台大資工大二下 修課心得

前言#

新定律：每個學期都會覺得自己這個學期一定最忙，但下個學期就會比上學期更爆炸

修課目錄#

---

• 系訂必修
  • 💻 作業系統
  • 💻 機率
  • 💻 人工智慧導論
  • 💻 專題研究
• 系訂選修
  • 💻 數值方法
  • 💻 人工智慧
• 全校性通識
  • 🧪 跨領域統計與數據分析入門
  • 💻 數位素養導航
  • 💰 理想職涯與財富規劃
• 體育
  • 🥋 跆拳道初級
• 助教
  • ➗ 微積分3
  • 💻 資料結構與演算法

課表#

---

系訂必修#

---

作業系統#

中規中矩的系統課，我自己是蠻喜歡這門課，感覺我學到很多東西，內容基本上就是把 SP 更能夠串起來，有很多底層相關的知識，這學期我讀得特別認真，以下附上筆記

OS.note [NOTE]

OS

Operating System

作業系統 林忠緯 教授

> open_note

內容包括各種系統知識包括 Scheduler, Memory Management, File System, I/O, Virtual Memory, Process, Thread, Synchronization 等等（沒教 deadlock 很詭異），忠緯上課就是可以把很複雜的東西講的很簡單，很愛他，但這門課很特別的地方是兩班的 COOL 是共用的，所以可以同時看到施吉昇的 PPT，也可以看到他的錄影，想上哪一班可以自己決定

 關於 老師

其實我本來應該是巫芳璟班，但因為我一看那個 PPT 完全就是忠緯風 PPT，所以我就去網路上狂翻忠緯的上課錄影 ↗，所以我其實一堂課也沒去過，認真一堂課也沒去過，連第一堂課都沒有，所以我無法對巫芳璟的教學給出任何評價，但這樣上課有一個小小的壞處是每年的教材都有一點小小的更動，比如說因為近年來都是施吉昇主導考試，所以會考一些實作細節的東西，比如說實際去計算 CFS 的排程，這個在忠緯的課裡面沒有強調，所以要特別注意

 關於 小趣事

施吉昇是我的導師（很愛他，每次都有導生宴），因為今年是我負責導生宴我一直想寫信給他，但他本來一直不回我，害我直接衝到期中考跟他要導生宴名單。很開心是導生宴有被老師誇考很好

這門課分數算法是

• Midterm 28%
• Final Exam 28%
• MPs 44%

MP 是 machine problem 的意思，一共有四個 MP，MP 的部分是用 xv6 作業系統，基本上就是把一個簡單的作業系統給你，然後你要去實作一些功能，file system, slab 之類的東西，xv6 是一個 MIT 的幾個教授為了他們的 OS 課寫的一個簡化版作業系統，他們甚至為此寫了一個教學 ↗，四次作業都不難，基本上 100~200 行就結束了，但 spec 真的完全 AI 寫的，一堆無意義的 emoji，我真的看不懂

最後還有一個 bonus 作業，是要在 NTU COOL 上回答同學的問題，聽說之前是有回答就加一個等地，我回答了好多好多，但不知道是不是因為本來就 A+，我拿 0 分，很過分。兩次考試的話，我覺得都比去年的考古題難了不少，兩次考試都在綜合大講堂考試，內容就是先出一堆定義題，然後出一堆解釋題，然後出一堆計算題，兩次都是這樣，我自己兩次都考得還不錯（我覺得我的筆記很有用），我自己兩次考試一次 95+, 一次 85+，作業全拿，這樣是 A+

總之，上完這門課，你可以更了解你平常在寫 code 裡面寫的那些 function 到底在底層是怎麼運作的，為啥某些方法寫完明明數學上不會有複雜度差別，但實際寫下來就是會複雜度爆炸。

 關於 期末考

1. 期末考的時候非常誇張，綜合大講堂開考五分鐘直接停電，超級爆炸熱又爆炸暗，根本沒辦法考試，而且我後面還要監考 DSA，所以我最後一大題的 CFS 根本隨便亂填幾個數字就直接出來了，根本待不下去
2. 期末考之前我撇了一下旁邊的人在做啥，然後我看到旁邊的人在看手機，我細看了一下發現他居然是在看我的筆記，然後我根本不認識那個人？？？？？

機率#

史詩級的課程，第一次先放了一個假，第二次開始上課講了兩個多小時的下課，然後下課，後面每堂課都不知所云，甚至勸學生不要來上課，我所有考試都是自己讀的，完全不知道老師的作用是什麼，評分方式是

• Assignments 25%
• Quiz 10%
• Midterm 20%
• Final 35%

先切出班上前 10% 的人 A+，然後有兩個加分機會，第一個是一份加分作業，加分作業是用機率的藝術去呈現一份作業，基本上就是計圖，然後掰一些 Distribution 硬塞進你的作品裡面，我看幾乎所有人都是用 LLM 寫的，畢竟是加分作業，我也是純用 LLM 寫的，滿分五分我拿到 4 分，第二個是老師的上課課堂加分，這也分兩種，第一種是拿考卷加分，第二種是上課回答問題，我只有去拿考卷，這部分我拿到 3 分

三次考試除了第一次小考之外都不簡單，都是助教出題，可能只有一題是簡單題，剩下都很難，大概就是考機率的各種應用或是定理證明，這個考卷難度在老師很會教的情況下我覺得非常棒，但問題是這個老師完全不知道怎麼教書的，真的完全問號，但助教人很好，尤其是其中的女助教學姊，他會一直提醒大家考試不要緊張，還有加分作業可以補救，還會提醒大家考試比較難要挑題寫，完全愛他而且他出的考試題都比較簡單

老師上課是用 Probability and Statistical Inference, 9/e, Robert V Hogg Elliot A Tanis Dale L Zimmerman，這本課本寫的也不是很好，一堆符號都混成一坨，不知道在寫啥，總之想學機率的人請右轉另一班，老師前面 15 周一共上了 Ch1~Ch4，最後一週突然把 Ch5 飆完，然後考試，我真的不懂老師在幹嘛

 關於 考試

考試分數分布大概如此

考試分佈

總之是不簡單，但我這學期運氣特好，我考試完全是讀課本，然後寫習題

人工智慧導論#

一門從傳統 AI 講到 GenAI 的課程，上半學期是陳尚澤老師，上的內容是傳統 AI，基本上就是照搬 UC Berkeley 的 CS188 ↗：

• Introduction and History of AI, Uninformed Search
• Informed Search: A* Algorithm and Heuristic Search
• 3/11 Constraint Satisfaction Problems
• 3/18 Adversarial Search, Games
• 3/25 Markov Decision Process
• 4/1 Reinforcement Learning
• 4/8 Bayesian Network

上半學期我基本都沒去上課都是補 CS188 的影片我覺得原版講的比較清楚，我完全沒有去上課過，根據去現場的同學的說法，是不如回家看影片

下半學期是陳縕儂老師，上的內容是從 ML 的基礎概念到 LLM 的基礎介紹：

• Machine Learning Overview, Linear Models for Supervised Machine Learning
• Nonlinear Models for Supervised Machine Learning (I)
• Nonlinear Models for Supervised Machine Learning (II)
• Neural Networks and Deep Learning (I)
• Neural Networks and Deep Learning (II)
• Unsupervised Learning
• Generative AI: LLMs, Complex Reasoning

這部分我全都是在家看影片或是沒看，無法給評價

這門課的計分方式是

• Assignments 40%
• Midterm Exam 30%
• Final Project 30%

一個學期總共四次 Assignments，每次都是有 Programming 跟

專題研究#

我上學期修完老闆的自動機之後因為他出的題目都很有趣，然後又因為我在上個實驗室覺得有點無聊，所以最後我決定要去，所以最後我就想說去他的實驗室看看，做的題目是關於一種新的 Optimizer 的分析，老師人很好，問他什麼問題他都會回答，然後給的建議都超級棒，但感覺這間 Lab 要真正做出點東西的時間週期還挺長的，總之我覺得待在這裡我學到挺多東西的，還跟外國人全英文報告過，算是累積很多奇奇怪怪經驗了。

我這學期做的事情基本上就是做各種 survey，圍繞著一個主題，想到啥就 survey 啥，最後做出一份超長的 survey document，固定跟老師約時間討論刪減之類的，然後一直算數學一直算數學，算到我這學期的決定就是下學期投入蔡國榮線代導的懷抱

總之希望我可以堅持做下去，本人目前仍然掙扎中（更，本人目前難產

 關於 咪挺

學期初再跟老師咪挺的時候我超級緊張，一開始是因為我跟老師的前三次個咪，全都開口講三句話，老師就開始

1. 冷笑
2. 再講個幾句老師就說他聽不懂
3. 再下去老師開始說這樣不行

然後我真的超級緊張，完全不知道怎麼辦，但後來慢慢發現其實只要先打一份 slide 告訴他你這次做了什麼，老師其實就看懂了，小吐槽是老師的字真的很藝術，我大概需要花 5 分鐘閱讀理解才能看懂老師在寫啥，而且老師很奇怪，一定要拿上面滿滿的字的廢紙再印上我的 slide 然後再寫字，完全超難看懂，以下附上老師的藝術字體

系訂選修#

---

數值方法#

為了我的專題研究，我這學期選了我老闆的課，這門課基本上就是在上很多 Numerical 計算的方法，舉個例子，電腦不可能表示出一個精確的小數，如果每個小數都有一些誤差，相乘起來可能誤差就會大爆炸，這門課就是在學習

1. 如何分析、減小 Numerical Computation Error
2. 如何超快速計算函數的 Approximation
3. 如何加快或更精準地做 Optimization
4. 如何做一些特殊的 Matrix Decomposition
5. 如何超神速做 Matrix Computation

因為老師的本業是在做 ML 的基礎算法、軟體開發，所以這門可課就是他的本業，其實這門科目就像是在學如何在軟體、算法層面做優化，但這門科目說實話是一個在 CS 裡面算非常古老的學科（跟 AI 們比），所以上的東西可能就沒有像 Agent, Diffusion, LLM 那麼炫砲，但我自己是覺得這門課挺有趣的，而且很多東西都能夠應用到現代的 Efficient ML 優化上，比如說 block algorithm ↗ 筆記第三章 BLAS 的其中一個做法，本質上是把矩陣拆開來做相乘，就可以減少 cache miss 或者說 page fault 的次數，來加速整個計算的過程，這些東西在近期有一個叫 flash attention 的東西，就是用這個原理來對 attention layer 做優化，來加速整個 transformer 的計算過程，這些東西雖然老，但我覺得種點是要學會他的 intuition，才能把它套用在你的 research 上。比較可惜的是老師的專精是 ML，所以這門課沒有提到 ODE, PDE, Integration 的 Numerical Method

回歸正題，這門課就是 CJ 老三件套

1. Ranking 算等地
2. 彈性調整各個項目的分數比例
3. 赤裸的公佈分數方法

這學期最後的分數是用

$$0.24 \times \text{Homework} + 0.38 \times \text{Midterm} + 0.38 \times \text{Final}$$

算出來，總共六份作業，每份作業除了 FFT 之外，都是先用 Matlab 實作某個上課教的演算法變體，然後做分析，從硬體、軟體、系統、數學角度分析效能，我覺得都含蠻有趣的，考試的話就是先把自己當人體計算機算一次某個演算法，剩下有一些通靈證明題，最後會有一個應用題，我很喜歡這個應用題，每次都能學到新的東西，這學期的應用就是從 spline 延伸出去的 B-spline，這個東西在 Computer Graphics 裡面有很多應用，最後的期末考題就是讓你證明 B-spline 的各種性質，總之是很有趣的一門課

本來是為了專題選的這門課，但後來覺得還蠻有趣的

 關於 赤裸的公佈分數方法

其實如果你認識某個人的話，這種超級赤裸的公佈分數方法 ↗完全可以讓你推斷出哪個人的全部分數的多少，因為他的遮學號方法是用 Huffman code 的方式來遮的，所以如果你直屬來修的話，會非常慘，因為你們基本上只有一位數不一樣，然後每次遮的都是 b13 的 1，有遮等於沒遮，真的超好笑

題外話是我 ranking 第三很開心

最後一樣附上我這學期的筆記

NM.pdf [PDF]

NM

Numerical Method

數值方法 林智仁 教授

> open_pdf

人工智慧#

基本上是大金 ML 退化版，因為是研究所必修，所以好像內容不是很有規劃，基本上內容是把 Transformer, LLM, Diffusion Model 這些東西講一講，大部分是在講 LLM 系列的知識，老師講課就是普普通通，全場沒有去多少人，畢竟是一門導論性質的課，所以什麼東西都講不深，因為我都沒去上課我無法給出老師上課風格的評價

這門課的計分方法是：

• 作業 50%
• 期末 Project 40%
• 出席 10%

出席 10% 部分是老師兩次演講，一次五分，這次的兩個演講一次是 Line Go 一次是 Kingston，說實話兩次演講我覺得都沒有什麼內容，好像都有點太淺了，本來期待 Kingston 的演講可能會稍微講一點記憶體跟 AI 之間的關聯性，結果就只講了因為 AI 興起所以記憶體需求變高，然後我就覺得真的沒啥收穫

作業的部分，一次實作出一個 RAG system，拿老師的投影片當資料庫，然後想盡各種辦法打榜，第二次作業是用 multiagent system 來實作出一個可以玩狼人殺的系統，最後用他去判斷出每個 character 是好人還是狼人，這兩次作業我覺得都挺有趣的，尤其是第二次作業，因為狼人殺的規則比較複雜，所以在實作的過程中會遇到很多奇奇怪怪的問題，最後也成功地打榜了，算是挺有成就感的，每次作業的評分都是拿大家打榜的分數去算平均標準差，比如說過平均兩個標準差是 80，過平均是 60，這樣去算，另外 20 分是 report

 關於 作業

我這學期差一咪咪可以 4.3，然後就敗在這第二次作業，第二次作業的我 train 出很多版本，然後我選了兩個最高分的，結果那兩個最高分，不知為何最後分數超低（平均附近），總之我那次作業就拿總分 80，我只要那份作業 82 分以上就 A+ 了，然後就 4.3 了，完全殘念

學期末的 project 這次有兩種方式，一種是自己想題目，然後去做，另一種是選 Line Go 給的五個題目去做，Line Go 的題目基本上都跟 AI 優化計程車排程相關，自己選題目的規定是一定要選頂刊頂會的近兩年的論文來做，最後報告的形式是海報展覽，我報告當天在海報前面站了三個小時，講了三個小時，我原本以為大家都只會隨便逛逛，結果每個人都認真來問問題，我跟學長就只能一直報告一直報告，最後真的快虛脫。我自己覺得這樣的體驗還蠻有趣的

 關於 Final Project

我學期初的時候一直很擔心找不到組員，因為我是跟一個大一學弟揪團去修的，那門課又是一個研究所的課程，所以我一在討論區看到有人在找組員我就丟 CV 給他，最後也是成功找到一個做量化的學長，我們組的六個人大概是，一個學長負責 train model (他的本業)，我負責試其他應用方向跟算數學，學弟負責跟我一起算數學，剩下兩個人做海報，最後一個人負責買早餐（他的工作認真只有買早餐，但最後發現是因為他是醫生為了升等來讀博班，好像真的很忙沒空做事），我們選了一篇 LapSum 的論文，總之是一種 Differentiable, 有 Close form 的 Operator，可以用來做 soft ranking，就可以重新設計選股的 loss function，最後我們就用這個 loss function 來 train model，最後做出了一個還不錯的結果

做 Line Go 主題的組我覺得都挺無趣的，但做自己題目的組別我有看到幾組特別有趣的，想試用一個 agent 去做 RL 來模仿 expert agent 的選股行為，最後最出來好像還不錯，總之我還蠻喜歡這個 final project 的形式。

但我真的很後悔選這門課，他害我的卷飛了（這可能是最有機會的一次）

全校性通識#

---

跨領域統計與數據分析入門#

老師教很多統計的相關知識，畢竟是叫做「跨領域」，課程設計肯定要更貼合所有學院的平均，我覺得課程大部分內容有點太簡單，我自己在這門課學最多東西是在我自己做 final project 的時候，老師上課的內容大概就是隔壁農藝系統計學，把數學部分跳過或省略，詳細可以參考課程網，畢竟是跨領域的通識課，所以計分方式有兩種給大家選

1. 通識組：

• Assignment 40%
• Final Project 50%
• Participation 10%

2. 研究組：

• Midterm Score of Final Project 40%
• Final Project 50%
• Participation 10%

通識組是給本來沒有統計基礎的同學，每堂課第三節都有一個關於統計方法的實作，助教會給一個 data，然後要大家完成某種統計的圖表，基本上助教會一步一步帶著做，所以不必擔心不會做；研究組是給有統計基礎的同學，不需要做作業，評分完全是按照 final project 的分數來算，雖然老師說按照自己的能力去選，但其實大部分人都是選通識組（畢竟作業分數比較穩妥）

 關於 final project

我這學期的 final project 比較幸運，我覺得應該是因為我們系上含我有四個人選這門課，然後國榮的微積分 Lecturer TA 剛好也修這門課，他們兩個人我們四個人剛好一組六個人，我們的題目訂的是「消費者分群分析」，簡單來講是用 PCA 做出新特徵，然後把消費者用 K-means 分群，最後用 ANOVA 做出分群的統計顯著性，然後我們當時分工因為覺得 code 分太多人實作有點難合作，所以我負責的就是 PCA, K-means 的 implementation，反正就是瘋狂套 scikit-learn 的 package，然後做出圖表，最後把東西給學長做 ANOVA，最後我們的結果還不錯，老師也給了我們一個不錯的分數，感覺分組組員很重要（好像是廢話）

偷看老師打分數（註：阿姨是某個修課同學，那個阿姨好像是統計學程的學生）

數位素養導航#

每個禮拜請一個講師來講跟數位有關的主題，分成五個大部分，14 位講者都是這五大領域的教授或業界人士，來講跟數位相關的整合，或是在數位時代下產生的新技術，我覺得認真的聽的話還蠻有趣的。這堂課的分數計算是：

• Attendance 40%
• Flash Talk 20%
• Final Report 40%（兩個老師各佔 20%）

Atttendance 部分是每次演講都要簽到簽退，有問一次問題或回答一次問題會加 0.5 次的出席分，也就是說問兩次問題就可以不用來上課一次，Flash Talk 的話則是六個人一組選定五大領域的其中一個做簡短的介紹或發想，然後上台報告兩分鐘，總之是一門蠻輕鬆的通識課

 關於 flash talk

這門課一樣莫名的蒐集到了 4 個資訊系的同學，剩下兩個組員是其中一個同學的高中同學，本來因為我們選的主題有點資工，所以敲定是我們四個一任選一個小主題介紹，最後連在一起，剩下兩位同學美編，結果不知道為什麼他們生出來的東西真的超級醜，就是那種把 doc 上的字完全複製貼上，然後用一個神秘 google slide 色塊拼起來，真的史詩級的難看，最後我真的受不了了，所以晚上開始美編到凌晨三點，小怒

理想職涯與財富規劃#

期初的時候我看到課名就想選，但我沒選上，然後我就寫信給老師加簽，老師就說 ok 上課直接找他，結果當天到博雅 101，完全大爆滿，真的是爆炸滿那種，還好我有先寫信有加簽名額，我排隊排領加簽碼排了 40 分鐘，超誇張

感覺老師就是一直在講故事，一直講自己的故事，老師好像是個蠻厲害的人，總之就是業界很多人都在邀請他去演講，或是他以前的職業生涯經驗，有些東西蠻受用的，老師的評分方法就是 100% 期末 report，內容基本上是你的職業規劃分階段，還有在這些階段應對的投資組合，總之是一門我覺得蠻有趣的通識課。

體育#

---

跆拳道初級#

就是在教跆拳道，我自己是初學者，從來沒有踢過，但我覺得老師人很好，上課的時候會先從很基本的步法開始教，然後慢慢地增加難度，讓我們可以逐漸適應。老師（好像）是很久以前的奧運國手，但因為老師每次上課都戴口罩無法比對人臉，所以我也不確定這件事的真實性。但總之老師看起來非常專業，

上課因為是兩人一組，通常大家會在學期初選完人之後就固定 partner 了，我覺得這個認識人的機會甚至比社團、通識課都還好，因為你們兩個就一組一直踢到學期末。但這學期非常幸運，學期初的時候我在這堂課上遇到我們系上的某個學弟，然後我就跟他一組，又很恰巧的他是練過跆拳道的人，雖然幫他拿踢靶很可怕，但我每次有問題都可以誤他，實名感謝他

算分方法是出席 20%，就是每次上課前點名，期末考 80%，期末考的內容就是老師會在學期末的時候給你一整套十個動作，一個動作差不多做個 5 次，一次十組上場，五組五組踢，老師一個一個打分數，我自己覺得你上課有認真練習的話，期末考應該不會太難，因為老師在上課的時候就會一直強調這些動作的細節，然後你只要在期末考的時候把這些細節做好，應該就可以拿到不錯的分數了。

 關於 點名

學期初好像是因為老師點名太鬆了，有幾個人點完名就直接高歌離席，後來有一次老師好像有特別抓，中間突然又點名一次，就抓到幾個人點了名但偷跑，然後老師就說要死當，只能說體育課我不敢這樣做。

 關於 小插曲

我考期末前一天本來想說早點睡，但因為數位素養導航報告的美編實在太慘不忍睹，所以我熬夜到凌晨三點才睡，結果隔天早上起來的時候完全沒有精神，但不知道為啥，一上場可能因為超級緊張，突然很有精神，然後就表現得還可以

我在踢最後一個動作自由踢擊 10 次的時候，本來已經踢完了，但我左邊那個同學踢到跌倒，然後老師就說

：「誒那個你，他剛剛跌倒了我沒看到你踢，你再踢一次。」

然後我就？？？？？最後就變成我自己一個人個別考試，但還好我踢得不錯

助教#

---

微積分3#

因為是農院、心理系的班群，所以這學期就只有半學期的課，心得總之是跟上半學期差不多，還是愛國榮，國榮還讓我們下學期繼續當他的助教，愛國榮

資料結構與演算法#

因為軒田學長在他的 FB 上有發出了一個 DSA 助教徵人文，於是我就把我的 CV 丟過去了，這次的徵選還要附上一段教學影片，就是選一個資料結構用 5 min 把它講清楚的概念，我記得我選了個 Tree，然後就等等等，然後有一天就收到上了的消息。

這門課詳細是在做什麼可以參考我去年的修課心得 ↗，總之是一門基礎的必修課，在我現在上完一系列的必修課後我覺得他的 loading 算是輕的。

DSA 小助教有分成四個組別，分別是

• 行政組：負責處理掃描考卷、訂餐、借教室、處理學生的各種問題等等
• 手寫組：出手寫作業、批改手寫作業
• 程式組：出程式作業
• 活動組：下半學期 HM 三個大活動辦理（詳見去年的修課心得 ↗）

而大助教還有多出一個系統組，負責處理 DSA Online Judge 的系統維護等等

我被分配到的是手寫組，手寫組的第一個工作就是搶出題的主題，我因為某些原因所以分到的是 RB-tree/B-tree，是第四份作業，這個主題出題就是很麻煩，因為就只有那幾種主題可以出，例如說操作、分析，但為了不抄襲前人題目，我自己想了很久生出了三個我自己的題目，結果最後我生出來的題目好像題意有點寫不清楚先道歉，總之最後我縫縫補補的把題目弄完了，看起來我已經進入大一的助教必殺榜了，真的會哭出來，總之我最後自己出的題目是 RB-tree/B-tree 的 tranformation 跟 operation 對應

 關於 搶主題過程

手寫組的大助教先告訴大家要在除夕當天中午搶主題，先搶先贏，但本人由於記性太差完全忘記這件事，於是我在搶出題當天正在開車前往中壢奶奶家，完全忘記要搶主題這件事，於是我在 12:38 才把表單送出，就被分配到了 RB-tree/B-tree，最後看大家都在 5 分鐘內就填完表單，只有我這麼晚填

手寫組的大家除了要出題目之外每次作業還要分配到改題，自己出的最難的一題自己改，其他分配給別人，改題目最慘的就是發現去年自己真的太愛發奇怪的 regrade request 了，本來改作業 200 多份，一份一份都要仔細看證明就夠累了，好不容易花了 3 天改完之後，除去我自己的眼殘，有一對 regrade request 都是超級詭異的理由，有的是說：「我覺得是對的」，有的說的是：「我知道錯，但給我點分數」，然後我就沒有辦法給他們分，又要一直打 reply，很發瘋，但我覺得可能是因為 LLM 越來越好的關係，大家的答案有一個同質化的跡象，改了好幾份證明全都一模一樣，而且是在一些很詭異的地方一樣

 關於 出作業

我這次出作業對應的是 HM 的教學範圍，所以出的作業要給他驗題，小抱怨是老師驗題超級晚才驗，我們已經出完好幾天了他才開始看，而且還是用 Claude 看，用 Claude 改我的題序，我有好大一部分都是因為 HM 改我的題序才變得不清不楚，但還是我的鍋，他用 Claude 改完之後變得超級長，長到我完全懶得看

助教除了自己組別的本職工作還有一些其他的額外工作，例如：TA hour, 活動關主, 監考，關主跟監考就沒啥好說的，TA hour 的話是兩兩一組去搶時間，我跟我的 partner 搶到禮拜四的第六節，不知道為啥，這個時段好像特別熱門，最後在統計的時候發現我們那個時段好像來問的人最多，我覺得可能是禮拜四第六節大家都莫名沒課，然後我們就一直瘋狂回答問題，總之就是累，跟微積分拿一樣的薪水但做了 2 倍多的工作量

結語#

（待補）