研一对于一系列课程的记录笔记。

研一上

静态分析

周四9-10节 仙2-122

成绩考核：

实验40%，不得抄袭 期末60%，闭卷

前言 | 静态分析 (cuijiacai.com)

不点名，两位老师讲得很棒而且都很有人格魅力。但这门课整体难度略高，实验难度并不低。且到后面的知识点会越来越复杂，越来越不好理解。

虽然编译原理不是这门课的前置课程，但是还是不建议没有学过编译原理的同学选这门课……

物联网技术导论

周一5-6节 仙2-122

没有任何考试，通过project完成考核

mooc 50%(有个project)

期末项目报告 50%

不点名，老师讲得很风趣幽默，慕课很简单，两次报告的难度也不大，比较容易拿高分。

网络安全与检测技术

周一2-4 逸B-104

平时分10%+作业30%+开卷测试45%+论文汇报15%

不是每个同学都能参加论文汇报……？可能是写论文报告（

作业包括手写作业，可迟交

论文主题包括生成模型安全与大数据安全

不点名，期末考试很难，但是给分还可以。作业和论文汇报的难度也不大。

但是老师好像25年要去软件学院了，这门课不知道还开不开……

分布式系统

周三5-6节 仙1-106

NJU 2021fall 分布式系统复习总结_分布式操作系统具有较好的透明性和易用性,但没有对相互独立的计算机集合的操作处-CSDN博客
https://zhuanlan.zhihu.com/p/675562739
https://zhuanlan.zhihu.com/p/675357022
https://zhuanlan.zhihu.com/p/675972352

期末70%，闭卷+30%三次平时作业

最后一次课好好听，会有选择题

simple-go-rpc/src/client/client.go at master · ankur-anand/simple-go-rpc (github.com)

动手写RPC框架 - GeeRPC第一天 服务端与消息编码 | 极客兔兔 (geektutu.com)

实验难度并不大，但是期末闭卷考试压力有点大……需要背的东西挺多……

新时代中国特色社会主义理论与实践

周四7-8节 仙1-106 高原

下课期间会要求签到，管的很松。

最后一堂课会有随堂开卷考试，务必要到！

信息技术前沿与行业应用

周五5-6节 仙2-207

考勤20% 个人课程报告30% 小组研讨报告60%

水漫金山。选就是了，但是小心老师突发奇想的点名。

软件度量

周二3-4节 仙2-412

到课 20% 练习 50% 大作业 30%

会有点名，作业难度不大，大作业是复现自己领域的相关论文，推荐选这门课。

软件分析测试

周二5-6节 仙2-419

平时10% 论文阅读撰写审阅40% 软件分析测试项目50%。

两次论文+一次ppt项目，难度不大，老师管得也很松，无点名。

本人这学期去上课的次数可能连一半都没有，作业总用时可能也不到12h，但还是很幸运地没有被挂（

​

研一下

工程伦理

周一7-8节 逸B-101

不点名，但是事情很多

5次平时小作业+两次报告+课程大作业
小作业：通论部分，每次课布置一个小作业，一周内交;

两次报告：一次在通论部分，通过案例对工程的价值和风险进行分析；一次在分论部分，对科学发展和隐私保护进行研究和分析;

课程大作业：可分组完成，从6个专题中选择一个主题或自己选定主题，需要形成初步分析、第一次报告、课堂讨论和答辩、第二次报告，数据真实、论点清晰、论据充分，并说明自己对工程伦理的意识发展和规范应用细节。

课堂讨论与大作业：给出几个题目，分组选择进行研究，给出报告，课堂答辩。

-专题1:国家治理现代化的大数据运用

-专题2:自动驾驶研发、运用中的伦理问题

-专题3:网瘾、游戏成瘾问题中的伦理分析

-专题4:移动支付的风险和价值分析

-专题5:人工智能开发和应用中的伦理分析

-专题6:身份数据的使用和隐私保护

高级机器学习

周二7-8节 仙2-122

成绩构成：期末考试 50% + Assignment 1 25% + Assignment 2 25%，不点名

Advanced Machine Learning Course

作业1： ddl 03.28

选择下列任一主题，收集并阅读至少六篇该主题的英文论文，然后用中文撰写报告。注意，你应该回顾所选领域的最新进展（例如，涉及的问题是什么？已经做了什么？将要做什么？），并在论文中给出自己的观点（为了完成一项好的工作，你可能需要阅读远不止六篇论文）。我们鼓励阅读使用前沿模型解决问题的论文。

增量学习 迁移学习 自监督学习 半监督学习 强化学习 集成学习 神经符号学习

注意：只能选择上面列出的一个主题。

作业2： ddl 05.09

概您的工作包括： 1) 阅读任务描述并下载数据集 2) 实现算法并输出预测 3) 撰写报告 4) 提交您的工作

助教的工作是评估您的工作。 以下是一些供您考虑的基准。 注意：独自完成您的工作！

我们使用 Fashion-MNIST 数据集创建了一个弱监督图像分类任务。每幅图像为 28x28 像素，表示为 784 个像素值（范围从 0 到 255）的扁平数组。每个标签都是从 0 到 9 的整数值。在训练集中，保留 20% 的图像标签，而丢弃其余 80% 以作为未标记的训练数据。

我们确保采样的平衡，具体细节如下：

train_image_labeled.csv：带标签的图像总共包含 12,000 个样本，涵盖 10 个类，每个类有 1,200 张图像。

train_label.csv：训练图像标签总共包含 12,000 个。

train_image_unlabeled.csv：经过打乱的未标记图像数据共包含 48,000 个样本，每个类别有 4,800 张未标记图像。您需要在算法中充分利用这些未标记数据。

test_image.csv：测试数据共包含 10,000 张测试图像。

计算理论导引

周三7-8节 仙2-122

课程简介 · Introduction to Models of Computation

3个topic：递归函数，xxx，图灵machine，三个作业一次10%，期末70%，不会点名，不要怕考试
所有题解，期末题都有

自然辩证法概论

1-8周，周五5-6节 仙2-122

基本不点名，如果人来的太少了可能会点名；

目前说的是期末开卷，他说回去再和其他老师商量看咋弄