我是19年秋这门课的两位助教之一，尽力tex出了一些仅供参考的作业答案：home.ustc.edu.cn/~liweiyu/NP.html，希望毕业后主页尚能健在……

18年的时候这门课只有约30人选，到了19年有80左右，似乎是因为研究生那边改了培养计划。一个月500包改书面作业/程序作业/大作业/考卷、讲习题课、码答案，我咋觉得是在卖身，即使第二遍听还是很爽很开心，有一些一年后有了更多research经验回头看才能注意到的细节。

课程内容本身差异不大，但是老师tex的typos减少了，而且基于18年的东西开始打补丁一样往里猛灌干货，可能觉得我能顶住所以随便造吧反正宣布有大作业要改的时候我内心万马奔腾，作业题也是粗暴地在18年基础上只增不减，所以我好奇这课会不会滚雪球越滚越难。主要是几个方面的内容：统计泛函、经验似然、U-统计量、KDE（核密度估计）、smoothers&splines（光滑方法与样条）、近代非参数方法大赏，其中最后一个特别爱考背书题，但是我觉得是你科统计最能接触到时下统计学问题的教学topic。（教学指的是老师一言堂形式的，讨论班形式的不算。）

考试真的不难，非常非常常规，但是又需要认真复习才能考好，至少两位助教都是一边翻ppt才能一边编出答案……不过管统研究生课是真的易于同行衬托啊，压轴题作业原题，居然还需要放水到“笔头划拉划拉就给8/20分，再划拉一个提前背好的答案中间全是口胡就16+/20”这种程度，最后平均分才勉强不挂。。。

_{小声：19年秋管统人事变动比较大，院里面杂事很多，院长开会中途抽空备课上课，确实教学质量会不稳定，但还是吊锤你科某些屑课，，，}

---下面是18年秋部分---

18年秋大三时同时学了张伟平的研究生非参和王占锋的大四必修非参，没有对比就没有伤害，当然我也能够理解本科生课、尤其是大四必修的本科生课，对于老师来说过于捉襟见肘。

课程主页每年都会删除，19年没删我的楼，觉得写得认真吧大概是orz。课程文件是基于张老师自己搭的平台fisher.stat.ustc.edu.cn，需要校园网才能进，老师服务器坏掉时（这常常发生）不能进。（PS：老师好像对stat是真爱，让我从prob到stat试他的wifi密码，，，难怪这个网站域名也这么有梗，，，）

老师每次上课前甚至课后才传ppt，因为课前赶ddl码tex。作业量还行，比19年少，但是是上fisher.stat.提交，我这种大水怪盖楼盖的很欢脱；加上每次和不神唯二的本科生在第一排翘个二郎腿大爷坐姿听课，所以学期过半就已经成功刷脸，甚至完成了zwp->cy/我大老板->我直属老板的表（八）扬（卦）圈。18年作业比较少，一周大概1-2道理论，1-2道上机就顶天了，没有大作业，没有期中，将近期末老师也摸鱼不爱出作业。

最后考试的时候因为错误理解jackknife、没有背书各种模型血崩，愣是靠刷好感度+同行衬托苟上95，总评比不神低，gg。

我本科四年最感谢的老师，张伟平算其中之一。之后可能管统会有培养计划/教师分配教学上的变动，但我认为张老师的课闭眼盲选就好了。这门非参让我第一次产生一点统计直觉：比起背公式，它更强调一些motivations、一些从直觉出发的methodological design。如果不算大二自己瞎看的esl，它之于我是统计启蒙课，所以我建议有所追求的统计本科生可以尝试一下。我选课之前已经学过数理统计、多元统计分析A，读完isl（esl本科版）、统计计算、半本北大非参，自己的research对于回归和线性模型做得比较熟，大三学就还行；一般来说大四的视野去学这门课比较合适。

这绝对是我这学期收获最多的一门课。 老师一开始讲了一些统计的专题内容比如ｕ统计量统计泛函经验似然之类。 然后后面画风一转开始讲密度估计非参回归半参模型，课程覆盖量大概是数理统计的5倍。老师在讲u统计量的时候用的是berkely的slides，一节课讲掉他们3节课的内容。。 考试很简单，认真听课就会，除了一个老师从论文上找出来的题。

最后老师给分很好，两个本科生我和大哥都是95+

我于2020秋季在大三的时候选修了这门课。在经历了一个学期排长的狂轰滥炸后获得了一个不大好的分数。尽管如此我认为这门课也是一门很值得去学的课。

课程内容：排长一学期讲的内容非常多而且有些杂，不过总结起来大概有以下一些东西：

1. 非参数估计：包括分位数估计，统计泛函，Jackknife/Bootstrap，经验似然，U统计量。前两部分应该主要是按照 Wasserman的All of nonparametric statistics讲的（p.s.这本书内容包罗万象，包括后面他讲的topic这本书也有很多），U统计量主要是按照Van de Waart的Asymptotic Statistics讲的。

2. 核密度估计和检验：包括用Kernel估计密度函数，累积分布函数，条件密度，以及多元情形下的估计和做一些关于密度的检验。这部分主要是按照孙志华的非参数与半参数统计讲的

3. 非参数回归： 包括核函数回归，局部回归，样条回归，半参数回归，变系数回归，非参分位数回归，还有一些比较现代的方法包括单指标模型，可加模型。这部分主要还是按照孙志华的非参数与半参数统计讲的，其中样条回归讲的是ESL上的内容。

课程作业：平时大概总共交了10次作业，有时候是算一些东西也有时候是编程。因为大哥主页上有答案所以平时作业就滑了（当然很多时候自己理解不够也写不出东西来）。临近期末的时候要交一篇课程论文，要求是用非参的方法去处理一个数据集。自己找个论文复现一下就差不多了。

考试：考试也基本都是他ppt上的东西，而且基本只会考最基本的内容。但会有一两个题可能会稍微变一变，得理解的比较好才能写出来（比如我们当时考了半参数回归给的模型跟ppt上写的就有点差别，最后还有个问KNN估计的自由度ppt似乎没有直接讲）。总的来说，光靠死记硬背很难拿到很高的分数。

一些建议：排长的课都不是水课，都需要花很多时间才能学好。不过我个人感觉我自己我这门课学的效果很不好（甚至配不上我这个本来就很低的分数），巨大对不起排长的教学。所以给之后想选这门课的大三的同学留下一些建议：

首先来上这门课之前最好有所知识储备，数理统计和R都需要熟练掌握，回归分析也要有所了解（否则F检验，自由度这些东西怎么来的就会难理解很多），要是之前能自己阅读一些统计类的书籍当然更好。

其次，在学这门课务必要保证留够时间。因为排长上课车速巨大快，所以很多内容知识蜻蜓点水的讲过，所以我觉得里面一些内容或者拓展值得自己花多点时间弄的比较透彻。建议大家课后不要只看排长的ppt，也要读一些国外相对应的教材，尤其是Wasserman, Van de Waart和ESL这三本书上其实跟排长这学期讲的topic重合的都比较多。要是能把这些都花时间读一遍，对整个统计学的理解应该都该有很大的提升。

（下学期有时间争取再旁听一遍排长的课，希望排长不要嘲讽我）

来评一下新任张院长的课（手动微笑）。

内容：一. 非参数估计，包括分位数估计，统计泛函，Jackknife and Bootstrap, 经验似然，U统计量。二. 核密度估计(KDE)及其他密度估计方法。三. 非参数回归，包括核回归，局部多项式（经济学最爱），样条。四. 半参数模型，包括部分线性模型，单指标模型，可加模型。内容非常丰富，大开眼界了。

课件做的很好，也是多方参考来的，有的可能是老师综合几篇论文做成的，非常用心。但是讲课车速太快。。。经常一次课过好几十个PPT，车速越来越快，营养有点跟不上，听课体验有点差。。。但是只要好好看PPT绝对能学到好多东西。

平时作业不多（高级课程哪来的作业），中期有课程论文，大概是自己找论文然后学习一下，总结成论文（读书笔记），再跑个模拟就能拿高分了。论文比较花时间。考试也不难，基本都是PPT上和作业里的东西，只要看过就会，然而PPT实在太多了。。慢慢看吧～

和高概一样，强烈推荐想学东西的同学来上，想混学分的请绕道，会挂的！！！！

课程内容上面的几位大佬已经写得很详细了，我仅从一个辣鸡的角度补充个人的几点看法。

窃以为这门课的难度主要在workload上，比如说老师像开车一样的过ppt，比如说每周至少4道有时8道的作业题，又比如说11月初突然布置了一篇参考文献不少于20条的课程论文(ddl 12/1)。。。如果大四申请季选这门课，可能要做好放弃课程修读的准备。但如果只是想掌握基本的内容，这门课并不是那么的难。

期末考5道大题，考察范围广，时间非常充裕，难度主要体现在所有讲过的基本内容都可能会考。。。

顺便，老师好像很喜欢布置课程论文，他今天上午贝叶斯的课上又布置了一篇？

最后，感谢大哥让我这门课免于挂科。。。