学习经验分享

课内学习 · 概览

目标：围绕课程分类、绩点计算与资源工具，构建高效学习闭环。

• Section 1｜课程分类 基础课、核心课、选修课的侧重点与学习节奏。
• Section 2｜绩点计算 明确 GPA 公式、等级转换与规划思路。
• Section 3｜资源与工具 校内资源、线上平台与协作方式的组合拳。

Section 1 · 课程分类

理清课程谱系，区分基础、核心与选修的不同发力点。

数学基础

• 数学分析：处理极限、微积分与收敛性的底层语法。
• 线性代数：向量空间视角下的矩阵计算与变换。
• 离散数学：图论、逻辑与组合为算法打底。
• 概率论与数理统计：支撑机器学习与排队论分析。
• 数据结构：算法复杂度与抽象数据类型的第一战场。

专业基础

• 数字逻辑电路 · 计算机组成与实践 · 计算机系统结构。
• 操作系统 · 嵌入式系统原理与实践，连接软硬件边界。
• 计算机网络 · 编译原理，支撑分布式与语言体系。
• 数据库系统原理与实践 · 人工智能，面向数据与推理。

专业选修

• AI 与数据智能方向：深度学习系统、AIGC 工程。
• 系统与安全方向：云原生、操作系统专题、网络攻防。
• 产品与交叉方向：人机交互、产品创新、跨学科联合实践。
• 原则：围绕长期目标匹配难度梯度，兼顾兴趣与配套资源。

Section 2 · 绩点计算

从平均绩点公式到等级映射，搭建可量化的成绩分析体系。

平均绩点公式

平均绩点基于所有课程绩点与学分的加权平均：

其中 g_i 表示第 i 门课程的绩点，c_i 表示对应学分。

百分制 → 等级制转换

CREATE OR REPLACE VIEW vw_score_grade AS
SELECT
    student_id,
    score,
    ROUND(PERCENT_RANK() OVER (ORDER BY score DESC) * 100, 2) AS M,
    CASE
        WHEN is_pass = 0 AND is_makeup_pass = 1 THEN 'D'
        WHEN is_pass = 0 AND is_makeup_pass = 0 THEN 'F'
        WHEN PERCENT_RANK() OVER (ORDER BY score DESC) <= 0.15 THEN 'A'
        WHEN PERCENT_RANK() OVER (ORDER BY score DESC) <= 0.30 THEN 'A−'
        WHEN PERCENT_RANK() OVER (ORDER BY score DESC) <= 0.45 THEN 'B⁺'
        WHEN PERCENT_RANK() OVER (ORDER BY score DESC) <= 0.60 THEN 'B'
        WHEN PERCENT_RANK() OVER (ORDER BY score DESC) <= 0.80 THEN 'B−'
        WHEN PERCENT_RANK() OVER (ORDER BY score DESC) <= 0.90 THEN 'C⁺'
        ELSE 'C'
    END AS grade_level
FROM score_table;

基于班级百分位数自动划分等级（PostgreSQL）。

等级成绩 → 绩点映射

CREATE OR REPLACE VIEW vw_score_grade_point AS
WITH grade_min AS (
    SELECT grade_level, MIN(score) AS min_score
    FROM vw_score_grade
    GROUP BY grade_level
)
SELECT
    g.student_id,
    g.score,
    g.M,
    g.grade_level,
    ROUND(
        CASE
            WHEN g.grade_level = 'A⁺' THEN 4.3
            WHEN g.grade_level = 'A'  THEN 4.0
            WHEN g.grade_level = 'A−' THEN 3.7
                + 0.3 * (g.score - gmAminus.min_score) / (gmA.min_score - gmAminus.min_score)
            WHEN g.grade_level = 'B⁺' THEN 3.3
                + 0.4 * (g.score - gmBplus.min_score) / (gmAminus.min_score - gmBplus.min_score)
            WHEN g.grade_level = 'B' THEN 3.0
                + 0.3 * (g.score - gmB.min_score) / (gmBplus.min_score - gmB.min_score)
            WHEN g.grade_level = 'B−' THEN 2.5
                + 0.5 * (g.score - gmBminus.min_score) / (gmB.min_score - gmBminus.min_score)
            WHEN g.grade_level = 'C⁺' THEN 2.0
                + 0.5 * (g.score - gmCplus.min_score) / (gmBminus.min_score - gmCplus.min_score)
            WHEN g.grade_level = 'C' THEN 1.5
                + 0.5 * (g.score - gmC.min_score) / (gmCplus.min_score - gmC.min_score)
            WHEN g.grade_level = 'D' THEN 1.0
            WHEN g.grade_level = 'F' THEN 0.0
        END,
    1) AS grade_point
FROM vw_score_grade g
LEFT JOIN grade_min gmA       ON gmA.grade_level = 'A'
LEFT JOIN grade_min gmAminus  ON gmAminus.grade_level = 'A−'
LEFT JOIN grade_min gmBplus   ON gmBplus.grade_level = 'B⁺'
LEFT JOIN grade_min gmB       ON gmB.grade_level = 'B'
LEFT JOIN grade_min gmBminus  ON gmBminus.grade_level = 'B−'
LEFT JOIN grade_min gmCplus   ON gmCplus.grade_level = 'C⁺'
LEFT JOIN grade_min gmC       ON gmC.grade_level = 'C';

利用各等级的最低分作为基点，使用线性插值细化绩点梯度。

绩点规划策略

• 木桶效应：短板课程要不要倾斜更多复习资源？
• 时间互斥：目标课程在时间上互斥或选课成功率不高时，怎样排列优先级？
• 擅长 vs 想学：兴趣课程与优势课程错位时如何取舍？
• 策略与运气：未来政策难以预测时，如何配置当下策略？
• 过度内卷：高绩点目标与学习的初衷出现冲突时，该如何面对？

Section 3 · 资源与工具

聚合校内资源与数字工具，打造可持续的学习支撑体系。

校内资源

教材、实验指导书、助教答疑与办公时间。

线上平台

B站大学、GitHub、OJ 刷题站。

协作工具

Markdown 笔记、Chat 老师、Git 代码管理、多人小团体。

操作系统

推荐大家尽早接触 Arch Linux 操作系统。

I use Arch btw.

ACM 竞赛 · 概览

目标：串联竞赛定位、俱乐部生态与训练规划，帮队友快速进入状态。

• Section 1｜竞赛简介 理解 ICPC / CCPC 赛制、评分与协作要求。
• Section 2｜俱乐部生态 训练文化、导师制度与知识沉淀方式。
• Section 3｜训练规划 语言、算法基础到进阶专题的递进节奏。

Section 1 · 竞赛简介

走进 ICPC / CCPC 赛制，明确“三人一机”的协作要求。

竞赛简介

• 核心赛事：ICPC、CCPC 等团队程序设计竞赛，重视算法与工程实现。
• 三人一机：队员轮流上机写代码，强调协同配合与题目分工。
• 赛制速览：5 小时内多题并行，惩罚制，关注正确率与提交策略。
• 能力收获：复杂问题建模、编码速度、压力管理与团队协作。

三人一机也可能是孤军奋战

某次比赛中教练对“摸鱼”队员的调侃。

Section 2 · 俱乐部生态

了解俱乐部结构、导师制度与知识共享氛围。

ACM 俱乐部简介

• 组织结构：核心队员 + 训练小组 + 新人营，形成学习共同体。
• 导师制度：互为导师共同学习，教练定期检验训练成果。
• 社群文化：鼓励自建题单、线下复盘与实战交流，保持高频反馈。

LLL 实验室

Deep Learning · Reinforcement Learning · NaiLong Learning

既着眼于传统算法竞赛，也向前沿科研靠拢。

左手抓竞赛，右手抓科研。

Section 3 · 训练规划

制定从入门到赛前冲刺的节奏、复盘与协作策略。

训练规划

语言基础

熟练掌握 C/C++ 基础语法，熟悉 STL 容器的使用。

算法基础

• 基础套路：枚举、模拟、贪心、分治、递归。
• 搜索与结构：DFS、BFS、二分、倍增、栈/队列/链表/哈希结构。
• 排序全家桶：冒泡、选择、插入、快速、归并、堆、基数。
• 图论入门：树/图存储、最短路、最小生成树、拓扑排序。
• 动态规划：背包、最长上升子序列、最大子段和、区间 DP 入门。
• 字符串基础：朴素匹配、字符串哈希、回文判断。
• 数论基础：欧几里得、快速幂、GCD/LCM、质数筛（埃氏/线性）。
• 组合与复杂度：排列组合、模运算、时间空间复杂度分析。

算法进阶

• 数据结构升级：线段树、树状数组、RMQ、可持久化结构、分块、莫队。
• 字符串体系：Trie、AC 自动机、KMP、Z 函数、Manacher、后缀数组、后缀自动机。
• 图论与网络流：Tarjan、Kosaraju、Dinic/ISAP/最小费用流、匈牙利、KM。
• 树形专题：树链剖分、LCA、状态压缩 DP、树形 DP、树上启发式。
• 动态规划优化：区间/数位 DP、斜率优化、单调队列、决策单调性、CDQ 分治。
• 数学与数值：FFT/NTT、矩阵快速幂、中国剩余定理、扩展欧几里得、逆元、概率 DP。
• 计算几何：凸包、旋转卡壳、扫描线、半平面交、最近点对。
• 搜索与博弈：启发式搜索（A*/IDA*）、SG/Nim、模拟退火、随机化算法。

赛前动员 · 奶龙主题训练赛

11月13日晚 18:30 奶龙主题编程训练赛，面向新生。

地点：机房 B129