 |
| 课程类别：本科计划内课程 | 开课单位：统计与金融系 |
| 课程层次：专业核心 | 学分：2.0 |
教学水平与课程内容
曾靖老师授课内容基于课件，部分内容参考教材。课程涵盖生存随机数、蒙特卡洛在统计推断中的应用、MCMC及简单优化算法等，教学内容丰富且对统计学学习实用。老师善于引导学生，并鼓励学生与其讨论科研问题，有部分学生建议多自学以提升学习效果。
考核方式与作业
课程评估由期中考试和期末大作业组成，无期末考试。期中闭卷考试内容主要来源于PPT，要求学生熟悉算法执行步骤和理论基础。期末大作业价值较高且具有应用性，团队合作尤为重要。作业量较大，需用R语言编写，完成要求较高。
给分情况
总体评分较好，优秀率偏高，但具体给分规则不明。大作业认真完成，成绩普遍良好。个别点评表示给分不理想，建议慎重对待大作业。
总体推荐
课程适合对统计学感兴趣、愿意投入时间完成作业和大作业的学生。老师友善责任心强，课程具有一定学习和科研应用价值。建议关注团队合作，特别是在期末大作业中。
- 课程难度：中等
- 作业多少：很多
- 给分好坏：超好
- 收获大小：很多
- 难度：中等
- 作业：很多
- 给分：超好
- 收获：很多
老师人很好，比较体谅学生，但这门课作业量比较大，每题要求用r语言写出来比较麻烦，收获还是有不少的。课程考核是期中考试加期末大作业，课程前半程学的比较简单，所以期中考的也很简单，后半程比较难，但没有期末考试。最后，兄弟们一定要选个靠谱的大作业队友!!!
- 课程难度：中等
- 作业多少：很少
- 给分好坏：一般
- 收获大小：一般
- 难度：中等
- 作业：很少
- 给分：一般
- 收获：一般
我们统计有自己的背书大赛
- 课程难度：中等
- 作业多少：中等
- 给分好坏：超好
- 收获大小：很多
- 难度：中等
- 作业：中等
- 给分：超好
- 收获：很多
这门课我感觉是统计系同学科研搬砖的开路石，直到现在在做一些统计的文章复现和手撸算法的时候都还是会再翻开这门课的PPT来参考一些细节。
这门课的期中考试是闭卷考试，复习只要基于PPT来进行就可以了，请务必要熟悉PPT上相关的算法的执行步骤，算法相应的理论基础也一定要熟练掌握（用到的是数理统计和概率论的基础知识就够了）。
这门课并没有期末考试，取而代之的是一个大作业。个人感觉这个大作业对于本门课所授予的知识来说十分有应用和锻炼的意义，比一般的闭卷考试作业要强很多。感觉选择靠谱的大作业队友十分地重要，在这里感谢一下我的其他两位十分靠谱又给力的神仙小组成员，我们得以合力在三天内完成了一个20页latex的大作业，我也是与他们的合作中学到了许多东西。
算法课感觉还是要以自学为主，课后多与老师讨论一些算法的细节什么的，这样会成长很快，最后听说大作业是曾靖老师亲手批改的，为认真负责的曾靖老师亲手点个赞
- 课程难度：中等
- 作业多少：很多
- 给分好坏：杀手
- 收获大小：一般
- 难度：中等
- 作业：很多
- 给分：杀手
- 收获：一般
老师讲课基本都是念课件，课件基本是copy的参考书，而且上课还经常扯些有的没的，想认真学的话不如直接看书。给分也不行，大作业要慎重点，没有保底分
- 课程难度：简单
- 作业多少：很多
- 给分好坏：超好
- 收获大小：很多
- 难度：简单
- 作业：很多
- 给分：超好
- 收获：很多
这门课讲课内容主要包括，生存随机数，蒙特卡洛在统计推断里的应用，MCMC以及一些简单的优化算法，MM和EM算法等等。个人觉得对于统计学的学习来说很有用。 考核标准是平时有点名，两周一次作业，半期闭卷考试，期末大作业。个人觉得内容很丰富但是对于一门两学分的课来说有点多了，也许以后可以提高学分。给分不错，我最后总评拿了100。 老师是十年前的数院人，人很友善，可以找他讨论自己的科研问题，也可以和他闲聊统计学前沿研究方向。 总的来说很推荐，数院的同学或者别的院对统计学感兴趣的同学也可以选。
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：一般
- 收获：一般
只能说一句找个靠谱的队友，不然你会非常后悔。
- 课程难度：简单
- 作业多少：很少
- 给分好坏：超好
- 收获大小：很多
- 难度：简单
- 作业：很少
- 给分：超好
- 收获：很多
出分了，不清楚具体给分规则，但相对期末的分数高了很多，当然大作业有好好做。以下仅个人观点，给想选修这门课的同学提供一个参考视角吧。
先说结论：老师人很好，课也能学到东西，据说优秀率给满，还是挺推荐的
课程
回顾一下课程内容，脉络还是挺清晰的（围绕随机变量的生成、估计，最后是模型超参数的估计）
1.随机变量的生成：逆变换、接受拒绝算法、混合模型、多元正态，额外补充了copula分布（才发现统计学了一年还没搞明白边际分布和多元分布的关系……）
2.蒙特卡洛：MC各种估计；方差缩减（对偶变量法、控制变量法、重要抽样法、分层抽样法）；MCMC
3.优化问题：EM、MM、ADMM；梯度下降、牛顿迭代
4.bootstrap和交叉验证
再说课堂，感觉把算法怎么来的讲得挺清楚的，个人理解抽象的能力有限，所以有引入部分听起来相当舒适；当然会有瑕疵，比如有时候讲授顺序和自己理解的顺序可能不大一样，不过自己课后梳理一下还是能弄懂的，这门课相较于泛函已经是很轻松了，所以这点在我看来不是什么大问题吧。
作业和小测
这学期一共是4次，主要是代码，PPT有参考，改改就行
小测是四五次吧，点名性质，说实话还是挺推荐大家听一下课的，课堂比较轻松，不会像实分析那种抄了一堆笔记进不了脑子（当然可能我比较菜菜），而且感觉跟老师交流应该能挺有收获吧
期末和大作业
本学期无期中，有期末和大作业，期末基本都是PPT上内容，虽然可能是所谓背书，但每部分花一天时间理解清楚基本没什么问题，复习的时候还是学到不少的，而且卷面不好会调分
大作业给了参考选题，也可以选自己感兴趣的，另外老师还给了latex模板，不用自己去找非常省事
