我将把这门课列为我这三年上过的最优质的课之一，仅就我个人而言，教学质量与李思敏老师的《复分析》并列，甚至对于我的意义更甚于此。

原本这门课只是一个2学分的课，名字还带导论，我只是当作辅修课+英语课去上的。毕竟我上过了《运筹学》、《机器学习A》等等数院的专业课，这些基础的优化理论不知道学过了多少遍。但为了锻炼自己英语听力和交流的能力，我还是选择认真地去听这门课。里面的概念的确都很基础，不像数院的专业课那样充斥着复杂的定理和证明。但当我以为没办法从这门课堂上学到新知识的时候，老师的课件及讲解让我醍醐灌顶。

受限于我的天赋，自从来了科大之后，我对于数院的课向来是浅尝辄止，要么是无法从直觉上完全理解一个概念或定理、要么是无法理解这些概念的来历与用处。为此我一直煎熬着。但不知道是老师参考了斯坦福教材的原因，还是老师自己整理的slides的原因，同样的概念变得完全不同了。放在数院或许不到五分钟就草草带过的概念，这位老师讲了足足三十分钟。或许是因为这样的时间更适合我这样平庸的人，当一个个基础概念的由来在我面前缓缓展开，当一个个冰冷的推导被附上详尽的讲解，我对于这些概念的理解毫无疑问的加深了。这正是我一直求而不得的。

作为科大极为少见的全英文授课，还是外国教授带课，在选这门课之前我是极有压力的。但毕竟，或许不久后我就要尝试与外国人用英语交流，就干脆选了这门课当作是锻炼了（当然也有贪恋高新区美食的原因）。还记得大一暑假的时候听一位外国的教授讲过课，受限于我当时的英语水平，无论是听力还是交流都十分困难，我也因此留下了一定的阴影。

但或许是我英语水平有了一定提高的缘故，又或许是这位老师更加平易近人的缘故，我感觉我似乎又有了些勇气。

我是选课系统截止前的最后一天选的这门课，因此错过了前两周的课。但当我忐忑地准备了很久的英文稿，准备向老师解释的时候，仅仅在我说完了"I’m sorry. I missed the classes for the first two weeks." 之后，老师立马说"No problem! No problem! ……"。一连串安慰的话直接把我准备已久的解释给堵住了，虽然他说的很多话我都还听不懂，只能听懂“随便请假”、“别担心”之类的话，但我能感受到他的热情与亲切。他还反复强调只要我们认真学，会努力让我们每个人都到90分以上，"I promise !"。接着到了讲课的时候，归功于之前看文献以及上学期《机器学习A》打下的专业英文词汇基础，虽然老师说话有一定的口音，但认真听还是能听懂个大概。两节课的过程中我慢慢习惯了带着口音的听力，也慢慢地能跟上节奏了。或许英文授课并不是那么遥不可及？虽然我的托福听力还是那么低，但至少还是有了些自信。

或许是全英授课的原因，选这门课的人很少，教室也比较小，老师每次提问题都会问每个同学的答案，给我的感觉就像是小时候的奥数班。那是我对学习尚且存有热情的时光，那样的热情自从上了高中就销声匿迹了。但这样的小班教学给我的感受就像是回到了小时候，同样是坐在第一排，老师会一个个问我们问题，答对了就夸，答错了就说自己“很失望”。不是高高在上，不是漠不关心。每个同学都会试着回答，无论是否内向。不是冰冷的大教室，不是机械的教学，更不是死寂的课堂。童年的回忆与当下的对比让我对这门课有了完全不同的感受。

以及老师还提到了AI的问题，坚持让我们不要用AI。自从AI出来之后我就什么都依赖AI，美其名曰用AI减负。但实际上我的能力和思考的确被AI给祸害了，老师上课提的一些简单的问题都无法自信地回答了，我的基础也在滥用AI中变得虚浮，再也没有大一那样扎实的感觉了。或许AI的确是大势所趋，有效地利用AI的确能帮助我们学习和科研，但至少在一些简单的问题上，在这样简单的课上，我的确应该减少对AI的依赖。

对一门仅仅上过两周的课给予如此高的评价似乎有些过于夸张与不理智，但这的确是我此时此刻所感所悟，哪怕是一时冲动，它带给我的感受也值得我将这些写下来。或许我的心理状态还没到抑郁症的程度，但我的心的确已经压抑了许久，也沉寂了许久。

可惜的是我的大学生活已经过了三年，过去的三年甚至六年我已经忘记了我的初衷。但或许幸运的是，在这个学期、这个时间点，我遇到了这门课，并且我没有翘课。于是我又回想起了我的一些初心。或许现在改变也不晚。

或许也正是因为对我来说，这是一门不必在意绩点的辅修课，我才能更专注于内容与学习本身而不必在意考试。但我想即便这是我的主修课，我也一样会抛弃给分好坏做出这样的评价。

全英文授课，感觉挺不错？

作为辅修选的这门课，第三周才选的课，目前就上了一节。大致看了一下内容，基本上数院的《运筹学》、《机器学习A》或者《凸优化》之类的都能覆盖，而且都是一些基础内容，没有太深的拓展。

如果想要上课尽可能听懂老师讲的，可能需要对一些基础词汇的英文比较熟悉，或者课前先看一遍教材。课前听了一些这个老师的录课，感觉口音很重听不懂。但实际上课感觉会清晰很多，大部分还是能听懂的，加上这是一门数学课，听不懂看公式也能大致理解。感觉可以当成一门免费听力课，很多英文词汇的用法都可以逐渐熟悉。

给分什么的不清楚，但老师还挺热情的，好像可以随便请假。而且也就两个学分，感觉作为主修或者辅修学一下都挺不错的。（整体情况后续再更新）

本学期给分非常非常好! 我们两个人 (是的, 本学期就剩两个学生了 555) 都是 96 分. 本学期给分方式为作业 60%, 期末 40%. 作业, 考试都有一定的额外分数(额外分数会直接算进最后的成绩), 如期末有 10 分选做, 总成绩中通过考试最多能拿到 \(\frac{110}{100} \times 40\% = 44\) 分. 最后似乎还有一丢丢向上调分 (后续选课时如有疑虑, 可以提前问老师如何给分)

课程内容是 EE364A 中比较基础的部分, 内容并不算难, 老师讲的也很不错, 但因为小班互动比较多, 上课略有些压力. 不过收获还是挺大的.

作业难度较高, 写着很费时间, 且没有答案 (本学期有助教考前一对一讲解, 感谢感谢)

整体是很不错的课程, 希望以后能有更多的同学来选!!!

课前说给分一定宽松，一定往高抬分，然后你猜为啥只有5个人选？

中间退课了1位哥，只能说明智。

承诺绝对不会卡优秀率，结果根本用不到，笑死。

给分究极杀手，只能说别来。

非常好的优化入门课,Nick上课十分轻松，加上小班，常常有互动,虽然课程有一定难度,教材是stanford的cvxbook,但是这门课只上最基础的部分，所以相对比较友善(?)一点瑕疵就是作业没有reference answer(. 

课程内容包括凸集Convexity，凸函数convex function,优化问题的分类,对偶原理Duality,Decent method( 梯度下降，牛顿法，以及加上约束的内点法),和Apllications(介绍,不考).虽然最后只学了点皮毛但是感觉收获还是挺大的.