# 研一Winter


第二学期三门课是：
* Mathematical Computation IIA: Convex Optimization
* Monte Carlo Simulation
* Learning, Decisions, and Limits

# Mathematical Computation IIA: Convex Optimization
计算数学轨必选，从凸集等概念一步步讲到对偶，不过算法部分讲的有点少，基本只讲了个障碍方法，本来想听听单纯形之类的似乎都没有，期末考基本就是把算法实现了一下，难度不大。

但感觉老师教学准备工作有点不够，课件比较混乱不说，作业题偶尔还有问题，甚至期中考还整了个错题。

# Monte Carlo Simulation
和上学期Inverse Problems 是同一个教授，还是熟悉的讲课方式，课本结构和课堂讲解都非常清晰。

主要讲的内容除了本科学过的Metropolis，Gibbs采样，还讲了退火，Hamiltonian MC，Langevin MC等方法，具体介绍了相关的理论推导。

唯一的缺点是作业有点多，每周都有一个作业，基本都要写很多代码，但都比较零散，没有和上学期一样有个Project可以整合起来。最后一个project时间也不太够用，只能随便写一点复现参考文献内容的东西，不过好在给分还不错。

# Learning, Decisions, and Limits
本来希望能当作在线学习和强化学习的入门课程，但感觉学的不太成功。

许海峰老师上的内容很不错，讲了点简单的不等式和UCB之类的东西，前两周学的自我感觉良好。

突然换了个老师就开始跟不上了，什么线性老虎机和上下文老虎机的都没听懂，直到MDP和动态规划那块和oi有一点点相似了才缓过来点。

最后几周又换回许海峰，就又听得懂了。值得吐槽的一点是许海峰的课基本都有非常详细的ppt，Frederic的就只有上课手写笔记，有点看不懂，给的参考文献也有点太多了懒得看（逃

学完这么久印象最深的就只剩下上课留的思考题了：一方禁石头的石头剪刀布的纳什均衡是什么。（据说面试可能会用来考博弈直觉）