【叠甲】以下所有评价是针对课程材料的，与授课水准无关 （因为没听）.

操作系统

材料：白给级别的阿里云实验，比较靠背诵的PPT和考题。

教学内容偏向于408，传统课程，偏理论轻实践，没有具体深入操作系统的实现。

本来内容量是巨大的，不过题型非常固定，想考及格其实只需要备好热门知识点（各种调度、信号量、虚拟内存、文件系统）即可，主要区分度在于小题有没有背到和信号量大题吧。

期末卷子流传了，在此就不回忆了。

感觉xz老师人挺好的。不过学有余力者，推荐南京大学蒋炎岩老师的OS（前置课：南大PA）。

数据库

本学期线上考试没有大题，考试题型就那几样，背题就行......据说df老师上课还行。

实验：华为云 （臭名昭著） ，耗时的不是你的能力，还有交互的不友好。（助教carry）

期末卷子流传了，在此就不回忆了。

大数据技术基础

虽然是大文科，但说实话其内容还是比较符合“大数据”的，useful，感兴趣可以听听，不过ozh上课废话有点多就是了，看你喜不喜欢这一风格吧。

实验和课程设计：都是助教carry，如果有linux使用经验，则工作量不大，可以接受。

期末：毕竟是文科，自己划重点就可以了，毕竟自己考前押题命中了70%。不妨放上来给大家图一乐：

一、简答题（35分）-> 实际是10 * 6pts
1. 大数据的4V特性是什么？（4分）
2. 大数据的基本框架有哪几层？（7分）
3. 简述CAP理论和BASE理论？（4分）
4. 强一致性和弱一致性有什么区别？（2分）
5. NoSQL模型有哪几类？（4分）
6. 请举几例常见的计算框架及其适用场景（5分）
7. Spark有哪几种运行模式？（3分）
8. YARN资源分配的单位是什么？（2分）
9. DataFrame和RDD的区别是什么？（2分）
10.Spark的基本计算单元是什么？（2分）
二、论述题（65分） -> 实际是3大题40pts
1. 如何进行数据收集？（2分）
2. KafKa的基础架构包含哪几个组件？各有什么功能？（8分）
3. 简述YARN的恢复机制（3分）
4. HDFS的基本架构包含哪几个组件？各有什么功能？（4分）
5. 简述HDFS的容错机制（3分）
6. ZooKeeper为什么一般采用奇数个节点？（3分）
7. YARN的基本架构含哪几个组件？各有什么功能？（5分）
8. 简述YARN的工作流程（8分）
9. 简述Spark作业的生命周期（3分）
10.流式计算框架Storm包含什么模块？怎么保证可靠性？（5分）
11.KafKa如何通过ZooKeeper实现负载均衡？（4分）
12.行存储和列存储的区别，各有什么优缺点？（4分）
13.HBase包含哪几个组件？各有什么功能？（3分）
14.HBase是怎么组织表的数据存储的？（4分）
15.简述MapReduce的使用场景和计算流程（6分）

没押中的知识点包括：

1. 资源管理系统架构演化
2. MRv1的局限性
3. RDD有哪几类算子
4. Kafka解决了什么问题

基于大数据的机器学习

新课说多点。

极差评，zwa老师把2学分的课上出了10学分的效果：

• 平时小作业并不是初学者能够轻易写出来的那种，以比较划水的方式写也起码也需要4个小时，而且来了6次。（占比20%，助教给分比较慷慨）

• 需要2次solo大作业，一次全流程入门，一次模型设计，后者需要较长时间的训练和调优，耗时波动20-50h。（占比8%和30%，助教carry就完事了）

考试内容大部分是选择和判断，主要是些概念，可以刷牛客的机器学习笔试题即可，以保守的方式做答可以捞个及格。期中考过计算决策树和梯度下降法的推导。

我觉得划水的方式是直接开摆，等捞。

算法设计与分析

考前背算法即可，注意不要盲目自信：一些最优子结构性质推导、算法原理是需要记忆的。

如有条件，平时实验建议用 CSP 成绩（300+）抵，挺花时间的。

期末卷子流传了，在此就不回忆了。

Linux 开发环境与应用

比较useful的一门课，不过期末考可能需要碰点运气，因为有些题的坑确实比较tricky，需要背mooc的练习，正则和shell编程需要练一下的。