考试前一天，不知道会有多少人看评课社区。本人25秋助教(🐱唯一一个)，受不可抗力影响，我去年复分析的讲义放到了知乎，今年索性也放上去了，后来人可以看我的主页

https://zhuanlan.zhihu.com/p/1981297403815536224

此讲义全由本人赶工出来，必然包含很多问题，如果这个问题对你很重要，可以联系 [email protected]

下面开始正文

个人工作体验：

       本来以为大四了可以轻松一点，但依然选了六门专业课，再加上大部分时间都花在了进组打工，还要大研结题，以及和教务处的草台班子各种斗智斗勇什么的……环顾四周，高中同学们都开始享受大学生活了，这就好比高中老师给你画的大饼一样，不同的是这回真的有人吃到饼了。

       但总的来说，这门课最坑爹的地方还是就只招到了我一个助教(我错了，更坑爹的是工资计算公式，最后拿到了不是x2，而是就多了一百多)。这门课的内容算是计算方向的基本功了，无论以后做什么，“数值代数”和“数值分析”都是基本功。

       但我本人不是作科学计算的，在这门课上能发挥的拓展空间几乎没有。虽然这门课从头到尾各方面都比较凄凉，我也说不上多用心，抽象感受一下，我整体上的态度可能就是仅仅在把这门课当个平凡的事在办。包括写讲义，答疑，延长作业ddl，在老师和同学之间协调一些决定等。以及一些小巧思：最后一节课要让同学们上台展示大作业，考虑到一个学期的凄凉值不断增加，为了让5位同学不要过于尴尬，于是让老师讲一下考试题型，结果真的骗来很多人。

课程内容：

       教材：本课程教材是北大的经典小黄书《数值线性代数》。这本书我自己是没看过的，因为我当年学的是“先进version”的NA,用的是“3rdNumerical Analysis2021”，数值分析用的也是它，这本小黄书的作业题还是明显难一些的，还有几道文献题。

       北大这本书的话就完全是讲代数了：包括线性方程组的直接解法，迭代解法，梯度下降法解法；以及特征值的求解。需要注意，尽管非线性方程的求解，这次考试不考，但数值分析应该不会再讲一遍，而其内容又比较重要（我去年研究生面试，考的就是牛顿法），所以还是要了解。

       考核：本课程包括七次书面作业+七次程序作业+一个大作业(可选)+期末考试。比例的话老师说自己会调整，书面作业和程序作业都是北大书上的习题。大作业是今年（即兴？）新加的，做了给总评加分。期末考试老师说会有很多作业题，我也不知道具体什么样，同学们考完了可以评论一下。

关于宋老师：

       上面基本都是课程之初规划好可以预料的内容，下面讲一些特色内容。从同学们的反馈来看，主要有这样几个问题

1. “宋老师课程安排不甚合理，讲得过快”（貌似12周就讲完了？），后面有几次就开始上自习了。不知道宋老师是不是第一次带这门课，但确实讲的比较快了，一些重要的定理或许可以板书推一下，现在基本就是过PPT。
2. “上课内容单调乏味，基本就是念(邓老师的)PPT”。这一点我感觉也是事实，不过说老师是消极怠工也不太对，宋老师有好几次来问我“怎样能让大家觉得这门课更有趣？”。我说能不能讲一点这些数值代数知识，在图形学或者什么领域的应用，能看到结果可能比公式有意思。(结果就有了泊松融合的大作业？)
3. “作业太多了”。其实没有多得太离谱，主要还是ddl设置不太合理(或许大家可能平时不怎么学这门课，临近ddl再全部一起补？)但总之我一方面作业卡的不会那么严格，讲义也会发到群里，感觉应该不会成为大家太大的负担。

给计算方向学弟的建议：

       学这门课的应该不只是计算方向的，但如我前面所说，作为一个学计算方向的同学，以后别人默认你的两门基本功就是“数值代数”和“数值分析”，考虑到大家可能刚分完方向，而且下学期就涉及到保研了，给大家提几点建议

1. AI：一些同学直接把deepseek的回答下载下来(文件名没改)，直接交到bb上就比较抽象了；还有大量的作业是写着写着来一句“不对，我们应该……”,"因此(根据经典结果)我们有……"；以及代码里大量的AI式注释。

          不知道大家是怎样判断出我的容忍程度比较高的，虽然我确实都是没有管。但以后别的课也这样，感觉很容易出大问题。

          另一方面，大家可能觉得现在的东西问AI很容易就解决了，但后面困难的东西无脑全抛给他，很多时候只会越抹越黑，非常浪费时间和精力。所以具体要怎么让他辅助你，还是要找到适合自己的方式。

1. 尽快确定自己的方向：因为大家应该马上就要考虑研究生的问题了，到时候不论夏令营还是别的，都要申导师，不确定方向的话，到时候都不知道该选谁。以及利用假期复习一下学过的东西，夏令营要考试的（我一个学计算的，去中科院面试考我近世代数，完全不记得了）。
2. 平衡好代码能力和理论能力：我当时是到大三下开始转变，发现大部分课程全都是代码密集的了，当时很不适应。大家也要时刻思考这个问题，自己是不是对某一个方面有失偏颇了：会不会自己代码能力太差了，只会理论分析而不能实现想法；会不会精力全都放到电脑上了，思考分析的功力都没了。
3. 最后推荐一些我自己在用的生产力工具：
   1. 记笔记：Obsidian功能很丰富，主要是敲公式快捷键很舒服，不用输$$。另外我矩阵都是texmacs敲得，可以直接类似excel表格操作。这两个敲完都可以直接转latex代码。
   2. 图片公式识别：Mathpix，我一般都直接在纸上写，然后用它OCR一下直接出latex公式了。正版太贵了，我一般在淘宝上几十块买的。
   3. pdf资料整理：各种讲义，电子书，试卷什么的建议大家分门别类整理清楚，以后说不定就要用。我直接用WPS，中科大账号有会员，好几个T。
   4. 代码整理：Git和Github。
   5. 文件检索：Everything。
   6. 基本的编程语言：C++,python,matlab(北太天元？)
   7. 科研作图要用的好玩建模软件：Rhino，Blender……

PS:一个广告：

第68期数院院刊《蛙鸣》开始征稿啦，我是今年计算与应用数学专业方向编委，欢迎大家积极投稿，不仅有稿费，还有机会装订成册，在数院留下你的痕迹。

16周的课12周讲完，中途老师全在飙车，前面板书含量还很高，后面就基本上都在读邓老师的ppt，一堂课过150页ppt。如果老师后面还在开课，我建议以ppt作为考纲，直接看书学。就个人经历而言，我CG学的最好，因为那一段老师讲的实在太快笔记来不及记我就自学了。

作业布置极不合理，原先老师的计划是书上习题全写，后来被同学争取到减5题，但是“考试内容会在书上全部习题里面出”。由于作业太多，TA充当了我们和老师的缓冲，给我们大大延后了提交ddl，虽然我觉得是因为她讲太快导致作业来不及做。后面可能是期中座谈反馈上去了，老师定向布置了书上的大部分习题。但还有反转，考前13天突然布置了原本不用写的第七章的大概一半习题和实验（事实上她上课还布置了一道额外证明，但估计她自己都忘了）。没见过这样的，比隔壁机器学习还狠。

可能会在考完出分后变脸，参考23宁班微分方程，先打1分。

五分给教材，这门课零分

高分段总评疑似 = 0.5 平时 + 0.5 期末 + 小论文 - 5  （？？？）

原始分拿 100 以上才能 4.3 （？？？）

疑似因为优秀率导致的低品位给分

顺便给下学期（我带的）数学建模打个广告，不限优秀率（去年80%），只要认真做作业就能拿高分

给个1分，目前是我上过体验最差的数院课：

上课基本上就是照本宣科，全程都在念课本和 PPT。我坚持听了几节课后实在受不了就不听了，听说后面也依旧如此。 更离谱的是讲课进度极快。本来 16 周的课，提前好几周就结课了。期中教学座谈会有人反映过这个问题，但老师并没有调整。在我看来，这门课的精华和难点都集中在后半部分，用这种讲法匆匆带过，学生真的能消化得了吗？

作业布置也很不合理，作业量大是这门课的传统，前几届也都是课本题全留，这点暂且不表。但老师的减负方式是让我们自己选五道题不做。这种方式直接导致我们抓不住重点，根本不知道哪些是核心题型。虽然后面两章改回了指定题目，但前期的体验确实很差。

另外，学期中途突然加了一个大作业，这一点本身就缺乏规划。推荐的主题是Poisson Image Editing，个人感觉这个主题与数值代数的背景联系并不紧密，很难说通过这个大作业加深了对课程核心知识的理解。听说以前这门课的大作业是手写 SVD，感觉那个更靠谱一些。

最后说说考试和给分，考试几乎全是课本题和书上简单定理证明，考前把这些都看一遍就能拿个不错的成绩，给分比较迷惑，不知道是什么神秘公式，不过没卡我绩。

考虑到这门课是计算方向的必修课，不得不选，如果后续还是syz开，希望能有所改进吧。

写了大作业，不确定加了多少，但最后总评比卷面还低一分，感觉给分比较神秘

平时没去上课，这门课直接跟着教材学感觉并不会很困难。不过教材里有一些证明推导比较冗长复杂，但考试也没有涉及这种

作业确实不算少，但没有期中是好文明

鼓励一下宋老师，老师也没有上很多年的课也没什么经验，大家还是多多包容，至少同学们和助教的反馈老师能及时听进去并改变（比如为了防微分几何考试连轴转特地延后一周考试），老师人还是很不错的（虽然我没怎么到课（

虽然期末考了后30%，有大作业的展示加分最后也没有很难看

这课对平时摆子不好之处在于考试考不少作业题，像我这种作业全靠抄+AI，完全没有思考，考试就不大行。

如果你真的想学好这门课，平时是真的应该好好做每次作业。

但如果你只是想过，考前让AI帮你整理一下知识点就可以了，期末也能考及格，重点看算法核心思想和过程吧。记得考前把作业答案过一遍，能记多少记多少。

值得一提的是大作业，建议每个有空的人都去完成一下

我基本上就用了一个晚上完成了，然后做的也算不错，还上台讲解了一下
过程：随便让AI帮你找一篇论文（找尽量经典的，比如我找的2009 CVPR Best Paper可以说是CV里最经典的一篇（当然也跟我专业涉及有关）），看一下难度怎么样（最好找难度低的、展示效果好的），如果感兴趣直接github上找一下有没有复现或者甚至让AI帮你完成一个复现。对于论文中的任何看不懂的地方都可以直接询问AI，个人感觉Gemini3.0pro还是可以的，GPT5.2pro也不错。如果你觉得复现的效果一般，报告里要写的东西太少了，就想想他有哪方面可以改进的，具体都可以跟AI对话获得灵感，基本上是对工程能力的要求，你要会调代码，其实思考完全可以交给AI。如果有创新，写报告就可以着重写创新部分的思路+效果。如果只是复现，就着重写其中与数值代数这门课有关的相关部分（例如矩阵分解、线性方程组求解之类的，创新点也尽量能围绕课程内容）。

这个可以说白捡的分，拿到就是赚。

以上内容均为手写没有任何AI的介入

来略微拉高一点平均分。

期末考试出的简单所以一定是向下调分的。

但可能会推荐公布一个新的调分比例，毕竟跟开学说的235调分有显著差距。

不仅是高分段往低调，低分段也会向下调分。