前言
选课季刚过，海洋系的张传伦教授很高兴地通知我们，今年选择EOE100（地球科学概论）的人数远远超过两百人。时光飞逝，无忧无虑的大一生活已经远去，自己的生活与事业发生了很大变化。和张老在课堂上的讨论，午餐会的畅谈，OfficeHour的请教，偶遇时的闲聊，历历在目，感慨万千。想来也不知道当时评教的闲笔有无作用，便正好转载于此，以飨来客，怀念往日张老带我们探幽入微，纵览地球自然风光奥妙之豪迈。
我在大一学年创作过三篇长课评，包括地球科学概论，宏观经济学，机器学习与大数据分析导论。熟悉我的人在那篇金野鸡奖投稿文中可能已有耳闻。转载我的账号Miller|牛蛙评教网上的内容于此，也有立此存照之意。原评论无大幅/事实删改，补充了分段小标题，以及在前加上了一句我的按语，希望有时光错位，相映成趣之感。
EOE100 地球科学概论 大一上（2023年秋季）
按：南科大是常为新的，许以开拓者丰富的奖励。
Huajie’s Review|2023-12-26|NCES - 地球科学概论（张传伦） (cra.moe)
给十分有很大的私心，主要是张教授对我太好：)
课程情况（建议里会细说）
-
内容十分丰富，难度不大，主要是英文单词挺多，然后跨度很大。张教授每次上课会让大家读单词。
-
张老属于资源型，上课时不时拉着他的学生给我们做介绍（研究方向、课题组情况）我记得分别介绍过红树林检测、物理海洋、气候检测、珊瑚礁微生物季节演替，还有海洋系的iGEM比赛。
-
张老师研究古菌，去给他的一个科普会捧场送了本古菌的书。
作业
-
平时无作业，有四次qiuz，都比较简单，重在记单词。
-
这学期week14有一个大作业assignment，写关于流浪地球2里的地球科学问题，要求1500字左右？中英皆可。本人写的如果月球没了地球的潮汐会怎么变化，颇粗制滥造，有点对不起张老师栽培 : (
活动
-
几乎每周四中午都会有午餐会，张老师分别会让我们尝试自己写自我介绍、CV，他提一些意见，然后讲他在学术会议上（COP28，还有些别的）的见闻。
-
介绍他的学生给我们做分享，比如升学经历或者保研答辩面试ppt。期末会和我们讨论大作业的写作。
-
课程相关的：（都可以自己报名）看流浪地球2、大鹏湾观光（炫海鲜、看滩涂和红树林），有多次观光机会，不怕错过。还有徒步登山活动我没去成。不得不说人少三系活动真的多，又好吃/美味.
和其他课程的关系：（胡扯的随便看看）
-
人少钱多三系先修课？
-
海洋TPL箐英班要求选的课？
-
统计和海洋联培需要，
海洋系的一些项目找人打工（不是）
缺点
-
同书院的女生说完全听不懂张老师的英文。我还好，但是前面的单词没怎么复习，课上有时候接不上话
-
张老师讲课热情很足，但是需要互动，不然听课效率超级低
-
内容太多，课上cover不了所有内容（张老师答应不会考太难，希望QAQ）
-
很多ppt里的视频没时间放QAQ
-
培养方案问题，很多还在更改，担心进其他系卡课程问题的建议观望或直接问系秘
我的建议
-
有基础特别是学术英语基础的人上这门课收获应该会很大，完整展示了地球科学的大图景和前沿动态，而且张老师会拉很多学长教授来帮着讲他们的领域。
-
想去海洋系走向全球必冲，会将一些专业英语的细节，张老师人巨好，和我聊选择专业和人生发展，邀请我去打iGEM（太菜了不敢接，感谢九霖学长介绍）。在办公室，他会亲自指导学生写作的细节。
-
想水课，几乎随便水，比我舍友选的的生科好太多 -
前面的qiuz，三次都是地球构造为主的，好好背地震带问题不大。海洋构造要稍微注意，这个满陌生的。
-
非常综合，但不必要花太多时间在搭建漂亮知识体系上。建议画几个图了解重要概念即可
-
不少统计系的学长也选了，可以和他们了解一下统计系的情况
-
全英班肯定报不满，但也不适合人太多来选，张教授说希望控制在10人就好，本学期9人全勤没落下一次课。大家衡量自身情况决定
总结：张教授是资源型教授，但也能感受到教学的热情。只要你想学好，本课程课程压力不大，能好好拓展知识体系，还能见到很多新领域，第一手得知出去玩和吃的机会，还有和张教授交朋友，是个很好的和张老师拉来的人networking机会。ppt内容非常丰富下来可以看看，大作业和期末好好写就行。希望大家勇于参与课堂讨论，不要让场子冷掉QAQ。
MIS110 机器学习与大数据分析导论 大一下（2024年春季）
按：当你不知道怎么回事的时候，就去做。实践这类活动的特点是，往往不是实现预想的目的，而是发现新的情况。
Huajie’s Review|2024-05-28|NCES - 机器学习和大数据分析导论（SANDRO CLAUDIO LERA） (cra.moe)
大一春季选的课。结合了评教时给的评语，介绍一下这门课。总之这是为数不多能让我一直认真听课，记笔记而且积极参与的课程。教授对这些主题的热忱和游刃有余让人印象深刻，体会到了从事自己喜欢的事业会有多么闪闪发光。你可以理解为我很菜，但是上这门课每次都会有惊喜。
课程质量
全英文，Sandro教授发音标准，语速适中，是非常好的听力材料。无先修课，但是适合对线性代数和概率论至少有了解的人来上。有python基础的话自己做pre会好很多。
课程主题广泛，内容详实，而且相关的知识难度大，数学内容很多，而且前沿，都是5-6年以内的论文和工作。教授很好地把握了机器学习和数据处理的核心问题即通过bootstrap, regularization等方法防止overfitting。PPT非常精美，图文并茂，必要时会附上大段详细的文字讨论，或者数学推导，让大家自己消化。slides每周更新，以包含教授的选题、同学们的意见、建议和讨论，最终大约350-370页slides，都相当于一本新书了。非常多的资源链接和论文快照都在slides中给出。
最后给我们科普了一些网络科学和复杂性理论的基础知识和与Machine Learning的结合，以及他PhD和同事的工作，可以说在教学上毫无保留、全力以赴、趣味盎然。
在Presentation中教授给了很多重要的实操建议，比如首先可视化，使用pipeline避免data leaking，通过errorbar展示结果，理解处理流程和结果的含义。“任何人一行代码或者一句提示词就能训练模型，但是你要知道自己在做什么”。做了三次pre，期中后开始忙了就没有做pre了。
对任课教师的意见
由于大部分同学参与度并不是非常高，所以教授在上课得到的正反馈很少。建议加大对课堂参与、发言、presentation的记录和加分。不过是pf课，倒也无所谓，我自己学到东西就行。
给分
签到+pre+上课表现，比例忘了。做一次pre+全勤肯定能pass，pre越往后越难，建议先pre，做最简单的可视化加尼福尼亚房价就行。
教学管理工作：最后一周进行了课程调整，week15上完最后两节课，week16没有课了。这个调整原因不清楚，但是还不错，给了大家期末复习时间。不过我真的希望还能选教授的课。
FIN204 宏观经济学 大一下（2024年春季）
按：经济学眼里，人种国别只是一个Feature，而理论假设往往直接决定推理结果。所以当有人吹嘘何种特色经济学怎么样的时候，搞清楚前提和假设，实然和应然。如果你不讲逻辑，Portfolio也不和你讲道理；如果你没有portfolio，你空谈什么？你为你的判断做决定吗？你为你的决定负责吗？
Huajie’s Review|2024-05-27|NCES - 宏观经济学（孙便霞） (cra.moe)
经济学启蒙
大一春季学期心血来潮上的，我愿称之为经济学启蒙之课，总算懂了什么是通胀、加息、货币政策、财政政策等，会自己去中美央行网站找政策文件；当然更主要的知识点还是假设、模型和图像曲线推演。
课程要求
一般不点名，一学期3,4次对着名单点名；但是会有小测，每章一次代替点名，中途在大家的强烈要求下如果小测正确率高有bonus（截止week15周一还没有具体出来细则）。
教师风格
孙妈每堂课会复习，问问题不会为难人，对人超好，半期考试虽然我摆烂了但是难度不高（题库里抽题，所以不会公开）；；
小组作业和建议
week15周一和周三(就是我写评论的这天，周一)做宏观Pre，10-12分钟，孙老师会问问题。我们组四个人，我主讲，题目是利率体系以及货币政策对比，小组的各位前辈很给力，分工明确，图表排版用词都很专业。
孙老对我们组评价颇高，问问题时为数不多地专注于我们的内容和逻辑缺陷（有一段货币银行学的内容我没怎么搞懂，结果孙老就察觉并把我问倒了，还好有学姐救场；以及图表划线略有问题）。
PPT别大段文字和伤眼配色，别棒读或者为了参与感强求多人轮换上台讲，别忘了加上每个slide的页码（孙老问问题会用）。
至于我对GPA无感，只要学到了framework就行，所以关于学习方法之类的就谈的不多了。如果作业不会做，先参考参考答案的framework，然后默写几遍就好了。
English Corner (ChatGPT)
在和AI交流进行写作的时候，我也在不断学习。顺带一提，这个英语角很受张老的启发。把英语融入你的workflow吧！
Learn by doing(writing), with the help of AI.
Academic Vocabulary Related to Courses
When discussing different subjects, it’s helpful to use precise English terminology. Here are some key terms:
- Earth Science (地球科学): The field of study focusing on the physical constitution of the Earth and its atmosphere.
- Macroeconomics (宏观经济学): A branch of economics dealing with the performance, structure, behavior, and decision-making of an economy as a whole.
- Machine Learning (机器学习): A subset of artificial intelligence that involves training algorithms on data to make predictions or decisions.
- Data Analytics (数据分析): The science of analyzing raw data to make conclusions about information.
Useful Expressions for Academic Discussions
Here are some common phrases that can elevate your communication in an academic setting:
- “Interdisciplinary approach”: A method that integrates concepts and methods from different disciplines to solve complex problems.
- “Empirical analysis”: Analysis based on observed and measured phenomena, deriving knowledge from actual experience rather than theory.
- “Curriculum structure”: The design and organization of the content and methods of instruction in a course or educational program.
- “Learning outcome”: The specific skills or knowledge students are expected to gain from a course or program.
Describing Teaching Styles and Course Experiences
If you’re reviewing a course or providing feedback on a professor, consider these expressions:
- “Engaging teaching style”: A teaching method that actively involves students in the learning process, often through discussion, debate, or hands-on activities.
- “Facilitates active participation”: Describes a professor who encourages students to engage, ask questions, and participate in discussions.
- “Resourceful professor”: Refers to a professor who provides ample learning materials, opportunities, and support to their students.