※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID） （是／否／其他条件）：是 哪一学年度修课： 110-2 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 孔令杰教授 λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相 关) 资管系选修 δ 课程大概内容 很多以前的心得文都有写了，这里直接附上今年syllabus： https://imgur.com/a/DOKBtu3 （好像要下载下来才会看到完整三页）。 Ω 私心推荐指数(以五分计) ★★★★★ 课程内容：★★★★★ 老师助教：★★★★★ 回覆速度快又充满热忱XD 加了Loading进去考虑後的推荐指数：★★★☆（不完全是因为课程内容的缘故，原因下 收） η 上课用书(影印讲义或是指定教科书) 1. Introduction to Management Science: A Modeling and Case Studies Approach with Spread-sheets by Hillier and Hillier. 2. Operations Research: Applications and Algorithms by Winston. 3. 管理科学：作业研究与电脑应用，陈文贤、陈静枝。 μ 上课方式(投影片、团体讨论、老师教学风格) 采用翻转教室，先看完上课预录影片，写好Pre-lecture Problem(s) 後（通常是三题但 只计一题的分数），礼拜一去正课写Lecture Problems（6 ～ 10题）。远距之後正课也 变成线上，老师偶尔会用WebEx随机把大家分成小组讨论Lecture Problems，的确有过讨 论，但通常大家都很害羞or不敢献丑or还在努力解题，所以没人说话。影片和正课都是英 文教学，因为疫情缘故後半学期都封校，所以Final Presentation也是线上进行。 σ 评分方式(给分甜吗？是紮实分？) Pre-lecture: 10% （约莫12次） Assignment: 15% 三次 Case Assignment: 15% 两次 Final Project: 30%。要缴交proposal，presentation slides，written report并要上 台报告（oral presentation）。 Final Exam: 30% ρ 考题型式、作业方式 这篇 #1VJbI_WG(NTUcourse) 写得非常详细！谢谢t大，我就讲一些差异和主观经验。 这篇的Lecture Problem就是我所说的Pre-lecture，我一开始会全写，因为它的难度或观 念理解是渐难，但通常是最後一题要算分，我有时候会从头写下来以检视自己有没有理解 透彻，如果太累了就只写最後一题。 Assignment 的形制没有什麽改变，我通常要花 4 ~ 5小时写，会另外和组员们花1小时讨 论答案和流程，如果有code又要花额外1小时左右写（用Gurobi或heuristic，这学期没有 AMPL），材料（数字、formulation、图表）都集齐时就要用LaTex漂漂亮亮地排版了， 这个步骤通常要花掉10小时来回雕琢（掩面痛哭）。 Case Assignment：2次，我这组是4人一组，CA1和CA2都是做parallel machine scheduling（ 类似job-shop scheduling）CA2更进阶一点要自己写heuristic然後每组比较objective value 并以优化程度评分，还要写benchmarks和数据分析，个人觉得算是很有挑战性的。 Final Project：略。 Final Exam：开书考，老师说「会尽量以简单的方式出题」。题目也的确很明确（ 意思是看了就知道要用什麽步骤、不会拐弯抹角想破头），最後一题比较难我好像被扣了 快一半。 接下来就是讲一下含Loading推荐指数3.5星的部分，我们组感情还不错，但合作经验使我 感到五味杂陈XD。有一位从一开始就问题百出，但竟然最Final Project才发现他不会写 Python，让他负责书面但每次他写完我都需要爆修才能交出去。某次CA在最後3小时还发 现整组数据都出错，书面＋数据真的是修到天昏地暗XDDD。更惨的是忙活到晚 饭也没吃地修好交出去之後，隔天马上要开始看下周影片和写Prelec，整个快要PTSD。没 啦开玩笑还是很喜欢OR，只是这堂课组员要慎选，觉得不行要当机立断地拆夥，如果做不到事先洞察组 员能力或是性格比较心软，就要有随时帮忙处理多余工作的心理准备。 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 加签好像是全签，要事先登记一个Google表单。出席率的话，老师是说正课可来可不来（不算出席，Lecture Problems也不计分），但我每次都会参加 ，因为有人带着写题目了解得更快。Prerequisites除了微积分、线性代数是老师有特别 标明的，另外会用到一些演算法相关概念（图论，DP…），如果修过资演再来修会更上手 。个人觉得喜欢／擅长数学逻辑的人应该会学得超开心（我满喜欢只是我数学实在下手） 。老师人超好，问一堆问题都会给超详尽的回答。感觉很多外系生来修，管院、经济系甚 至数学系都有。我个人也是外系生。 Ψ 总结 就如老师常常自嘲的「你们之後八成也不会用到OR」，我之後应该真的不会用到OR去做什 麽排班管理，但这堂课的核心主题：最佳化问题、Gradient Descent、Lagrange Multipliers我以前对它们的数学一知半解，现在能重新认识一次感觉很好。修完的感受是 「非常充实，某些能力好像变强了」。 放一下分数和等第。 Pre-lecture Problems: 9.x/10 Assignment: 第一份7x，後两份近满分 Case Assignment: 两次平均约86 Final Exam: 91.5/105 Final Project: 90.xx Final Letter Grade: 堪堪擦边的A+ Final Grade分布：A+: 22, A: 25, A-: 21, B+: 4, B: 6, B-: 3, C+: 2, C: 0, C-: 2, F: 1 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.109.16.164 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1656251338.A.45E.html 一部分是团队合作的问题，另一部分可能是我的能力不足啦，虽然loading很重但这堂课还是我这学期最爱的课！ ※ 编辑: ebipie (42.73.40.78 台湾), 06/27/2022 09:33:38