写在最前面

选上这门课

想必你可能在上科大已经听说过了有关邵子瑜老师概率论SI140课程的高度评价，但是如果你仔细的观察开班所容纳的学生数量，那么你就会发现并不是所有的EECS学生能够在大二上就学习完这门近乎是所有CS专业课基础的前置课程。换而言之，那就是将会有部分的大二学生只能在大二下学习完这门概率论。同时更为关键的是，邵子瑜老师只在fall semester开概率论（spring他开强化学习），而spring就将会是另外一个老师（2025 spring将会是一位法国人老师，Lagorce）。所以说如果你想体验上邵老师的概率论，亦称'邵课'，这并不是一件百分之百可以得到保证的事情。

在我当初选课的时候，邵子瑜老师班报名的人数远超上限，而文鼎柱老师班报名的人只有上限的三分之一左右。如果我报名了邵老师的班级，那么我就会有概率被roll掉，然后将被迫在下一轮去抢文老师的班级名额，然后又有概率抢不上，而抢不上就只能半年后再上概率论。因此当时我采取的策略很纯粹：直接选择文老师的班级，这样一来就不会被roll掉（文老师班级名额没报满），就一定能上概率论了。It worked！我有一位舍友就遇到了我之前所预想的最坏情况，然后只能上春季的概率论。

授课

虽然说我在名义上在文老师的班级上，但是由于文老师没有硬性的签到规则，因此我上课都是在邵老师那边上的。首先，邵老师上课会适当的扩展很多的内容，比如介绍某一个知识点之后，会提及在人工智能、机器学习、深度学习中涉及到这个知识点的一些内容。这是一件很nice的事情，虽然理应我们届时应该是不了解这方面的知识，但是我觉得这种call back很重要。我由于大一光速过过 一遍深度学习，然后那时我在自我补充一些人工智能CS181贝叶斯网络、概率推理的内容，因此上课的时候能够get到部分老师的例子。其实就算是现在没有get到这些call back，到时候上专业课的时候也能感受到这些call back。

其次，邵老师对于知识点的讲解细致入微，而且配合例题的食用模式也很nice。最后，邵老师在课上也会附带对于同学们的人文关怀，比如说解答我们关于专业选择的迷茫、在一些学业宏观话题提供参考意见。总而言之，邵老师的课程上下来十分的舒服，是非常值得以上的。同时，我也要公允地说，文鼎柱老师上课也十分的负责和认真，而且人很好，甚至给所有全勤的学生每人一个旺旺大礼包。根据coursebench和身边同学的反馈来看，文鼎柱老师的概率论课也是很不错的，而且两个班的上课进度、作业、ppt都是高度重合的，不用担心内容差异。（虽然邵老师这一次讲课将markov and statistical inference的授课顺序进行了调换，但是我觉得问题不大）

学习感受

首先。抛开上课内容不谈，首先在写作业的时候，就能感受到latex的痛苦之处。期初我还是先在纸上面写一遍，然后挑一个可以摸鱼的时间把latex给打了。但是到后期，我就有点偷懒了，直接是写在纸上，然后扔给kimi，让它返回latex，我检查一遍即可（主要是有大段公式推导的时候）（希望两位老师看到这句话之后不要骂我QAQ）。作业选出来的题目很有代表性。

其次就是课程的知识点分布和考试了。截止到期中，是前四个ppt上的chapter，主要是离散形式的分布；而期末的考察范围就是连续形式的分布，statistical inference，马尔科夫链，条件概率与期望，蒙特卡洛方法等采样方法（后验拟合先验）。个人认为难度上来说：条件概率与期望 >> 连续形式分布 = 离散形式分布 > statistical inference > Markov Chain（蒙特卡洛不考，这一知识点更多的是编程体验）。至于考试方面，个人觉得，期中考察内容的难度较高，然后如果想在考试中取得较高的成绩，那么就需要有较高的熟练度和一定的阅题量，比如说做往年的题目和试卷，以及课本（BH）上面的例子都需要看。期末考试（我考试那一次）前面四道题的题目都是‘送的’，保证能过个好年，然后后面的五道题难度陡增，需要有较强的对于条件概率和期望和悟性，当然一定的训练量是必要的。

最后是project，我选择的是红包项目。项目经过老师们多年的打磨，已经是相当的成熟了，做就完了！（但是红包手机数据手机真的是太累了www）。

总而言之，这门课还是相当的硬，如果想要取得优异的成绩，需要花相当多的精力与时间。我也在网站中分享了自己的笔记与复习整理，也分享了邵老师的slides-writing version。一言以蔽之：非常好的课！