Y4 cources and experience

大四上的CST依然是比较痛苦的，因为大部分同学会在这个学期考语言或者准备申请。而且还有好多课是有难度的。所以依然不能松懈

Semester 1：

1. CAN303 Analogue and Digital Conmunications II

这门课只有2.5学分，但我认为是最难的，很多身边的一些‘尖子生’在期末周准备放弃这门课然后提高其他更高学分的课来弥补（不建议）。这门课依然是由刘烨老师教的，一贯的教学风格。不得不说刘烨虽然上课有点无聊，但是做PPT的水平是非常高的，只有去上了他的课才能懂PPT里面的逻辑，里面的一些计算过程也会被老师删掉（主打精简）。

• **组成：**Assignment(30%)和期末考试(70%)

• **Assignment：依旧刘烨特色，作业中的所需的数据与个人学号相关。**作业需要用Matlab填写老师提供的代码画一些信号图（一共五道题）。内容涉及码间干扰（ISI），滚降系数（roll-off factor），眼图（eye diagram）等等。因为最后期末考试较难，所以这部分老师给分很高（均分78），虽然作业有点难度，但是工作量并不算太大。而且report格式也没太多要求，按照之前老师给的模板就可以了。这几道题基本上都是上课讲的知识的细化，后面两道题会有一定的区分度。

• Final exam： 期末考试对每一个人都是折磨，我当时并没有上太多老师的课，最后reading week才开始复习（yu xi），方法就是一页一页PPT过，不会就去问GPT，我印象里面前三四节课的内容是比较难的（也是期末考试的第一道题）要推导很多公式，但是如果理解一些里面的公式的含义对后面（大四下）的学习帮助还是很大的。当时我是大概一天一个课件，感觉学习的是比较充实的，后面入门之后大概就一天两三个了，所以总共大概一周左右才会复习完。

（建议复习的时候拉一个ICS的一起，因为里面有一些知识点例如贝叶斯，似然函数等等，他们是从机器学习的角度学习的，咱们是从信号处理的角度学习的，两个结合一下会更深入的理解）

2. EEE339 Digital System Design with HDL

依旧是我们的老朋友许铭老师教，因为前面许铭老师讲的课都比较简单，所以我还是很喜欢这个老师的，每次下课都会去问问题，或者听他讲故事。虽然许铭从19级就开始讲他跟剑桥的爱恨情仇了，但是现在还是听不腻呢。老师也对我们很好，对FYP很是负责（虽然我没选他），每一个人都会安排一个他之前的学生来一对一辅导，而且每次交报告或者答辩之前，老师都会叫你去提前看一下。

跟之前不同的是，这门课跟许铭之前讲的课难度还是略微有一些大的（也可能是因为我没太用心），其实这门课是之前学过一些课的结合（Arm汇编，HDL等等），比较考验对之前学习成果的掌握程度。

• **组成：**Assignment I, Assignment II（一共占30%）和期末考试（70%）

• Assignment I: 老师好像是有两个或者三个版本，每年轮流着换，所以21届应该跟我们的不是一样的。我们的第一个作业是用开发板（DE1）涉及一个clock，里面包含计时器，时钟，秒表等功能最后还要我们自己设计一个功能，我们大部分都只设计了一个小功能（我写的是倒计时），这种只有5分（这部分有15分），所以还要结合一些其他功能，例如跑马灯之类的，一个小功能部分就五分，我们的TA没告诉我们这些，所以我们都是最后才知道的，但是已经晚了。剩下的三个部分，代码严谨性是依次递增的，必须要想到所有的可能出的问题，代码才会实现（if嵌套的逻辑非常重要）。也有verilog大佬会用‘task’或者‘function’方法实现这些功能，这个就比较考验代码功底了。

• Assignemnt II: 设计一个MIPS处理器，前面几部分是机器码和汇编语言的一些转化，帮助更深入了解代码的。后面是设计一个32 bits的single cycle processor（你们也有可能是multi-cycle），后面还要转成更小的带宽（取决于学生证号）。总体框架老师是写好的，我们只需要填一下空，完成这个作业需要对课上老师讲的内容非常了解，融会贯通才会更简单。

• Final exam: Final大多是是手搓代码，但是基本上不会太长，而且题型跟往年的考试题基本上一样，复习多做几遍应该没啥问题（虽然我期末崩了），第一部分会有判断题，在往年的题里面会被老师挡掉，一般是比较细化的知识点，复习的时候要注意。三个小时的考试依旧很漫长，其实我感觉把期末考试改成大作业会更好一点。

3. INT301 Bio-Computation

这个学长们已经写过了，我就写一下我自己的感觉。这门课是CST必修的，主打一个机器学习，知识点跟后面会讲的INT303会有一些重合，建议复习的时候两个一起复习会好一点。杨锐老师是我听过讲课最舒服的老师，上课条理性和逻辑性是非常高的，只要跟着老师走，就会感觉知识点从四面八方流进了脑子里。PPT也做的很好（虽然有朋友说是斯坦福的同款课件，但是不管怎样，老师能把这个课件演绎的非常好）。而且下课去问老师问题基本上都会有更深刻的理解。课程由两个In-class quiz和期末考试组成，总体上下来给我的感觉就像高中时候学生物和MEC208非常像，都是小知识点很多，有的需要背一下。

这门课还有lab课，但是期末不怎么考代码，所以我基本上都没去（不建议）。课上老师会给一些Matlab的代码来帮助你理解课上的一些机器学习的模型，帮助理解。

In-class Quiz: 两个quiz都是选择题，我们这届是八分钟十道题，非常匆忙，非常急促。虽然都是课上讲的，但是有好多小知识点容易忽略，最后老师说大家分数都蛮高的（除了我）。

Final exam：Final是半开卷，老师会让我们带一张A4纸的小炒，必须手写，不能打印（不知道能不能用IPad之类的，因为我们进考场的时候没查）。写的时候我们都是微雕大师，把十四周的课全都写上去。老师出的题也很有意思，第一题是开放性试题，只要说的有理就会给分，而且不需要太专业的知识要求。总体来说，题不是很难，但是考两个小时是比较紧张的，我当时好像最后一题有一两问没写完，所以要注意时间管理。

INT303 Big Data Analytics

大数据和301一起被称为机器学习三部曲（还有一门我们不学）里面会讲一些爬虫技巧和机器学习的一般方法，整体期中后面的课会难一些。但是光看课件+知乎应该是可以看懂的。里面一些的算法（例如SVM）咱们并没有讲的很难，如果想学深一点的话（大四下如果选计算机视觉的话也会学到），可以去b站看相关视频。课程由两个作业和final exam组成，期中周和最后一周老师会总结一个知识点总结给你，帮助你复习。

Assignment：第一个作业是用爬虫爬取老师给的一个网站的数据，每年都不一样，但是总体思路差不多。爬取到之后会考察你处理数据的能力以及分析数据的能力，作业本身较开放，每个同学可以有不同的分析角度。第二个作业是用老师在kaggle网站上面上传的数据进行一些分析，通过机器学习，训练，最后对一些事物进行预测。最后还会写一个一页的report，类似于一些conference，结构比较学术，而且老师也会给我们一些论文参考。

Final exam：考试的内容每年基本上是不变的，复习的时候要根据前一年的考试卷复习。但是如果两年的知识内容差很多的话就要看老师心情了，我们这次考试砍了两个知识点，多了一个新的，所以还是有一点小变化的，总体说变化不大。