本區搜索:
Yahoo!字典
打印

[學科討論] (ENGG1002)等我話你知Electronics是什麼

特登Login入黎
automation 哥, thx for sharing, 你教授得我有興趣學更多 electronic既知識,希望你可以繼續出post la

TOP

[隱藏]
引用:
原帖由 jackyhy007 於 2014-6-6 01:06 AM 發表
特登Login入黎
automation 哥, thx for sharing, 你教授得我有興趣學更多 electronic既知識,希望你可以繼續出post la
其實我一早就已經忘記了我曾經寫過什麼講過什麼了  

不如你直接問想知什麼吧
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

其實智能電網在香港能否實行? 我個人意見: 在可見將來應該無咩可能, 因為香港的電站同電網, 都在中電同港燈手上, 而依兩間公司, 係唔容易改變

TOP

引用:
原帖由 shareholders 於 2014-7-13 12:57 AM 發表
其實智能電網在香港能否實行? 我個人意見: 在可見將來應該無咩可能, 因為香港的電站同電網, 都在中電同港燈手上, 而依兩間公司, 係唔容易改變
有錢能使鬼推磨
當智能電網能在overall profit gain得更多時
我唔信唔變
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

見你前面提及Hill climbing...
我呢排都睇緊AI 同Bioinformatics 既野...
Automaton, 有無好書推介下?
我依家都有借左書...
不過想同時睇下第2本書既講法係點..
希望咁樣可以理解得好少少

TOP

引用:
原帖由 41200 於 2014-7-13 04:53 PM 發表
見你前面提及Hill climbing...
我呢排都睇緊AI 同Bioinformatics 既野...
Automaton, 有無好書推介下?
artificial intelligence界是個超級大field
超級老實
你問我有什麼書推介
和問我 "有什麼Physics書推介"一樣
就是你問得實在太太太general
我真係唔知你想要什麼

Automaton 和 Automation 雖然只差一個i
不過其實有共通, 就是"智能"

AI和自動化是研究什麼?
簡單講, 就是令到一個物件, 會有"智能"的行為
什麼是"智能"的行為?
就是不是random,不是irrational,不是meaningless,不是no objective,等等等等
為什麼要有"智能"
因為電腦實在太stupid
下下都是人去操作真是浪費時間

那麼問題來了
你是要什麼sub-field?

AI簡單講就已經有NPL,ML,PR,DM,KP
唔講大sub-field,講一些example
你想知做分析機
例如去令電腦懂得分析人的句子去做processing阿 (Natural Language Processing)
還是想做決策機
例如given 一些input,個machine會知道應該做什麼才是best solution呢

因為我不是搞NLP的
所以我不太清楚natural language processing的東西

不過我還是叫做知道什麼是Machine Learning, Pattern Recognition, Data Mining 等等東西
這些方法基本上全部都是做"分類機/分析機" :

例如input一張相
個電腦可以知道你是男人還是女人

例如input一張有簽名的相
個電腦可以知道那個簽名是真是假

例如input個腦電波
個電腦可以知道你在思想什麼 (這個叫Brain computer interface,我其中一個research就是搞這個)


例如2014年3月個馬來西亞航空飛機失蹤事件
input所有有關事件的資料
個電腦可以知道在什麼地方可以找到個飛機碎片(事實上的確是找到了)

例如input地質資料的time series
個電腦可以知道什麼時候會地震

例如手機打中文
個字寫到畸形
個smart phone仲可以知道你在寫什麼...
等等等等...

基本上就是下面一大堆東西的混合物
ANN : Artificial Neural Network
kNN : k-nearest neighbors
k-mean clustering
Fisher LDA : Fisher Linear Discriminant Analysis
QDA : Quadratic Discriminant Analysis
SVM : Support Vector Machine
RPK space : Reproducing Kernel Space
FLS : Fuzzy Logic System
Fuzzy C-mean clustering
Page-rank
EM : Expectation–Maximization Algorithm
AdaBoost : Adaptive Boosting
Bayes Methods
CART : Classification and Regression Trees
GM : Genetic Algorithm
Agent
SA : Simulated Annealing
PCA : Principal Component Analysis
ICA : Independent Component Analysis

上面一大堆方法是Machine Learning / CS / Statistics 界的產物
讀晒佢你就勁過Business Major的人(所謂Business Intelligent Major都是讀這些東西)
一般一間U會開1~3科, 一定有得讀

如果上面入門的東西不夠喉
近年來的hot topics有
DL : Deep Learning
LASSO : Least Absolute Shrinkage and Selection Operator
LAR : Least Angle Regression
CS : Compressive Sensing
ML : Manifold Learning
IG : Information Geometry
Application of category theory in machine learning
這些都超有用
不過這些就太specific
而且部份的topic數學要求幾高
例如IG要求識 synthetic differential geometry
好彩我UG的時候沉迷Electromagnetics引致我都識一點點differential geometry
不然的話其實有些topics對EE/CS major的prerequisite要求過高
例如functor的theory,我真係唔信一講就會明...

不過總之學多一些math是好事
香港的大學的EE/CS department
一般都不會provide足夠的數學訓練
(這個是最bull**的設定,由其是香港大學)
所以, 你都係同我一樣自學啦

書的話
Bishop本machine learning入門
沒有其他, 就是入門好書
想多D math
就Tibshirani本The Element of statistical learning
這本是Bible, 好用, 夠用
而且3個作者都是來自全地球統計第一的Stanford
這本書無敵

可能我近年來狂睇stanford stat department的人的paper的關係
總之stanford出品就是goooooooooood
上面提到的AdaBoost其實和stanford的Efron(Tibshirani的老師)的Boosting有超級大關係
再加上近年LASSO, LAR, Compessive sensing都是來自stanford個department (T.Tao唔計)
總之如果要走AI中的Statistical Learning, 一定要睇晒stanford出品

總之要狂睇下面幾個人的paper
Hastie
Tibshirani
Friedman
Donoho
Emmanuel Candes
Efron
佢地的研究勁過晒一大堆來自Computer Science/EE的研究

唉, 一時愈講愈興奮, 講得太遠
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP


你叉太遠唔緊要既, 如果你有時間既話..你係講得岩既, 香港大學既EE/CS的確provide 得唔夠多math courses 比班學生打好個底..
應該話所有BEng/BSC (非MATH) 都係咁...
所以有時睇書都幾煩,成日見到佢話想知detail 就refer 返[XXXXX(years)]..
但係自問又未有咁深厚既數學底去睇明佢講咩- -

我自己都係岩岩睇AI 既野咋..Search 個方面既野同埋都有睇到Genetic Algorithm..
依家都係邊睇書邊睇外國大學既opencourse ware..

另外,睇黎我以後借書個陣都腸下有無Standford 出品先得

感謝你推介個2本書 em46

em46

[ 本帖最後由 41200 於 2014-7-14 01:21 AM 編輯 ]

TOP

我和其他人的對話
是禁的, 自從我2012年開始出現在這個網站之後,就都有幾多人給我發短消息問一些問題
就是因為有太多人問我問題, 令到我經常短消息的數量超過上限
搞到我要del短消息
正正因為我認為有些人問的問題都幾好
then我就在這裡post出那些我和其他人的對話 :

和hkjk3000於2012年的對話
hijk3000問過我有關CityU EE的course material
以下是我當時的回答 :


原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-1 12:52 AM
引用:
我briefly go through 個web之後 :

EE2000 + EE2301 其實是"基礎circuit"的全部
Electric Circuit  (EE2301前) Electronic Circuit (EE2301後) Logic Circuit (EE2000)
( "非基礎circuit" : Microwave Circuit, Optical Circuit, Photonic Circuit, laser circuit )

EE2000  
Tocci : Digital systems
            Computer architecture & logic design
            Microcomputer & microprocessor
Tocci的書, 我個人認為OK
不過我不是major computer architecture, 不是專家, 所以不一定正確
另外第3本可能不合適, 因為用motorola MC68HC11 system
如果course 用intel system就不太合適 (其實第3本更合適EE2004)


EE2301 分2部份 , Electric Circuit Analysis + Microelectronics
這一科最好幾本

Part I : Basic Concepts, Circuit Analysis, AC Circuit 的部份 :
因為都是數學技巧, 所以隨便一本書個名有 "Circuit Analysis", "Linear Circuit"等等的書就可以
如果真的要我給個作者: Sadiku & Alexander

Part II : Diode Circuits, Transistor, OpAmp 部份 :
1. Floyd, Electronic devices
很illustrative, step by step
2. Razavi, Fundamental of microelectronics
reference, 題目都可以看看
3. Sedra & Smith, Microelectronics
如果你之後會走 solid state 方向 (BJT, MOSFET, JFET, CMOS 等等)
(即take EE3110, EE3132, EE4104)
必看 (當然那個時候這本就變了不是主力書)
另外, 這本書很很很後的部份會有logic circuit (即EE2000的東西), 算有補充作用
我個人認為 : 先"快速"read完 Floyd ,再詳read Smith
當然, 最好就是 超級詳細地read Smith
總之 Microelectronics 一定 Sedra & Smith
不過要說的是, Sedra & Smith 是 "詳細型"的書, 是very thick & heavy的

老老實實  這些course勤力一定高分 , 算easy course
引用:
其實我想知你睇書既習慣系點,究竟應該一口氣睇一個chapter,
skip 曬d 題目?定系睇下 d 題目講咩再返黎睇?

加上我之前睇過本書話 , 如果你睇書中途有咩唔明,
就應該繼續睇落去, 之後會愈黎愈明, 唔好中途停底?
咁樣既讀書方法又岩唔岩 ?

其實我之前識左個al 4a 既, 佢都系話睇書睇明佢.
但睇你個post, 究竟點先知點先系真正明?

姐系我想問你應該點讀書好?xd  唔該曬.
原始短消息: 我想問多d關於既enigne既野~
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

我和其他人的對話2

原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-3 10:56 PM
引用:
----------------1. 實力Equation ----------------
(近日搞Reg Day, 忙得不可開交)
讀書分2種人 : 1 .Exam/Marks oriented (短跑)     2.Research oriented (長跑)
近日奧運, 就拿跑步作比喻
跑步要強, 一定要有良好 跑步的技巧 + 身體機能良好 + 狀態好
考試一時的失手就好比  奧運一時失手
但是, 難道 運動員一次的失手 就代表他很廢?
傻的都知不是, 那只是他發揮不好

我"亂up"一條equation解釋分數和實力的關係
Grade = State ( Long term memory + short term memory )
G = S ( LTM + STM )

強不強要看平時, 即 LTM
考試前短期爆出來的 "分數", 是沒什麼用的
因為只是 STM 非常大
即使grade好, 但是在長遠來看, 作用不大
因為強不強要看平時, 即LTM, 不是G

相反, 根基很好, 但分數不太高的人
在 "潛移默化" 的作用下, 長遠來看作用大, 即大LTM

考試一時的失手就好比 狀態S 變得很小
由equation可見, S的影響可以很大
所以S真的很重要

運動員平時多麼的厲害, 比賽時一個小erro就會失去金牌
但我們不能說沒金牌的運動員廢, 他們也很強
只是他們的S 一時之間很小

那些 競賽性質 較強的活動, 看的是分, grade
是含有 "氣數, 運氣, 狀態" 的 (例如multiple choice靠撞高分, 算什麼實力)

在research的世界, G 不是很重要
因為, 根本沒有什麼競賽, 也沒什麼運氣
難道 Research level 還玩 Multiple choice ???
(不是沒有, 不過少)
Research多數是 Essay , Thesis, 完全是給你發揮LTM的時候

運氣是有, 我不是完全否定運氣
我只是重複Richard Hamming所說的 : 運氣不是一切

(下一句話有點長, 請完整的理解)

"你有足夠時間以致個S大家都差不多的時候, LTM的值就是決定性因素 "
可見, LTM是真正需要的事(對於走research的人來說)
可是LTM對於走exam的人來說不重要

什麼人是exam oriented?
Business People
我個人對Business People的見解是 (開始罵Business People, 有點subjective)
Soft Skill的確很強, 很會包裝, 但根本沒什麼實力
因為他們需要的是 短期利益
他們的product life cycle model, 完全是有 "用完即棄"的concept
他們相信 沒有長久, 只有不停更新
所以他們需要的是 "短期之內利益最大化"
"短期之內利益最大化" 正正是 和research 相反的事
所以Business People
我個人看法是 (有點negative)
全是 "一時好運(天時地利人和,S值很大)的無實力家伙"
所談的management, 懶科學
美其名 "運籌學", 完完全全比不上  Optimization 和 Convex Programming
即, 吹水科
所以, 為打工的人, LTM根本不合他們, 他們也不會去增高LTM的值



--------------------2. LTM是怎樣增加----------------------------
用中國的說法 : "潛移默化"
我想說的是, research人才, 是可以由日常的思考活動, 行為 "看"出來的
我識一些人 (不能算多)
口裡談很喜歡什麼什麼的, 都是混蛋
反而有一些人, 會無時無刻都在想
(就好像 Newton會無時無刻都在想why 有gravity一樣 (雖然這個故事是假的) )
那些人 無時無刻都在想, 自自然會 潛移默化
遲早會 "丁"到

所以, 怎樣讀書? (說了那麼久才入正題,哈哈)
怎樣讀書看你是type 1還是type 2
Type 1, 專攻exam
方法 : 操past paper
       完
對, 我想說的是,中學操past paper的所謂高手
全是沒什麼大不了

人面對不熟悉環境下, 才顯示到實力
操past paper只是令人在熟悉環境下生活到
Research的世界全是不熟悉環境

那些操past paper的所謂高手,
只是
"在前人已開發過的領域上鑽牛角尖的人而已"

如果想exam高分
就要熟exam的模式, 就要操past paper

我想說的是,  操past paper是一定要的, 你不可能完全不操
我想說是, 如果你不太理分數, 而且長遠看的話
應該分配多一些時間去看書而非操past paper

把時間很多都用在操past paper的人
會很高分
不過那人的視野只會很narrow
這是不合適research的

"在前人已開發過的領域上鑽牛角尖的人"
沒什麼了不起
"開發沒人知的領域的人"
才是厲害的人
所以, 如果是type 2的人, 你應該已明白要怎樣分配時間

看書怎樣看?
這其實是個蠢問題
不理你有沒有完整的看一次一個chapter
一定會出現有一些東西不明白

當一個chapter 是 100那麼長
當你看到50就出現一個不明白
那可以等價做  你看了2個 chpater
第1個是 1-49, 第2個是50-100

(沒人說過一定要當作者是上帝,他說chapter 1是1-100,
  誰說不可以把1個當是2個chapter
  完全跟書, 也是死路一條
  因為, 書是會錯的
  這裡我想說的一個訊息是, 如果不去做一些是思考去反駁text book
  而是 "完完全全的textbook信徒" 的話
  那人也不是research的人
  即是, 要嘗試挑戰 textbook)

  回到"看書怎樣看"  這話題
  當出現有一些東西不明白
  你可以做的是
               1. 記錄本書看到哪裡不明白
               2. 看下去, 一直看下去
               3. 重複step 2, 直到你支持不了

               4. step3的出現表示你有很多東西不明白, 即你有很多"記錄"
               5. 看其他書
               6. 重複5直到去消除不明白

我想說, 這個"algorithm"
你可以是 Path A : 1.5.6.2.5.6.2.5.6.2.5.6...
也可以是 Path B : 1.2.3.4.5.6.1.2.3.4.5.6.1.2.3.4.5.6 ....
哪個好?
根本就沒所謂

我個人 ? 我2者都有
根本就, 多看有益, 管你是 path A,B
愈多書愈好
因為
"沒有一本書可以萬能"
不同人不同口味, 沒有萬能key

--------------3. 怎樣叫做 "明"--------------------
明很難define
如果以你熟悉的事件去考你
你識做
是叫做
"在一個指定範圍之內, 你合乎作答要求"
然後給你分
這是中學用的
如果你"超班", 多數死路一條
因為可能老師不夠"料"

大學不一樣
大學你可以玩 "超班"
你可以反對Prof的意見, 什至說他錯concept
(當然你要有道理, 有proof, 等等) 這樣做,你可以更高分
當然, 反Prof是超人做的事, 沒有足夠料還是做乖乖好
不過如果你有能力可以 "反Prof"
那證明你在那一範圍, 極之明白
因為你比專家 更 "專家"
(Grad School 中, 反Prof 不是少有的事, 如果你是決策人, Prof是意見提議者 )

如果不走 "反Prof"路線, 如何知自己明不明白 ?
那就要多角度思考

因為 exam
"在一個指定範圍之內, 你合乎作答要求"
其實更正常應該是
"在一個指定範圍之內, 用一個指定的角度去看, 你合乎作答要求"

例如circuit
V=IR, Norton, Loop, Mesh, Max power transfer,  DC point ,等等
"Standard Circuit Theory"
其實是 "Low Frequency Special Case of Maxwell Equation"

Optics, image distance, law of reflection, refraction等等
也其實也是Maxwell's Equation的 Special case

你有沒有想像過, very high frequency時
V=IR 是不太正確的呢
結果根據V=IR所 develop出來的全都不太正確於high frequency system上

不過, 你認為你中學時在cirucit, optics的Essay題那裡填上這些
"離經叛道"的話會有分?
那只會令marker認為你傻

這正正是因為
"世界實在是太大, 沒有想像中那麼簡單"

因為太大, 所以一定要 "知識分割"
不過Gibbs說過
"大自然是完整的, 分割知識只會令她破碎"

"在一個角度去看一件事"
其實也只是 盲子摸象
所以, 每一個Prof, 也其實只是
"活在他自己領域的專家而已"
更bad的說法
每一個Prof, 也其實只是
"只會躲在他自己熟悉的領域的人而已"
(如果我Prof老闆听到這些話, 我就大獲 )

要真正明白
要 integrate 不同area
以不同角度去看一件事
明白對同一件事的眾多不同Theory之間的關係

是極難的

極花時間的

正因為
"世界實在是太大"
所以
"角度實在是太多"

"要花很多時間去integrate眾多Theorem "

所以Physics中Maths中
統一的"萬有理論", 是多麼的強
強到我不識描述
真因為強, 可以link到不同事
所以給那個equation命名那個人去記念他的偉大

我說的是

"明"是一個很模糊的狀態
(如果你讀 Fuzzy System就知什麼叫 模糊)

你走去考中一數
可以100分
也可以0分
對,這一定可能
中一奧數也可能難到我

難道中一普通數100分那叫識?
難道中一奧數0分那叫不識?

真正識不識
不是分數能描述的
這正是模糊系統
一個不是 非黑即白, 非0即1的世界
的有趣之處

我真的不能說什麼是 "明"
因為沒有一個 very clear definition
這個 "明"的concept
只能是用一個probability parameter來描述

所以, 明白明, 有沒有料自己知
你能由自己可以process的information / problem 來量一下自己到底明不明

Exam marks是一個準則
不過不是全部

最後, 我就給你一個功課
Physics Mechanics中有一個eqaution : s = ut + 0.5at^2
這個一定識
請你思考一下 這條equation和 Taylor Series的關係
下次回答我

----------------
一時在車上打太字,哈哈
如果你有什麼問題, 當然可以問我
我算得閒
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

我和其他人的對話3
引用:
原始短消息: 我想問多d關於既enigne既野~


s=ut +1/2 at^2  條式個前題系 a= constant,  咁無論s^n(0) for n=3, 4 , 5 .........., 全部都系0
remainder =0

Good, but what about if a is not constant






原始短消息:
我想問多d關於既enigne既野~引用:
但系呢條式既前題唔系 a = constant咩?

if a is not constant
that means this mathematical model is incorrect
Or i would say it is INCOMPLETE
incomplete => there should be other terms so that the equation is complete

s(t)= s(o)+s'(0)t+ s''(0)/2! t^2 + ...
keep going
s(t)= s(o)+s'(0)t+ s''(0)/2! t^2  + s'''(0)/ 3! ^3 + ...

http://latex.codecogs.com/gif.la ... {d^3s}{dt^2}t^3 ...


Nothing in kinematics says the acceleration Has to be constant , nothing

不過小心,   s = s(t)= s(o)+s'(0)t+ s''(0)/2! t^2
是 EXACT equation
是一個 "Ideal Case" ( a = constant )

而  s(t)= s(o)+s'(0)t+ s''(0)/2! t^2  + s'''(0)/ 3! ^3 + ...
是 Taylor series approximation
不是一個 ideal case (可以一直 d下去)

In Engineering, 個solution只要fit , 是Exact solution 也好, 是approximation也好
只要agree with each other ,就OK

再者, Taylor aprroximation 最後一定會是exact solution if you delete higher order non-zero term
因為 s(t)= s(o)+s'(0)t+ s''(0)/2! t^2  + 0 + 0 + 0 + ...
都是Talyor Series, 0 都是term
(即是 就算是一個 number , 例如 3, 都是Taylor series, 3 = 3 + 0 + 0 + 0 + 0 +... )


為什麼我會提出這個問題
因為 a = constant is not always true in Engineering !
the 4th term is called jerk

我太多嘴, 再多嘴一句
jerk system
http://latex.codecogs.com/gif.la ... cogs.com/gif.latex?\dfrac{d^4s}{dt^4} = f \left ( s, s',s'' \right )  [/url]
做做下會變 混沌理論

而且 ! 可以用circuit 表現出來
如果你有circuit design project  做這個, 我包你嚇死所有人
當然, just a joke, 別深究




原始短消息:
我想問多d關於既enigne既野~引用:
老實講我真系第一次聽講 d 完acceleration 仲有野

哈哈
所以我在我篇文章才不停強調
"世界是很大的, 沒你想像中那麼簡單"
不過, 是我多嘴了點
jerk 應該不會在undergrad出現  (我指EE, Mech我不知)
Jerk的出現, 早快也應該是  intermediate control theory
















原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-8 09:19 PM
引用:
原始短消息: 我想問多d關於既enigne既野~
[quote]仲有個問題呀 , 點為之快速read完一本書...
-----Defer------
有幾個原因
Sandwich Year
有些人會返工返一個sem, 什至一年 , 返intern gain experience , 這情況下department 都會接受defer
Poor performance, 低GPA , poor grade, 這個一定會有
3. 無錢交學費
4. Requirement 還沒有fulfill
這個最蠢, 例如有個人一直都忘記take 一科core
結果grad時才發現自己3年一直都miss了一科core, 結果為了一科defer

(不是嚇你) 我想說的是, 大學好像很風光
不過每年都 踢 人 走  , 因為GPA實在太差, 例如不過1
不過我認為GPA不過 1 和會考0分一樣 不可思議
有讀書, 正常人都可以過2.4

--浮沉---
首先, 如果你想讀上去, 摺拉當然是日日都去, "絕對不癲", 正常得很
因為如果你enjoy, 根本就快樂不知時日過, 一下子4,5小時, 真的是很普遍
不過, 不一定是lib, 也可以是PC Lab, Lab room, computer room等等地方去study
我知CityU 個Lib都幾多study area , 所以一定有位

(接下來有點"technical")
如果你想不給你知道的情況下study
即不想給人知道你 摺拉 而不去join activity  有幾個方法

如果有人問你去join activity,自己先決定一下join不join
我有時join有時不join (所以我不算完全潛)
如果不join, 有一個幾強的借口 : 打工,  你就話你要返part time
因為返part time在大學很普遍, 而且大家都會明白$的重要性

之後就是選地方study
去另一個department 的 PC room , 不要去自己department的, 不過要有其他department的朋友
去lib偏僻些的地方 / 去lib沒人借書的書櫃那裡坐地板 (in this case you need to use computer)

--對於組爸組媽---
一般而言組爸組媽都很talkative,  令外如果組爸組媽是GPA好和同時 都幾浮的話, 那人會是很有time management skill的人

--讀書--
老老實實   我year ONE 當時讀7科 (當然, 之後都6科)
首先, 你要有感覺就是    中英文 要 "NO workload" 不可以有東西煩
要快快KO掉, 大學language一般中英都幾無聊

之後就是technical的科
首先我要說的是  "EE"的科程連貫性很強
(EM : Electromagnetics  ME : Maxwell Equation  QM : Quantum Mechanics)

EM ---> ME --> Wave Guide / Antenna / Fiber Optics ---> Photonics , Optical Communication, Radio ,
EM --> Circuit Analysis --> Analogue Electronics --> Integrated Circuit --> VLSI
QM + Solid State ---> Electronic Material ---> Electronic Device --> Digital Electronics
Number Theory--->Computer Organization-->Digital System-->Computer architecture-
  ---->Embedded System, Reconfigurable System, Parallel System
Signal Processing --> Control System Theory ---> Multi-media Communication ---> Robotics, Machine Learning, A.I.
Communication --> Computer Network --> Distributed Computing -> Cloud Computing
這些是主菜, 那些什麼ODE ,PDE, SDE, Vector, Calculus, Convex Optimization ...
只是 "數學工具"   給我們多些vocab去描述/表達system

數很重要
因為 Engineering很 "數學化"
應該說 狂用 "Mathematical Modeling" (我會說比Physics我們更接近 數學)
即, 你數愈好, 愈好"文彩"

例如 Neuron 神經, 都可以用 Equation 個表達

[url]http://latex.codecogs.com/gif.latex?y=%20
\textup{Sgn}%20\left%20(%20\sum%20x_i%20w_i%20-T%20\right%20)%20\\%20x%20:%20input%20\%20\%20\%20w%20:%20weighting%20\%20\%20\%20\%20T%20:%20Action%20\%20Potential%20\%20Voltage%20\\%20Sgn%20:%20Sign%20\%20Function%20\\%20\textup{Output%20is%201%20if%20sum%20of%20all%20input%20voltage%20is%20higher%20than%20the%20min.%20requirement%20T}
[/url]

因為科目 link together, 所以你也要 link up together
會有一些東西你會認為 AL 教過, 大學再教一次, 好像很浪費時間
NO, 你應該要這樣想  你早已學過, 這次見就要以 更高層次去看
就好像我跟你說的 s = ut + 0.5 at^2 的過程一樣

大學是會把一件事研究到很入
V=IR 好像太簡單, 其實不,
如果我跟你說 這也是 Ohm's Law   你知不知?
[url]http://latex.codecogs.com/gif.latex?\bar{J}%20=%20\sigma%20\bar{E} [/url]

有時認為太多東西讀 是因為你 迷失在小chapter中
你應該要有一個 high level thinking
就是知道 這一課 是講什麼, 有個大約的framework
Detail的可以自己推就自己推
如果一時迷失在一個小chapter的一個小detail之中
那你就會感到好像很多東西
老老實實  成功之道 就是  "rinciple of Abstraction"
Abstraction 是 把一個事件 不太重要的小部份 刪去不理
只留意重要性高的那部份
其實, 那些 Formula, Equation, 正正就是在做 "Abstraction" 的工作
KE = 0.5 mv^2  正正把 mass, Energy, velocity 連起來, 減小了很多多餘的小事
你不用去記 v大時 KE就大,  同一V時m大的KE就大  這一類句子
讀大學就是要把這個 "想法" 再擴大

最後何讀快看
就是看Preface, Note to student, introduction, chapter one , chapter zero等等地方先令自己明白
在發生什麼事
之後每個chapter看一下
一般 一日一本 600頁
快的話可以3小時一本[/quote]
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

我和其他人的對話4
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-10 02:13 PM
引用:
原始短消息: 我想問多d關於既enigne既野~
[quote]其實我都發現我自己讀書好容易被一個小小既問題阻住
,可能呢d問題真系完全唔重要, 但有時我會想明埋佢.......
principle of Abstraction, 我上網睇左呢個terms呢 ,
解話系將一d野抽象化左佢, ignore曬唔重要既野.
但我都唔系好明點去應用系自己度...
可唔可以詳解下,  或者可唔可以講下如果你睇緊一科新書,
你會點用呢個principle 去幫你讀書??
給困在"一個小話題"是很正常的事
你可以選擇不去理, 也可以選擇去理

Engineering除了很連貫, 也很分"層次"
就用Computer來說明

最最最最high level的是數學, 是理論,研究怎樣programm快
對於只求"識打programm的人,如EE人,不太重要"
EE人無聊到去研究stirling formula是怎樣prove出來的, 浪費時間
應該有時間的時候,如sem break才去做
再極端點,你不會走去研究四色問題
(EE的數, 可能會有Discrete Math, 會接觸四色問題, Stirling, 不會不用太深入)
一樣,對於CS人他們不會去理為Operational Amplifier的working principle
因為"浪費時間"

EE,CE人就要知BJT Bipolar Junction Transistor怎樣work
不過CE的人不用去知為什麼個diode可做單向流動器,只給電向一個方向走
會研究Electronic Device的EE人就要去深究為什麼PN Junction可以做單向流動器
要知那些build in voltage, build-in E-field等等
最多去到Fermi-Dirac Statistics,Maxwell-Boltzmann Statistics
而不用知這些statistics怎樣來的
同理,會研究Electronic Device的EE人要去深究為什麼會有Quantum Tunneling Effect
不過不用知為什麼有量子力學,不用知怎樣develop出來
如果要知道Fermi-Dirac Statistics, Quantum Mechanics怎樣來的
要走去take PHYS course
不過PHYS人也不用去知那些Gauss Law of Vector Calculus,Stoke LAw是怎樣來的
那是Math Major的人的事
Math Major的人也不用去知那什麼First Order Logic,Second Order Logic,
那是philosophyh的人的事

即是說, 見好即收
不可能什麼都去知晒個historical development,proof
要停在一些地步 (對於undergrad來說一定要這樣)
對, 我即是說, 有一些東西,背,不明白也背
很正常, 因為不需要去明,也因為根本就不用去明
我當初也是完全不明白Fermi-Dirac Statistics怎樣來
當初也看不脂個proof, 背條equation就走去考試

我不是反對 "打破沙鍋問到底"的精神
我是反對undergrad時太"打破沙鍋問到底"
你會知如果F4時上Phy走去和老師吵"p=mv是錯的,因為相對論說這是錯"的話
後果是什麼吧

"打破沙鍋問到底"是可以(而且需要)
但undergrad不要做太多, 不是不做, 而是應該在有時間的時候做
平時有時間就可以做,即使不是sem break
不過考試之前就別了, 花在小問題太久, 浪費時間

而且,一個小問題可能不重要
(也可能因為研究這小問題是之後的事, undergrad不會理)
所以不用去理

你知columb's Law
如果我現在告訴你
有時columb's Law不太正確
個ε有時不是scalar constant, 而是個matrix, 而且叫Tensor
如果之後你走去深研什麼是Tensor, 結果是完全浪費時間
因為Level 1的EM重點不在那個 Tensor那裡
同理, 你走去研究Four Vector也是浪費時間

你這樣 "資源錯配" 是 用錯勁, 用錯方向, 用錯地方, 自然fail

不要做太多非重要的事
是因為 東西實在太多
由Netowrking System
到Distributed Computing
到Communication System
到Software Engineering
到Pogramming
到Operating System
到Computer Organization
到Digital System
到IC System
到Circuit System
到Device System
到Material System
到Physical System
到Maths
到Logic
不覺得要學的略多嗎
我對這幾十個system,都30幾40科, 大部份都是叫"有認識(即最多take了1,2course)"
我也只專2,3個範疇
想專晒, OK, 有時間先

給小小的問題阻了, 因小失大就太蠢了

要是你死都要消滅那個個小問題 (有時候會有需要)
我已講過
1. 看其他書, 看不明再看另一本, 看到明為止
2. 問人, 問不明再問另一人, 問到明為止
3. 放棄

放棄不一定是壞事, 那是給你更多資料投放到其他地方的好事

而如何Abstraction, very simple
畫mind map, draw summary,表列重點
這些東西, 小學中學一定听過n次

不過因為中小學知識有點低能
即知識量太少, 所以沒什麼人會用
如果小學都要用mind map去組織知識, 而不能在自己個腦內組織的話
那個人應該有點低能

到了大學 知識量大增
一時組織不了, 很正常
所以需要mind map, summary list等等

畫mind map你不會畫到個mind map要用A1 size的紙,
寫summary你不會寫到10幾張紙
表列重點你不會去列100個point

這些"做summary"的行為是為什麼, 就是要你清楚個flow是怎樣

我一時之間
彈條Skin Effect Eqaution
彈個interrupt service routine stack
彈個Bode Plot
你根本就不知道在發生什麼事

因為你不知事件來龍去脈
要明 就要知事件來龍去脈

不過因為太多知識
所以寫summary, 令自己睇自己的notes時
可以很快記起事件來龍去脈

所以這就是 "寫notes的重要性"

不過怎樣寫notes
or 應該話
"怎樣去篩選什麼資訊要寫什麼不要寫"
or
"培養出篩選資訊的能力" 即 Abstraction
那是你自己應該自己develop出來的

"大匠能與人規矩,不能使人巧"

我不需要mind map
因為我已讀晒明晒 (最少都會明晒大路的部份)
所以不用mind map
我學新野
一樣會寫notes,list summary, mind map

大學知識量大, 不是中小學那麼丁點般小
所以需要這些 知識組織技巧[/quote]







原始短消息: 我想問多d關於既enigne既野~
引用:
唔該曬你先
之後有個問題,
點解calculus 要研究一個fuction or series究竟有無limit??
我唔明既系如果一個series 有limit 既話代表左咩??
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-12 07:50 PM
引用:
哈, 我估你應該是在看power series, Taylor series之類東西

這部份叫Analysis , 研究Analytic, Smoothness 等等
相對一般Calculus, 應該是最深的部分

一Function一般包括
Limit existence
Limit uniqueness
Continuous
類推至 f' 的Limit existence, Limit uniqueness, Continuous
f'', f''' , f'''' ,.....

Function 是一個mapping
由domain set map去range set
2個set 可以是 countable set
也可以是uncountable

如果是discrete set,
例如 integer map to integer
可以叫sequence

而series是sum of all terms of a sequence

series 最終會不會converge 去一個定值
即是series 有沒有limit
數學上是純粹研究有沒有limit, 有沒有收斂值
例如 0.5 + 0.25 + 0.125 + 0.0625 + ... = 1

不過engineering角度上
有些東西可以用series表達
而當series有limit, 有收斂值
即那個事件最終會有一個定值
即是說那事最後不會是波伏不定
例如damping
對研究穩定度有用

話時話, 提起Damping
Damping的數學
在EE都佔幾重要的地位
差不多科科都會見
一定要熟

我相信 n個星期, or n個月之後
你會明白  "個e有negative real part 即表示system stable"
這是在說什麼了
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

和其他人的對話5

原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-18 07:38 PM
引用:
undergrad名不重要
因為postgrad 大把人
physics轉Engineering
Maths轉Engineeing
Engineerng轉Physics / Maths

應該要說 專業在哪一個領域
個undergrad個名其實沒什麼indication

我undergrad是Electronics & Communication
不過我個人2極化
我take很多 Information Engineering, 很Maths, high level 的course
(基本上叫Control , System, Signal, Communication, Multi-media, Information Theory等等)
也take很多 Physics, 很low level方面 的course
(keyword包括 Electromagnetics, Microwave, Optoelectronics, Phontonics, Wireless)
反而 middle level, 中間的Solide State 我take很少
(例如Electronic Structure, Electronic Device, Logic Circuit, IC Design, VLSI)
當然, 我是指advanced level , free elective
core/compulsory的話我當然 所有level 的basic course都有take, 例如Quantum, OS, Computer Organization, Java等等
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-17 05:20 PM
引用:
現在Engine很少人會有你這樣, 肯自發性去找資料
天才自己找機會, 庸才等機會, 蠢才錯過機會
你肯自己去search infromation, 已很好
如果再加上 堅持力, 就極好
--------
我要說一下, Neuroscience, 可以說是極辛苦
首先 Neuroscience 是 "分支極大極廣的科目"
因為太廣, 我也不太敢對這一科說三道四
Neuroscience 可以分Purely Biochemical , Physical 和 Electrical
Biochemical, Physical方面我就不多講, 反正我認識不多

Electrical方面, 其實應該叫(Information方面)
Neuroscience是Mathematical Modeling , Artificial Neural Network, Signal Processing, A.I. , Fuzzy System

主要是 :怎樣去用數學去描述 Neuron的運作
因為電子訊息, 用數學描述已有多年, 所以研究者也用數學去描述 neoron

這裡有份power point (上網隨手找到的)
你可以看看,當作是computation neuronscience的簡單介紹 (數太難太淺就別理了, 重點在concept)
http://202.203.158.122:520/shownew.asp?ID=106

其他科包括 : Singal, System, Imaging, BioPhotonics
這些科正好是EEE搞的, 所以我熟悉
Anatomy, Chem, Biology當然是Medic部門了
Material, Mechanics當然是Mechanic 部門

so, 你入了Engine正好
HKU research正好有2群人和你想讀的東西有關
(Information System & Biomedical Engineering)

HKU EEE有個老師, 叫 Dr. Zhiguo Zhang
專搞neural engineering & computational neuroscience
而另外有個老師, 叫Dr. G.Pang會有Neural Network這一科
你大約會在year4才上到他的課 (當然, 你year1就走去take他的課也可以)

總之  搞 人機合一的人有, 搞腦波分析的也有, 搞神經綱網路的也有
搞MRI, imaging的也有, 搞神經Maths的也有...
-------------------------
Take BEM

我想說
Undergrad的"名" 不重要, 因為你可以用free elective去take 其他科
我個人認為Biomedi會好一些 (雖然BioMed少elective)
Computing & Data Analytics的確較"遠一點"

老實講 Computing技巧是可以 自己磨鍊出來
學programming : C, C++, Java, Python, MATLAB, 等等
可以自學, 只有"Algorithm"要跟老師學, 所以可以做elective而不是main course

而所謂 "Computation" , 是指你要搞些software
叫就叫搞software, 實際是數學, 搞"solver"
(e.g. , 例子對你來說太深 : Kalman Filter, Finite Elemental, Boundary Elemental,Finite Difference, stochastic solver )

簡單講, 即solve problem using computer, 不過你要 "叫個computer跟你做" 就是數學

另外 BEM就"講到明我好廣"
你要讀的Nueurosicence, 是grad school之後才開始
所以我認為, BEM好 因為基礎很重要

year1,2,3要廣

(而且, 人心可能會變, 我中學/year one時很喜歡physics
我現在一樣喜歡, 不過有另一科我更喜歡
不過不等於 我現在沒take physics, 我照take, 例如Quatum, Photonics等等)

我想說的是
" 廣" 是沒問題的 , 你year3,4才來決定"專" 也不遲

Research 叫就叫"專"
不過我可以說, 基本上所有EEE 老師都識Physics都識Maths都識Computer

我想說的是 "你太快就鑽牛角尖"
而且根本 那些undergrad東西就是基本要求, 一定要識
你可以說你討厭 科目A, 難道都不take科目A?

那只是逃避   有那一科的出現表示那一科有她的重要性和地位

科目不是 零碎的散件, 有其用的
你認為沒用沒關
其實是 :
你還自己沒有能力 / 還沒到那個level去發現他們的關係 罷了

我當然不是叫你去take 中史elective
那當然沒什麼連接性

我想說的是  你個knowledge base愈大
就愈有機會 個腦"叮"到一些東西
之後就可以出paper
視野太narrow不好

我不反對你說的 "專心一致" 是好
我反對你"太早說"    現在你應該 把眼界放大
因為
    世界真的很很很大  不是你想像中那麼小

其實我有很多例子  不過太多字, 我不打了

所以 你現在要做的是打好基礎

例如知道我下面所例出的
一"小"部份   的key word是什麼

例如
數學上知道什麼是 Laplacian, Wronskian, Vector Space
電腦上知道什麼是 DMA, Interrupt Routine, CCR
物理上知道什麼是 Osciallation Damping, Gauss Law
化學上知道什麼是 d-block, Nernst Equation, Gibbs Energy
程式上知道什麼是 OOP, Thread, race condition
生物上, 我不知道, 不說
工程上知道什麼是 Feedback, Stability, Fouries, Zeta, Shannon

不只是知個名
而是要知
-概念是什麼
-為什麼有這概念
-數學式是什麼樣子
-有什麼意義
-這概念的前因後果是什麼

有這些實力才叫 "基礎好"
再者, 這只是 一"小"部份

我再說一次
"世界真的很很很大  不是你想像中那麼小"

直接一句有攻擊性的話就是
"你知的太小, 談什麼Neuroscience"

最後我想說
可能我講到太多techical stuff
也可能因為我是TA
令你誤會
我還只是個undergrad , 不是什麼MPhil / PhD
只是高你2,3級

另外, 下星期HKU Engine有些數學course (non-credit bearing)
Matrix, Vector, Calculs (我覺得太淺)
如果你想來,可以來
Chong Yuet Ming Building P1 , 10:30-12:30, 2:30-3:30
因為我教(下午那part)
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-18 12:29 AM
引用:
原始短消息: HKU BEng(sci)選科一問
[quote]原始短消息: HKU BEng(sci)選科一問

多謝師兄答了我那麼多東西, 我實在獲益良多
你提及的數學course我應該是不去了(最近在自修multi-variable calculus)
最後多謝你那句"你知的太小, 談什麼Neuroscience"
一語中的
我瞭解到自己的目光好像放得長遠也太狹隘了 謝謝
很好, 自修multi-variable calculus
下一步是Complex Analysis
即Complex Domain Calculus
2者關係密切
不過可能略抽象[/quote]
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

我和其他人的對話6
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-19 07:20 PM
引用:
MOST (not all) undergrad 既course 同post 有連繫
無連繫 我認為只有computational neuroscience
Under grad 有什麼stream, post grad就會有什麼stream

沒理由法文Prof會開undergrad德文course
只是因為 東西的確超多, 不可能undergrad就去到 最前線,
而最update的information和研究因為還沒confirm / 成形
會不停更新
所以會造成undergrad course和post grad course 青黃不接的情況

不過一般都會有關
而且就算關, 例如Phy undergrad走去EE post grad
個prof會"就"人, 教慢少少

再者post grad不是看 "讀書"
(post grad take 999999個course都可以, 因為一個星期得幾堂, 幾日day off)
post grad 是跟"人"
好叫一些就叫  好像 Star War 中的Jedi 師徒關係般
難听一些就叫 做prof個工人

所以, 應該說 "要看研究什麼, 不是說走什麼stream"
因為可以去到很很很很小
Stream 粗糙可以分 : Physical, Mathematical , Computing, Networking

Physical :
1. Solid State Electronics
Electronic Material , Fibcation, Laser, Nano LED

2. Computational Electromagnetics
Antenna , Electromagnetic Compability, Radio Astronomy, Radio Frequency Circuit, Millimeter Wave

3. Opto-electronic
Organic Device, Organic Solar Cell, Ultra Thin Device, Organic LED

4. Photonics
Fiber Optics, Photonic Device, Photon Computing, photonic nano-crystal

5. Quanutm
Quantum Information, Quantum Computing, Quantum Communication

6. Other
Spintronics, Plasma, Neuron Beam, Magnetic Material, Laser-Plasma Application

7. Power (大電搞的, 我最不熟悉)
Wireless Power Transfer (特斯拉線圈) ,  Smart Grid, Power Electronics

Mathematical
7. Control,  Cybernetics & Automation
Robust Control, Automous Control, Non-linear Control, Robotics, Optimize Control, Dynamic System, Chaos theory, Sensor Network

8. Artificial intelligence
Machine Learning, Machine Vision, Pattern Matching, Computational Neuroscience, Artifical Neuronetwork, Fuzzy System

9.Communication
Wireless, Cellular Radio, Personal Communication, Noise Reduction, Telecommunication, Ultra-Long Distance Communications

10. Signal Processing
Digital Image Processing, Multi-media Signal Processing, Digital Signal Processing, Data Compression, Video Signal, Brain Wave

Computing & Networking
11. Netowking
Queueing Theory, Distributed Computing, Cloud Computing, Distributed System, Pear to Pear

12. Computing
High Performance Computing, Reconfigurable Computing, Parallel Computing, von Neumann Machine

老實講還有其他分支 (例如 imaging ) , 不過我更不識
由我論壇個名, 你知我走哪一方面吧...
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-19 08:45 PM
引用:
原始短消息: 我想問多d關於既enigne既野~
[quote]明白明白....            其實宜家諗定讀咩undergrad steam  會唔會太快, 定系讀完一個sem 先睇?
原始短消息: 我想問多d關於既enigne既野~
Year 2才去想好一點
當year 2時finish晒所有basic course
有個general EE的印象
那時才決定好一點

因為
如果以year one那些 V=IR的circuit analysis來決定的話
我認為太無聊

而且, 那些circuit analysis, 什麼kirchhoff's laws等等 detail 我都已經早就忘記得7788
應該說所有人都會忘記
因為根本不會用手計

所以year one course不能作準

year 2 sem one 之後才去選好一點

-----------
另外, 如果是CityU

我個人認為
走EM好
CityU EM
其他的, 例如 Material Science 我就不知道了[/quote]


原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-21 03:57 PM
引用:
原始短消息: 我想問多d關於既enigne既野~
[quote]上 lecture個陣其實抄唔抄筆記好,
定系話專心聽個prof講野好d.....
定系你會自己睇書算?
Both[/quote]
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

我和其他人的對話7
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-23 12:09 PM
引用:
原始短消息: ADVANCED PLACEMENT TEST 一問
[quote]師兄你好:
今日去了港大reg day, 得到一份資料, 上面寫在8月尾將會有advanced placement test, 請問這是不是意味只要我通過了一個test, 就不用修那test對應的課程? 謝謝!
YES!!!!
不過, 如果之前完全沒有學過
95% Fail
因為,這有如給你一個月, 叫你去讀 一科 難度是 1.7 DSE的科目之後叫你拿5*以上
(not exaggerating for "mathematics")[/quote]


原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-23 07:36 PM
引用:
原始短消息: ADVANCED PLACEMENT TEST 一問
[quote]原始短消息: ADVANCED PLACEMENT TEST 一問
如果我multi-variable calculus只學到line integral
足夠應付考試嗎?
我知可能還有green's function等等的東西
請你告訴我那個科目code, ENGG XXXX, MATH XXXX 等等
因為我不知道4年制的數去到是什麼地步

以3年制的數來說
NO,  absolutely NO, 你只會最多有15分
因為vector cal最少都surface , volume integral
Gauss Divergent Theorem, Stoke Curl Theorem
而且multiple variable calculus 只佔100分中的30分

還有ODE, Laplace Transform, Linear Algebra, Vector Space, Geometry
3年制的數 "一科讀晒以上所有課題" (所以都幾多人F )  
所以個placement test是有難度的

4年的我不知道, 所以你要給個course code我
去不去考要看content的數量有沒有減少

當然如果你對去大學 來來回回所用的2,3小時交通時間感到沒什麼所謂的話
一樣去考都可以, 沒人阻止

不過萬一太太低分, 最好不要 (減印象分, 因為會有record)

所以, 先要給個course code我
-----------------
對於4年制來說
完全明白Green的話,
再明白Gauss & Stoke 的話    
(那麼calculus 對你只剩下Cauchy 和Laurent )[/quote]

原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-8-23 10:43 PM
引用:
原始短消息: ADVANCED PLACEMENT TEST 一問
[quote]原始短消息: ADVANCED PLACEMENT TEST 一問
MATH1851 Calculus and ordinary differential equations (6 credits)
- Differential and Integral Calculus (Single Variable)
- Ordinary Differential Equations
- Laplace Transforms

MATH1853 Linear algebra, probability and statistics (6 credits)
- Vector Algebra; Matrix Algebra; Eigenvalues Problems
- Elementary Complex Variables
- Basic Probability Laws; Random Variables, Probability Distribution, Expectation and Variance
- Binomial, Geometric, and Poisson Distribution; Normal Distribution
- Sampling distribution, Point Estimates and Confidence Interval

ENGG1002 Computer Programming and Applications(6 credits)
-C++ syntax, identifiers, data types, control statements, functions, arrays, file access
-Program design, implementation and debugging, problem solving
-Class and objects, string, structures and pointers, recursion, linked list, dynamic data structures
原來如此
MATH1851  可以一試,  真, 因為ODE最最最最最易
如果有準備過就可以
不過唉呀, 你備錯課題...
不用green,
我估得太深
值得一試
(老老實實, ODE最快可以35秒KO一題, 開心到死)

MATH1853都可, 不過我認為不要去, 因為stat要明concept, 跟老師學總好一點

看來, 4年制的數學, 我會叫mathematics 0
因為我們沒有這些(當已識, AL已學)

multi-variable會是mathematics I (應該是ENGG 字頭)
complex variable calculus應該會是mathematics II

C++ ,  完全不要去考, 強烈反對 , 中學生程度理論上不可能識pointer 和OOP (除非是狂狂狂打code)
如果識, 應該天生CS料,應該要入CS
[/quote]


原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-9-14 09:33 AM
引用:
原始短消息: phd 大大我問野..
[quote]究竟應唔應該快過prof 既進度?
可能佢教緊第一課,如果自己身覺得應付到系咪應該睇落去?.
定系話跟prof 個flow?
讀書淨系睇syllabus 上指明個d 定系話睇埋related part??
C++ 都系用返 how to program 個set 書或者有沒有其他更好的參考書?
系咪得 3大 first hon 先至可以直上 phd 定系話有prof 收就得?
唔該曬!!
C++ 有N本好書
所謂好書 , 都是所謂人地叫好
所以我曾說過, 有時"自己找"
因為作者的寫作風格 和 讀者的閱讀風格 會有出入

有人喜歡 "理論性" 重一點
理論性的書 少illustration, 多prove, 多一些theory和theory之間的連接 講解

有人喜歡 "應用性" 重一點
  應用性的書有很多 worked example
  簡單講, 即是一本 Q&A書,   相對的, 少theory

DEITEL 的 how to program 系列算是 應用性的書
因為我們不是CS人, 不用去看CS用的C++, 理論性的書
當然, 你絕對可以去看CS用的C++
不過"Your time is limited, so don't waste it living someone else's life"

-------------------------------------
應唔應該快過prof 既進度?
9999%   絕對要!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!  
這個是有一個 很長,很大的原因, 時間關係, 不講

至少要快 "一點點" , 不明白是"沒有問題"
因為, 要的是 "知道有這個東西" 就可以
"知道有這個東西存在" 就可以

有時真的,不去听課完全不知道書在講什麼
所以听課重要 (別走堂, 除非prof真的太廢)

所以 如果
天時 (時間好, 天氣好, 自己精神好, 有時間)
地利 (位置好, 沒人吵, 沒鑽地工程聲等等 )
人和 ( 沒人煩你)
天地人都好的時候
讀書, 何樂而不為呢 !

看不看related part , 這個很難講
例如我說 : 難道考試不會考加法 ?  那麼難道你不用去溫習 加法 ?
當然你的確不用去溫習加法, 因為你已 99.9999% 熟
我是用"加法"來說明
有時是需要看related part

問題是, 到底related part有幾relate
這個很難講

我這裡試過
prof講了一大堆electronics的東西
結果只考electrical circuits
electronics只考了一題

即是說
"把自己的workdone投入會考的東西" 回報最大
"把自己的workdone投入不太會考的東西" 回報少
"把自己的workdone投入絕對不會考的東西" 沒有回報

不過,如果是postgrad
  "把自己的workdone投入會考的東西" 回報最大大大大
  "把自己的workdone投入不太會考的東西" 回報大大大
  "把自己的workdone投入絕對不會考的東西" 回報不會太大

我想說的是
中學生會感覺小學考第一 簡直就沒什麼了不起
因為 難度才重要

同樣,  GPA看的是 :  愈難愈看重
level 1 course佔分很少,  level3才多

即是說 就算 year 1幾風光, GPA爆4 ,  year 3炒的話就一定死
相反, 絕對有人year 1 普通, year3才出頭
  這很正常

學術,  絕對是長跑
只要一直努力, 分數絕對成正比
不能不會那麼早就看得出, 可能要一點時間
因為有人是"慢熱型"

就好像 :  square root x , x , x-square
在 0至1時, square root x 最大
不過在 1之後, x-square 增長得最快
難道可以用 0至1的值去講 square-root 增長得最快?

再者 x-999999次方, 在 x>1之後 增長得更更更快
不過 同時也在 0至1時時增長得更更慢
難道x-999999次方 "不厲害" ?

所以, first hon 怎樣拿?
最簡單, 3年都努力

year 1努力, 不過拿不到高分? 沒問題
>>> "因為那些分是要加在year3的科身上" <<<

year 3 course一個 A, 已經可以等於year one course 幾個A

你應該明白我的意思
-----------------
最後, postgrad的東西
你 太 早 問
1. 不知道你GPA (雖然我反對應試主義, 不過GPA也別太差...)
2. 不知道你research interest (這個可能會變)
3. 你background knowledge太不夠 ( micro ,device, system, digital, control, info, communication, material, em, photon 你應該都不知道)

當 1,2,3都有時
你再問我[/quote]
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

我和其他人的對話9

原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-10-24 12:11 AM
引用:
有關power

等我說一些外人不知的事給你知

現時呢, 中電也好 港燈也好, 香港電廠也好, 德國電廠也好
總之, 全世界, 現時的 電力系統是 "中央制"

用電錶去測量用電量
之後, 會有些人(識統計學的人), 去
"估用多少電"

若果估少了, 停電, 結果恐怖到不用想像
若果估多了, 儲電, 不過儲藏容量有極限, 萬一估錯太多, 就生產了廢電
電廠就白白浪費錢
首先, 估電那個人,  估錯當然就大獲
不過呢

那個人有電廠數字, 他是不可能走人的
因為他知道了這個商業秘密
所以, 電廠會保留他, 當然, 錯得太離譜一定炒
也當然, 電廠會有手段去防止有人刻意入廠之後再估錯數走人, 用這個方法去偷資料

簡單講, 電廠會 "高薪保人"
我有個師兄, 電廠給他20萬一個月
那麼高人工, 當然, 因為他PhD, 而且專PowerE
他一PhD那天就給澳洲挖走了
有錢到全家移民去澳洲

現時呢, power E人 是最高人工的行業之一
之後會更高
為什麼?

因為, 現在這個 "估電, 再由中央發電"的方式
就快要變

我有個Prof, 搞太陽能發電板, 告訴我
因為 太陽能發電板 開始可以"平"

工程, 物理, 數學 是一個漸變

數最完美
數學家生活在完美的世界
什麼都不用reject
只是擴大個area就可以

物理呢
要根據"物理現實"
不可以反抗, 有時要reject一些solution
例如計到個length是negative, 當然要reject

工程更麻煩
要乎合"物理現實"
還要可以乎合 "現實"
"現實"是什麼呢?
就是錢
大把方法可以有飛行器, 可以令人飛
不過, 太貴

電腦15年前, CPU 100MHz 可能要一萬元
現在呢 ?
"commercialized"
Engineering和Physics的最大分別就是, 要講 "optimization"
用先進的方法, 令到部機
價錢愈來愈平 體積愈來愈小 等等就愈好


我想說什麼?
我可以告訴你
如果你有看paper的習慣
你會日日都發現新大陸

現在呢, 已經有 :

一張紙那麼薄的電腦
局部氣溫控制
模擬真實
真正的3D立體影像投射
2D圖像3D化 (是真正的3D化)
腦波控制
等等

問題是
they are not commercialized !
Because it is too expensive !!

只要當有人想到一些方法可以令他們更快更平
就可以commercialize , 可以 "普及"
平板電腦就是一個例子
------------
回到正題

為什麼電力系統會大變?
因為太陽能發電板 就快可以commercialize

太陽能發電板一 "普及", 就會由 "中央式發電" 轉變做 "分配式發電"

到處都 "分配式發電"的太陽能發電板
結果, 需要大量 powerE的人
(當然, PhD Level, undergrad的 power E根本就低能)

我之前說過, 有電廠數據的人 , 不太容易走人
因為, 那麼多薪金, 而且是穩定的工作
傻瓜才走去做商業間諜
結果一做就做一世

-----------------------
有關選科

基於"愈辯愈明", 我會一直challenge你有關選科的問題

我想說的是
不知道你知不知道, Mechanical Eng 搞什麼?
搞機械? 的確, 機械工程是搞機械
不過呢, 這已是N年之前的事
搞機械已 搞到變 研究力學的數學

反而愈來愈多人搞 流體力學

首先, 流體力學 算是modern physics
而且, 流體力學的分支, 微流控 microfludics
一樣超精彩

可以搞到 "泡泡之內有泡泡之內有泡泡之內有泡泡....."
更可以搞到 令一些泡泡到 "指定地點" 之前, 怎樣也不會爆 (這個很厲害)
總之就一樣超勁超精彩, 而且這一科發展潛力極極大
http://weitzlab.seas.harvard.edu/gallery.html
(click video去看看)

問題是, 這個完全乎合你所講的point, 那為什麼你不選 MechanEng要入EEE ?
原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2012-11-17 07:16 PM
引用:
原始短消息: 據你所知
[quote]據你所知 civil , mechanicl 同electrical會較少涉及probability(queuing theory
)
而bse 就會涉及probability(queuing theory)
2.Information, signal related 就更加涉及??

因為我d 數同m2成績突出(5星-5星星) 但就係probability較弱
大學Engine M1 M2都需要
什麼Engine都需要Probability
一定會有probability讀 / 一定要讀

最多需要的應該是電的Engine : Information, Communication , Control, System Engineering

老實講Probability很有用
極有用, 就算不好也不要怕

再者, 你如果要讀Engine,
不可能逃避Probability
一定會有
----------------------
不是嚇你, 基本上M1所有Prob/Stat都是必需
例如Gaussian, Poisson Distribution
再上去會出現多變數Prob/Stat, 多重分佈等等
之後會有Chi-Square, Linear Regression, Estimation, Expectation等等

當然, 大學會由頭教. 也不用怕沒有M1

-------
Prob/Stat 的用途多多, 例如手機訊號接收是一定要有Stat的計算

當你收到訊號之前
你可以分別出 哪個是訊號, 哪個是noise嗎?
不可以!!
因為如果你可以分別出 訊號和noise
那麼不就表示你"已經接收"到訊號了嗎?

基於 "接收到訊號之前不能分辨哪個是想要的訊號哪個是noise"
所以要用prob/stat

至於Queuing, 略high level, 我不多講[/quote]







原始短消息 (回覆)
來自: Automaton
發送到: Automaton
時間: 2013-7-27 12:57 AM
引用:
原始短消息: MECH2407-Multi-variables calculus and PDEs
[quote]HELLO 又係我呀
我之前打算簡兩科數做free elective 佢地係
MECH2407-Multi-variables calculus and PDEs
MECH3407-Advanced PDEs and complex variables
佢地等於3yr cohort既engineering math I & II
但最近自己上網serach過往既時間表 我發現如果放太多free elective 起yr2既話 我好大機會defer
我自己基本既calculus (stokes, gauss theorem, line integral) 已經熟左 上年自修到依家
linear algebra就學到去最基本既matrix theory (ei) = (fki)(ek) 同orthogonal functions
所以打算唔讀MECH2407, 直接拎黎讀control
數學我個人就唔覺得有咩問題架喇...  但係signal同control一齊讀會唔會死架?
努力同數學理解能力方面我自問有信心既 但我怕冇signal既知識就去讀control會**
control寫住co-requisite 理論上可以同signal一齊讀 但我對EEE既course認識唔大   所以黎問下你
求賜教
如果你會"狂"搞 以下方向, 就應該讀2407 : Fluid, EM Wave, Transport in blood vessel
不過你認為自己vector cal數好就得, 可以NO Need
2407的PDE其實也只是Fourier Series / Integral 去solve Wave Equation / Heat Equation / Laplace Equation
所以你的"lost"是不大的 (如果你不take 2407的話)

另外control其實有 "4.5" 科 (以下是3year curr的course code, 4year的code 我不知道)
ELEC2205 Control & Instrumentation
ELEC3206 Control System
MECH2018 Dynamics & Control
MECH3004 Automatic control
和最後一半的 ELEC3222 Robotics
我就上晒or sit 晒啦 (我不能take MECH的course,只好sit)
基本上我應該算是我那級take得最多control的人 (因為我只take 3個方向 : EM, Control, Maths)
所以我可以告訴你

1. Control & Instrumentation  +  Dynamics & Control 數不難
Concept 也應該不難
因為我自己有幾招秘技所以我感覺不難, (應該說是易)

2. Control 其實根signal 沒什麼關係
其實如果要講, control co-req. 可以要求有 Electronic device & circuit
因為control & signal 其實都是 "基礎理論" 的科
即, 例如讀數, 基本有 LA, ODE, Vector Cal,
之後可以 研究 更深的ODE (例如最簡單的Airy Equation)
只是你想不想去掘那個方向

即是說呢, control的 基本course, 因為"太基本", 所以會有混雜其他東西
上到去advanced control呢, 基本上就和signal 沒關係
(上到去變Semi-definite programming, Linear Matrix Inequality等等optimization or Calculus of Variation 野 )

所以 沒有signal 是可以讀的

不過科 Control & Instrumentation 是 50% control, 另外50%是很無聊的physics
就是講 Sensor : Temperature sensor, Force sensor, Weight sensor, detector 等等
基本上會用 "actuator" 一個字當晒 sensor / transducer / device
例如會講 thermistor, thermal couple, black body pyro-meter, diode , strain gauge, 等等
我就認為非常無聊 (因為愈讀就愈感覺Physics只不過是不停modeling一些物理現象, very boring)
反而Control Theory就很有趣

MECH 的Dynamics & Control 主要講 Vibration
老賓講Laplace Transform熟就可以derived 到Damped Vibration 3個case
算是elementary control 最難的equation了
另一個難的地方是需要complex variable的Cauchy Index & D-contour & Nyquist Stability
不過Prof Hung好人, 不用考 (如果考,D人連complex integration都唔識, 必炒, 你都知Engg都幾多人數差)

所以 頭2個control course, 你當independent course就得
有沒有signal沒分別, 不會有什麼advanced / disadvantage
(就只是digital control那裡會overlap少少)

至於 advanced點的 Control system, automatic control 就完完全全是 control 野
例如double integrator, linearizer , Kalman Filter
你如果 1.有心向control方向走  or  2.因為喜歡maths course  先take
advanced control不是必須

至於 科robotics, 一樣都是數
基本上
control = ODE + Linear Algebra + Fourier Analysis + Complex Variable + blablabla
即是說control 基本上就是applied maths
所以科robotics就一樣 瘋狂 matrix transformation (4-by-4 generalized homogenous transform )
扭個機械臂扭扭扭扭扭扭5,6個joint之後計KE PE 再Lagrangian mechanics 找個motor supplying force之後control, 而且是double loop double integrator multivariate control
總之就一大堆數

再者, 你可以發現, 搞control 的2,3個大prof
Mech的 Prof. James Lam 和EEE的Prof. Hung 和 Dr. Chesi Graziano
基本上都幾乎是mathematician
因為control算是engineering中最"abstract" 最"摸不著"的東西
和 computational electromagnetics / electronics 那種純粹因為electron 太細 or EM field 摸不到不同
control幾乎是研究 control system的 "measure space"(這個字暫時對你來講略高級, 和Functional Analysis有關)
即是說, control是研究 maths structure, 自自然更加 摸不到
所以最數學
(同樣最數學的signal processing都最少可以有data compression, conversion玩下)

所以呢, 根據你給我的引象
control 你可take可不take
無論take不take都對你的方向 (bio-related device ) 不大影響
你可以把這個考慮放的priority放後一點

除非你現在剩下"take還是不take" 這個問題 (即你其他course selection都done了)
那麼我就會講 : take 啦, 知識面廣D是好事[/quote]

[ 本帖最後由 Automaton 於 2014-8-12 09:57 PM 編輯 ]
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

重要聲明:小卒資訊論壇 是一個公開的學術交流及分享平台。 論壇內所有檔案及內容 都只可作學術交流之用,絕不能用商業用途。 所有會員均須對自己所發表的言論而引起的法律責任負責(包括上傳檔案或連結), 本壇並不擔保該等資料之準確性及可靠性,且概不會就因有關資料之任何不確或遺漏而引致之任何損失或 損害承擔任何責任(不論是否與侵權行為、訂立契約或其他方面有關 ) 。