这里记录从 12.05 开始，我如何尝试实践各种方法来完成各种期末任务。
希望自己能做到高效应试！

主要依靠的资源包括：

背景&结果

我在本学期中选课情况、期末时掌握情况和等地如下：

课程名称 学分 考试方式 考试时间 掌握情况 等地
概率论与数理统计 4 闭卷 2024-01-02 前三章略懂，课全翘了 B
计算机病毒及其防治 2 闭卷 2023-12-18 课全翘了 B
信息内容安全 2 闭卷 2023-12-20 课全翘了 B
操作系统 3 闭卷 2023-12-28 课全翘了，懂一些基础 A
计算机取证 2 闭卷 2023-12-21 课全翘了 A
无线网络及安全 3 开卷 2023-12-22 课全翘了 A-
信息系统安全 3 闭卷 2023-12-18 掌握还行 A
物理学的新启示 1 论文 课全翘了 P
马克思主义基本原理 3 开卷 2023-12-19 上了一些课 B+

注意到其中有八个学分的 B，我认为我自己已经尽力了，但这些困难是很难克服的客观原因。一个是绝对成绩给分（我考完才知道，气死了）；一个是考一堆超纲考题，这些超纲的题还是选了别的课的同学会做的；一个是课程难度比别的班都要高，速通确实很难搞定（但选别的班就完全能搞定了艹）。

接下来会按照课程顺序来划分章节。

概率论与数理统计 4 B

考试

概率论虽然我的目标是 B+，但我认为是最难的一个考试了。为此，我一开始准备选择首先用猴博士速通，然后进入补刷作业题与对应知识点补齐环节，但是后来发现实际的准备时间只有三天左右……

我的复习就是在去年的卷子（来自开放题库）、猴博士的视频以及教材之间来回切换。我是否要学习教材上的内容取决于去年的卷子有没有考到相关内容、猴博士的视频有没有出现相关内容、以及课后布置的作业相关度。于是在省略了很多内容没有复习的情况下，终于在三天内学完了大部分概率论。
关于最后一两章，由于有太多需要背诵的内容，所以就直接不复习了。

最后考试的时候发现，和去年的卷子几乎考得一模一样，所以我准备的都做出来了，混了个 B。

我觉得如果我们班级和别的班考纲一样的话，我能混个 B+。郭大爷这教得也太多了，作业也多，不愧是高级概率论……

计算机病毒及其防治 2 B

课程 PJ

花了一天，借用 DOSBox 的力量速通了。

考试

最后一节课老师说了考试重点，都是死记硬背，没有需要理解的东西。
周一的考试，周六把需要背的东西整理出了一个 word 文档，大概花了两三个小时；周日再复习了一下，手抄了其中部分感觉会考的东西。

考试估分 90+ 肯定有，据老师说 A 类要考 85 以上，考虑到我平时分是 3/10 分的话（就没上过课），理论上我拿 A 类需要 95 以上。所以估计还是 B+ 吧。

然后最后是 B，因为老师按照绝对分给分。当时我为什么想不开选这个课呢，真是依托答辩……

信息内容安全 3 B

课程 PJ

我在组内负责了数据清洗以及部分可视化任务，非常非常边缘，真的感谢队友大佬orz。
数据清洗继承了学长的 PJ 代码，进行了优化重构，把写得稀烂的正则表达式简化了一大截（主要用于知乎）。

1
2
3
4
5
6
7
8
9
def wash(content):
    content = re.sub(r'<sup[^>]*>.*<\/sup>', "", content)
    content = re.sub(r'<span[^>]*>.*<\/span>', "", content)
    content = re.sub(r'<figure[^>]*>.*<\/figure>', "", content)
    content = re.sub(r'<[^>]*>', " ", content)
    content = re.sub(r'\s+', " ", content)
    content = html.unescape(content)
    content = content.lower()
    return content

可视化任务，我使用官方 GPTs Data Analysis 进行辅助，效率惊人，只需要拖入 json 文件并指定需求就可以由 AI 自动写代码进行读取文件、可视化的代码编写和执行，比如下面代码完全由 GPT 生成：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
import json

# Define the file paths
file_paths = {
    "zhihu_over_time": "./zhihu_gender_over_time.json",
    "zhihu_overall": "./zhihu_gender_overall.json",
    "bilibili_over_time": "./bilibili_gender_over_time.json",
    "bilibili_overall": "./bilibili_gender_overall.json"
}

# Load the data from each file
data = {}
for key, path in file_paths.items():
    with open(path, 'r') as file:
        data[key] = json.load(file)

import matplotlib.pyplot as plt
import pandas as pd


# Convert the 'Zhihu Over Time' data into a DataFrame
zhihu_over_time_df = pd.DataFrame(data["zhihu_over_time"]).T
zhihu_over_time_df.index = pd.to_datetime(zhihu_over_time_df.index)

# Plotting the time series data
plt.figure(figsize=(12, 6))
plt.plot(zhihu_over_time_df, marker='o')
plt.title('Zhihu Gender Distribution Over Time')
plt.xlabel('Date')
plt.ylabel('Count')
plt.legend(zhihu_over_time_df.columns, title='Gender Categories')
plt.grid(True)
plt.savefig("./zhihu_gender_over_time.svg")

考试

老师在最后一节课上划了期末重点，根据该重点和去年的卷子（lyr 天使！）复习。资料是一本纸质教材。

主要难题在于，复习时间只有一个晚上，第二天早八就考试了。这一部分复习没办法依靠 AI 了，主要依靠人类的力量速通！！

然后发现这门课考试真的离谱，考点都不考，重点全是说不考的。最后一章说是不考数学模型只要理解原理，结果考了个 26 分的压轴计算题。
听朋友说有很多同学哗哗写完了，应该是在别的课学过公式。但是这门课没教具体算法啊！！！ 书上和 PPT 上都没有，我算得来才怪了。

最后遗憾拿 B，死因就是卷子实在是出得太逆反了，我认为我的复习很完美没啥问题了……

计算机取证 2 A

课程 PJ

我们做的是基础取证工具接入 GPT 智能判断功能，以及基本的数据关联。
基础的取证功能有
使用 GPT 生成基础代码框架和核心功能后，使用 copilot 速通 UI 编写。几小时就速通了。

考试

花了几个小时复习 PPT 。

最后闹出了乌龙，由于我 PPT 是 11 月下的，那时候老师还没传全，所以我漏看了整整 1/4 的 PPT。怪不得考试的时候碰到好多不会的……不过还是拿了 A。

操作系统 3 A

考试

考前老师划了一些重点，还放了个 429 页的复习 PPT……
根据重点和 PPT 进行复习，时间在三天左右。

最后熬了个大夜，终于速通完了那个 PPT，然后把四个往年卷子都看了一下。考试的时候感觉不错，没啥不会的题目，果然拿了 A。

无线网络及安全 3 A-

课程 PJ

准备课程 PJ 的时候，留给我的只剩下一天+一个晚上了，这个时候正好看到 G.O.S.S.I.P 公众号上发了一篇蓝牙的综述性文章介绍，然后就放弃了实验，写了一个论文阅读笔记一类的报告。

考试（开卷）

根据课件和去年卷子（感谢 wqh 天使）进行复习。
这确实是一门硬课，所以我的目标是在有限的时间内大致过一下课件，达到知道什么去哪里找的水平之后，将课件整理成便于打印的格式，现场查阅和学习。

考试的时候所有的题都写出来了，开卷考确实还是对记忆力差的人比较友好。

信息系统安全 3 A

考试

虽然翘课翘了很多，但由于已经对所学知识有所了解，所以选择了速通所有课件并做往年卷子的方法。去年的卷子在开放题库上找到了。

大概花了一天进行速通，知识点和需要记得其实并不多。技巧性的东西集中在栈溢出相关知识，这些我本来就会，毕竟课后时间都花在这上了。

考试一小时速通了，估分满分。

马克思主义基本原理 3 B+

观后感

看了四集之后，用 GPT 生成了一段读后感，然后从看得几集里面加了几个例子进去，再加了几句自己的感想。

论文征文

GPT 半小时速通，虽然质量狗屎。
为了解决没有引用的问题，让 GPT 帮我加了一些例子，然后我去手动给这些例子寻找引用。比如引用什么国家统计局数据。

考试（开卷）

没啥好说的，就瞎写写。没复习。

物理学的新启示 1 P

课程报告

GPT-4 支持直接阅读课件。我将每个老师的课件转换为大小较小的 PDF 格式，并扔给 GPT 进行总结。注意为了凑字数，需要一个问题一个问题问 GPT，不能让它一次答全。
最后花了大概两三个小时速通。

总结

确实是非常累，不过感觉我能做的都已经做了，结局也还算满意。不过要是这个学期选课的时候能多获得一些信息的话就更好了。