Lukas

必修无语雷课，要画一大堆没用的图

这么个有意思的课信安居然选不了，大无语（

##### 选课时间：2023Spring ##### 授课老师：张玉 ##### 讲授内容：可以简单认为 网络安全技术=计算机网络+密码学 名副其实的水课 ##### 作业：20级开始是两个课时，有大概五次平时作业，主要是写一些概念介绍、优缺点比较等等，不涉及计算。 ##### 实验内容（2023Spring 两个老师布置的作业内容可以说是完全不一样） - 实验一、 基于 DES 加密的 TCP 聊天室程序设计 - 实验二、 基于 RSA、DES 加密的 TCP 聊天室程序设计 - 实验三、 基于...

# 时间 大二结束暑假上课，选课在大三上（必修课） # 课程本身 课程其实讲的很细，主要也是因为中软的主要培训对象是双非而不是985，~~NKU是其最大的韭菜。~~ 如果对有关领域没有任何基础，那么中软会从配环境开始讲，还是很细致的。但是如果之前有所掌握，那么这个课就比较鸡肋。 # 高分技巧 这一届给分迷惑了一阵子，后来又好了。**想拿高分，就要在最后展示的时候多讲。** # 评价 如果学生们能找到更好的实习的话，这个课其实很没有用。占据了宝贵的暑假的一个月的学算法、学车、学外语、自己实习的时间，很离谱。而且自己出去实习是人家给自己工资，这地方上这个课还交240块钱，离大谱了。

选课时间：2022Fall 授课老师：乜鹏 课程内容：网站开发，使用php语言的yii2框架。不太现代，框架有点难用？老师推荐j2ee，但是我不会啊。 只有一学分，而且只上九周，2022FALL是在下半学期，因为寒假后提交作业，时间还算宽裕。平时作业三次（很简单），但是不能摆烂，平时作业判的还挺严格的，摆烂真的会被扣分。期末3-4人小组作业，网站开发。需要一个佬带着小组做，不然有点困难。 需要小组答辩，但是只是讲解功能，不需要讲代码。最后给分比较友善。 总评：4.5/5.0吧。

21fall，授课教师：蔡祥睿 仅从讲课来看，实在是一般。念PPT，也不容易知道重点是什么，老师可能是重庆人，讲课声音还有点小。如果早八来的人数过少或者他看玩手机的太多，会点个名，不过不到也没事。在时间安排上灵活，这一点很好。还是那句话，在计网学院，讲的差无所谓，**只要事少就是好老师**！！！ 作业是年级统一的，李岳班也在同样的时间留同样的作业。作业正确率占一定的平时分。两周一次作业。 从考试来看，部分题目出自平时作业题，需要好好复习。反正李岳出的题给我感觉是这学期最狠的一科，有部分题事后发现来自考研的内容，据说李岳上课就喜欢讲一些绕来绕去的内容(有点离谱)。如果是蔡老师出题会简单一些。 **蔡老师会捞人**，捞的力度很大，这一点我怒赞！最新更新一下，捞人力度之大，是50以下的都能捞上来的程度！想要分的同学请冲他！！！ 总评3.5/5吧。

整个学期码量目前看来不超过30行，强烈推荐，选网技可能会收获更多的知识但是会比较累，大家自己权衡。

21fall，授课教师：陈晨 平时作业不多，主要是上课的随堂练习，每道题限时十分钟，部分来源于洛谷和CODEFORCES，对于完全没有接触过PYTHON的同学来说，时间较为紧张，甚至有的题目比较困难。老师会在截止提交之后讲解题目并在IDLE上写出代码，课后需要把课上练习的代码提交到tronclass上。这部分和考勤占期末总评的45%。 大作业占总成绩的55%，整体上是机器学习或者深度学习的内容。分三个等级。均需要提供实验报告，源代码和演示视频。 Simple是写一个爬虫或者小游戏。做最简单的期末封顶80分。截止时间10月底。 Intermediate有四个选题，Loan Prediction、Housing Prices、Titanic Survival、Wine Quality。就是机器学习中非常经典的分类问题和回归问题，都是有监督的机器学习。学过数据分析的同学应该看名字就非常熟悉，大都是来源于一些著名大数据竞赛网站的入门题，比如Kaggle和天池。不过课上所提供的数据集都不是原来的数据集，都是删减之后的，变量个数很少，对数据预处理的难度也大大降低，几乎不需要做特征工程，只需要直接调用模型进行预测。做中等难度期末封顶90分。截止时间11月底。 Challenging是虚假新闻检测，由于陈晨老师是研究NLP的，所以多年来最难的大作业都是NLP相关的。近年来一直时虚假新闻检测，几年前还听说过语义识别和情感判断等问题。期末封顶100分.截止时间12月底。 对于期末总体成绩的影响，有两点要注意，一是课上的练习，追求高分平时可以练一练。二是大作业，**推荐做最难的NLP内容**。首先是最简单的难度几乎无法让人得到锻炼，中等难度一样如此。最关键的特征工程的一步，因为已经处理好了数据集而失去锻炼的机会，直接调模型没有任何意义，有的人算上画图的代码才80多行。有兴趣可以看一看Kaggle上泰坦尼克号（很多匿名特征）和房价预测（75个自变量）的数据集，和课上提供的数据集有很大不同。至少NLP的题，还是可以让你好好锻炼的。比如怎么把TITLE转换成词向量，是用别人的词向量库还是自己在LSTM里加embedding层等等。**(关于词向量库，如果有人要使用的话，直接在github搜索即可)**。 陈晨老师说，大作业评分与ACC、RECALL or MAE、MSE等评价指标没有必然联系（因为只要方法正确结果就差不了太多）。但是，应该还是会参考模型的最终效果进行给分的微调！如果追求高指标，推荐使用神经网络的方法。NLP问题学界和业界都是深度学习方法。中等难度同理。最后，**别学术造假，别用测试集训练模型**！！！ 这个课给分前几年非常高，但是今年可能有些压分，只要做了NLP的大作业90+不难，追求95+的同学还是要努力的。

21fall,授课教师：李素军 虽然培养计划推荐在大三上选，不过推荐在大一或者大二选择，很可惜能看到这个网站大多数同学已经大一下或者大二了。 平时几乎没有作业，上课是否点名取决于不同的授课教师。平时分主要由两部分构成，一部分是大语网站的测试，至少需要测两次（可以刷分）。这个测试题有题库，有需要的同学可以找我要，在github上留言或者私聊我都可以。另一重要的部分是作文，占期末15分。作文评级是按星的数量来算，3-5星对应13-15分，但是1星只有一分。千万不要抄袭，如果抄袭被查出会扣除所有作文的分数（可以去看一看往年的界面，翻几页或十几页就会有一个被定为【作弊】，0星，而且学号还显示出来，会社死）。 期末考试难度不高，整体上是自由发挥，但也有一道题会考查平时的听课情况，这道题会由不同的老师出题，任选其一（但推荐选择自己老师的题目），会结合上课老师所讲的内容出题，平时要听一听课，别一节都不去。默写占期末30分，默写范围也在大语那个网站上，多年未变，最好早点开始背，期末任务多，容易背不完。有传言如果默写错的太多直接打低分不看后面的内容，未经证实，不过默写错的多的同学确实分数都很不理想。 大多数老师给分很高，95+非常多，也有部分老师给分不高，建议提前避雷。我的老师李素军堪称女神，人美心善，给分很高，不点名，推荐选择。

这课啥时候开了希望有人能通知我一声。谢谢各位。