※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：是
哪一学年度修课： 110-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 孔令杰教授
λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相 关) 资管系选修
δ 课程大概内容 很多以前的心得文都有写了，这里直接附上今年syllabus：
（好像要下载下来才会看到完整三页）。
Ω 私心推荐指数(以五分计) ★★★★★
课程内容：★★★★★
老师助教：★★★★★ 回复速度快又充满热忱XD
加了Loading进去考虑后的推荐指数：★★★☆（不完全是因为课程内容的缘故，原因下
收）
η 上课用书(影印讲义或是指定教科书)
1. Introduction to Management Science: A Modeling and Case Studies
Approach with Spread-sheets by Hillier and Hillier.
2. Operations Research: Applications and Algorithms by Winston.
3. 管理科学：作业研究与电脑应用，陈文贤、陈静枝。
μ 上课方式(投影片、团体讨论、老师教学风格)
采用翻转教室，先看完上课预录影片，写好Pre-lecture Problem(s) 后（通常是三题但
只计一题的分数），礼拜一去正课写Lecture Problems（6 ～ 10题）。远距之后正课也
变成线上，老师偶尔会用WebEx随机把大家分成小组讨论Lecture Problems，的确有过讨
论，但通常大家都很害羞or不敢献丑or还在努力解题，所以没人说话。影片和正课都是英
文教学，因为疫情缘故后半学期都封校，所以Final Presentation也是线上进行。
σ 评分方式(给分甜吗？是扎实分？)
Pre-lecture: 10% （约莫12次）
Assignment: 15% 三次
Case Assignment: 15% 两次
Final Project: 30%。要缴交proposal，presentation slides，written report并要上
台报告（oral presentation）。
Final Exam: 30%
ρ 考题型式、作业方式
这篇 #1VJbI_WG(NTUcourse) 写得非常详细！谢谢t大，我就讲一些差异和主观经验。
这篇的Lecture Problem就是我所说的Pre-lecture，我一开始会全写，因为它的难度或观
念理解是渐难，但通常是最后一题要算分，我有时候会从头写下来以检视自己有没有理解
透彻，如果太累了就只写最后一题。
Assignment 的形制没有什么改变，我通常要花 4 ~ 5小时写，会另外和组员们花1小时讨
论答案和流程，如果有code又要花额外1小时左右写（用Gurobi或heuristic，这学期没有
AMPL），材料（数字、formulation、图表）都集齐时就要用LaTex漂漂亮亮地排版了，
这个步骤通常要花掉10小时来回雕琢（掩面痛哭）。
Case Assignment：2次，我这组是4人一组，CA1和CA2都是做parallel machine scheduling（
类似job-shop scheduling）CA2更进阶一点要自己写heuristic然后每组比较objective value
并以优化程度评分，还要写benchmarks和数据分析，个人觉得算是很有挑战性的。
Final Project：略。
Final Exam：开书考，老师说“会尽量以简单的方式出题”。题目也的确很明确（
意思是看了就知道要用什么步骤、不会拐弯抹角想破头），最后一题比较难我好像被扣了
快一半。
接下来就是讲一下含Loading推荐指数3.5星的部分，我们组感情还不错，但合作经验使我
感到五味杂陈XD。有一位从一开始就问题百出，但竟然最Final Project才发现他不会写
Python，让他负责书面但每次他写完我都需要爆修才能交出去。某次CA在最后3小时还发
现整组数据都出错，书面＋数据真的是修到天昏地暗XDDD。更惨的是忙活到晚
饭也没吃地修好交出去之后，隔天马上要开始看下周影片和写Prelec，整个快要PTSD。没
啦开玩笑还是很喜欢OR，只是这堂课组员要慎选，觉得不行要当机立断地拆伙，如果做不到事先洞察组
员能力或是性格比较心软，就要有随时帮忙处理多余工作的心理准备。
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
加签好像是全签，要事先登记一个Google表单。出席率的话，老师是说正课可来可不来（不算出席，Lecture Problems也不计分），但我每次都会参加
，因为有人带着写题目了解得更快。Prerequisites除了微积分、线性代数是老师有特别
标明的，另外会用到一些算法相关概念（图论，DP…），如果修过资演再来修会更上手
。个人觉得喜欢／擅长数学逻辑的人应该会学得超开心（我满喜欢只是我数学实在下手）
。老师人超好，问一堆问题都会给超详尽的回答。感觉很多外系生来修，管院、经济系甚
至数学系都有。我个人也是外系生。
Ψ 总结
就如老师常常自嘲的“你们之后八成也不会用到OR”，我之后应该真的不会用到OR去做什
么排班管理，但这堂课的核心主题：最佳化问题、Gradient Descent、Lagrange
Multipliers我以前对它们的数学一知半解，现在能重新认识一次感觉很好。修完的感受是
“非常充实，某些能力好像变强了”。
放一下分数和等第。
Pre-lecture Problems: 9.x/10
Assignment: 第一份7x，后两份近满分
Case Assignment: 两次平均约86
Final Exam: 91.5/105
Final Project: 90.xx
Final Letter Grade: 堪堪擦边的A+
Final Grade分布：A+: 22, A: 25, A-: 21, B+: 4, B: 6, B-: 3, C+: 2, C: 0, C-:
2, F: 1