在苏黎世联邦理工学院 (ETH Zurich) 就读是怎样一番体验？ 第1页

前情提要

ETHz的出分模式比较奇怪，和department相关。老师们早早把成绩都登上了系统，但INFK department一直压着没出分。结果前几天突然一起出了四门课的成绩，还好都考得不错。本该在出完分就写学期总结，结果因为开学了事情多所以拖到了周末。说来也巧，本来因为课程补天压力大所以都没时间写总结了，结果今晚经过斟酌决定还是不考一门需要大幅度补天的课，突然就空了下来。刚好已经晚上11点了，打开知乎码一下这个学期的总结。

启程 -> 开学

从国内离开的航班是21年的9月6日早上8点。说是6日，其实9月5日晚上就不得不住在了浦东机场附近（当时整个如家都塞满了留学生）。所以，5日中午我就不得不离开刚做完手术还没能出院的女朋友，一个人带着行李从家里离开。因为当天是工作日，并没有能和爸妈告别。或许在我心里，这和曾经多次一个人去杭州求学没有什么不同。

曾经觉得去苏黎世求学的旅途会是我21年的人生中第一次一个人坐跨国航班，压力还挺大。好在我的两个室友和我一起买了同一架航班，成功把一个人去陌生国家的初体验拖到了12月去爱丁堡见女朋友。因为有善良的学长来机场接我们，所以非常顺利地到了我们住的地方——离学校步行10分钟的妥妥富人区——当然月租也是我听过的里面最高的。

刚来瑞士的时候，虽然会做饭，但实践次数属实不多。好在我的室友能人辈出，在调料大师的言传身教和半年的亲身实践之下，我们的厨艺都大为长进了，现在轻轻松松就能一个人整出两菜一汤（蒸锅和烤箱使我快乐hiahiahia）。

苏黎世除了房租贵，买菜也挺贵的。当然要是选择在外面吃，哪怕只是吃食堂，吃饭就会一跃成为最大的支出。平常家里吃惯了的室友在食堂随心所欲地拿菜，结果吃到了17瑞郎（折合120人民币）。为了买到更便宜的肉，我们选择每周坐50分钟的火车去德国买菜。

开学

本以为开学后的美食会少很多，但一翻相册发现几乎全是各种美食照片，以至于后来我们的番茄牛腩和炸小串根本没人再拍照了。我们也该聊聊学业了。

虽然从大一就开始接触算法，从此再也没走出过算法的领域，甚至从大三开始专门在计院科研，但在ETH，我才第一次变成了CS的学生。巧合的是，开学当天是我的21周岁生日。

ETHz的上课方式和我之前所有接触过的学校都很不一样。

在国内的时候，大多数课都是按照教授上课的时长记学分的。除了部分特别负责认真的助教外，整个学期通常都只会有2-3节习题课，甚至有的课助教只会给大家答疑。课程的每周作业也通常布置的比较草率，通常都是直接指定做课本习题册的某几道题。另外，国内通常都会使用标准出版的教材。

在ETHz，所有的课都会涵盖三类不同的学分，这也导致每门课的学分都高的离谱，8分10分比比皆是。除了教授上课的学分外，还有每周习题课的学分和practical work的学分。practical work包括每周的作业和课程project等等。每周的作业通常都是为了辅助学生理解授课内容甚至拓展相关知识的广度而设置的。举个例子，在支持向量机的习题中，我们就被要求证明在特殊条件下，一个hard-margin支持向量机等价于最近邻分类。而这是在我了解支持向量机的四年内都从未听说过的。同时，课程project的重要性也被大幅度提高了。例如，在PAI课上，我们被要求以定期的方式在一学期内完成4个project，分别涵盖了不同的知识点的实际应用。其他课也类似，会给定问题让大家去寻求更好的方案。而在国内上课的时候，课程project通常只不过是自己选定一个和课程沾点边的topic做点小玩意跑点模型做个ppt汇报罢了。如果两个组碰巧选到了一样的话题，那反而可能因为被比较而成为一个减分点，因此大家都会尽可能选择和其他人不一样的project来做。

下面详细介绍下我上的课吧。repo链接是Github的应该不需要科学上网，但其余链接基本是wiki，都需要科学上网。

Randomized Algorithm & Probabilistic Methods

repo: GitHub - AlgebraLoveme/RandAlg-formula-sheet: Collection of theorems of Randomized Algorithm & Probabilistic Methods

类别：Theoretical CS —— core

值得吹爆的课，可惜考的分数不好。这门课主要教如何证明某个随机变量的concentration。具体来说，大数定律告诉我们，对于绝大多数的变量，它的独立同分布平均会趋近于它的均值。而对于一般的依赖于某个数n（例如图的节点个数）的变量，它是否会趋近于自身的均值是未知的。RandAlg通过一系列泛用性很强的不等式和定理，扩充了我们证明这些性质的工具。

这门课最美丽的地方在于probablistic method。具体来说，它是通过随机性来证明存在性的一种方法。举个例子，假设我们要证明存在满足某个性质的图。那么我们只要指定一个图的分布（例如令任意两个节点之间以概率p存在边），并说明在这样的分布下，生成的图满足该性质的概率大于0，就证明了这个用确定性方法比较难证明的结论。

作为我的第一门theoretical CS的课，10学分的RandAlg充分地让我领悟到theoretical CS并不像pure math一样难以接近。反之，它需要的不是晦涩的分析，而是将证明工具充分利用。另外，它也让我体悟到即便同样只需要纸笔，CS关注的始终是工具性，尽管工具本身可能会很复杂。

Advanced Machine Learning

repo: GitHub - AlgebraLoveme/AML-cheatsheet: Summary of Advanced Machine Learning

类别：Machine Intelligence —— core

这是一门很容易被误解为大水课（事实上也被很多人吐槽了）的课。AML的project都是简化了的kaggle题，学生也被要求三人一队进行刷榜，最后依照排名计project分。事实上，我也是在期末复习阶段才发现AML其实非常完整地帮我补上了ML知识的一些漏洞。

总的来说，AML的topic确实是大家都很熟悉的内容。本来应该作为一个很大的难点的高斯过程，却在PAI上被更详细地讲解了，使得AML在上高斯过程的时候像是PAI的结论陈述版（很多推导都被略过变成了exercise）。另一个难点是非参数贝叶斯方法，这里从多元高斯一步步变成非参数混合高斯模型，再把狄利克雷过程再简化成Chinese Restaurant Process，整个流程非常confusing，再加上不熟悉的分布（Normal-inverse-Wishart）和条件独立知识点（D-separation），整个知识点都非常噩梦。好在整节课的逻辑链其实非常简单，困难的只是细节罢了。通过复习的时候好好钻研额外的资料，也是能比较轻松地掌握整块知识的。最后一块难点是Probably approximately correct learning。这一段因为大三暑研的时候坚持一个人自学了整块PAC理论，所以对我来说变得非常的轻松。可能这也说明，只要是有用的东西，学了总能会有回报吧。

尽管如此，我最感激AML的地方却是它对拉格朗日法简明扼要的讲解。虽然拉格朗日法我们从高中就开始初步运用，数分的时候甚至推导了它相关的定理，但之前总是限制在等式约束的情况下。AML帮我第一次弄清楚了凸优化为什么是这样定义的，也第一次弄明白了对偶问题和强弱对偶。这为我这一学期上AGAO和ODS都提供了极大的便利。

Probablistic Artificial Intelligence

repo: GitHub - AlgebraLoveme/PAI-cheatsheet: Summary of Probablistic Artificial Intelligence

类别：Machine Intelligence —— core

总体来说，PAI是上学期的五门课中幸福感最强的一门。Krause在上课的时候总是非常振奋，就算台下几百人都只是默默地看着他讲也一点都不动摇。这种振奋持续了大半个学期，令我非常钦佩。另外，虽然名字有点令人不知所云，PAI的内容确实非常的实用，也很well-organized。

整个PAI完美地分割成了四块内容。第一块是贝叶斯线性回归和Gaussian process，工具性、理论性和实用性都很强。第二块是通过近似后验分布来做贝叶斯推断，包括了Variational Inference和Markov chain Monte Carlo，作为应用还介绍了Bayesian network，都是鼎鼎大名但经常让人看文献时不知所云的东西。第三块是通过贝叶斯来解优化问题，包括了能充分利用样本标注的Active learning和黑盒求解极值的Bayesian optimization。最后一块是强化学习，覆盖了所有的基本知识和算法。

PAI是我见过理论与实践结合得最好的一门课，没有之一。

Natural Language Processing

repo: https://github.com/AlgebraLoveme/NLP-cheatsheet

类别：Machine Intelligence —— elective

上的还行，不过主要是讲NLP相关的算法，不涉及具体网络结构的介绍。涉及到很多和NLP领域相关的概念和任务，部分算法有一定难度，例如Edmonds' algorithm。没啥特别好说的，推荐做NLP网络的同学上一下，可以补足领域基础。其他同学可以视爱好决定，如果想直接上手训练网络的话不建议上这门课，可以去上CS224n。

Reliable and Trustworthy Artificial Intelligence

repo: GitHub - AlgebraLoveme/RTAI-cheatsheet: Summary of Reliable and Trustworthy Artificial Intelligence

类别：Machine Intelligence —— elective

我的老本行了，对我来说上的内容都属于研究的基本内容，非常熟悉，所以也不乱评价这门课了。老师人很不错，会给考的好的同学主动发research邀请。我现在就在他地方做semester project。

假期

除了繁忙的学业之外，苏黎世确实没有什么太多的东西。日常娱乐基本都是自娱自乐。

结语

这就是我在ETHz的第一学期啦！总的来说，学的很快乐，厨艺和知识都今非昔比。如果能耐下心的话，ETHz和苏黎世真的是一个学习的好地方。虽然物价很高，但几乎白嫖的学费仍然让ETHz变成了一个自费留学的好地方。重选一遍的话，我还是会选择ETHz。