※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課： 110-2
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 孔令傑教授
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相 關) 資管系選修
δ 課程大概內容 很多以前的心得文都有寫了，這裡直接附上今年syllabus：
https://imgur.com/a/DOKBtu3 （好像要下載下來才會看到完整三頁）。
Ω 私心推薦指數(以五分計) ★★★★★
課程內容：★★★★★
老師助教：★★★★★ 回覆速度快又充滿熱忱XD
加了Loading進去考慮後的推薦指數：★★★☆（不完全是因為課程內容的緣故，原因下
收）
η 上課用書(影印講義或是指定教科書)
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. 管理科學：作業研究與電腦應用，陳文賢、陳靜枝。
μ 上課方式(投影片、團體討論、老師教學風格)
採用翻轉教室，先看完上課預錄影片，寫好Pre-lecture Problem(s) 後（通常是三題但
只計一題的分數），禮拜一去正課寫Lecture Problems（6 ～ 10題）。遠距之後正課也
變成線上，老師偶爾會用WebEx隨機把大家分成小組討論Lecture Problems，的確有過討
論，但通常大家都很害羞or不敢獻醜or還在努力解題，所以沒人說話。影片和正課都是英
文教學，因為疫情緣故後半學期都封校，所以Final Presentation也是線上進行。
σ 評分方式(給分甜嗎？是紮實分？)
Pre-lecture: 10% （約莫12次）
Assignment: 15% 三次
Case Assignment: 15% 兩次
Final Project: 30%。要繳交proposal，presentation slides，written report並要上
台報告（oral presentation）。
Final Exam: 30%
ρ 考題型式、作業方式
這篇 #1VJbI_WG(NTUcourse) 寫得非常詳細！謝謝t大，我就講一些差異和主觀經驗。
這篇的Lecture Problem就是我所說的Pre-lecture，我一開始會全寫，因為它的難度或觀
念理解是漸難，但通常是最後一題要算分，我有時候會從頭寫下來以檢視自己有沒有理解
透徹，如果太累了就只寫最後一題。
Assignment 的形制沒有什麼改變，我通常要花 4 ~ 5小時寫，會另外和組員們花1小時討
論答案和流程，如果有code又要花額外1小時左右寫（用Gurobi或heuristic，這學期沒有
AMPL），材料（數字、formulation、圖表）都集齊時就要用LaTex漂漂亮亮地排版了，
這個步驟通常要花掉10小時來回雕琢（掩面痛哭）。
Case Assignment：2次，我這組是4人一組，CA1和CA2都是做parallel machine scheduling（
類似job-shop scheduling）CA2更進階一點要自己寫heuristic然後每組比較objective value
並以優化程度評分，還要寫benchmarks和數據分析，個人覺得算是很有挑戰性的。
Final Project：略。
Final Exam：開書考，老師說「會盡量以簡單的方式出題」。題目也的確很明確（
意思是看了就知道要用什麼步驟、不會拐彎抹角想破頭），最後一題比較難我好像被扣了
快一半。
接下來就是講一下含Loading推薦指數3.5星的部分，我們組感情還不錯，但合作經驗使我
感到五味雜陳XD。有一位從一開始就問題百出，但竟然最Final Project才發現他不會寫
Python，讓他負責書面但每次他寫完我都需要爆修才能交出去。某次CA在最後3小時還發
現整組數據都出錯，書面＋數據真的是修到天昏地暗XDDD。更慘的是忙活到晚
飯也沒吃地修好交出去之後，隔天馬上要開始看下週影片和寫Prelec，整個快要PTSD。沒
啦開玩笑還是很喜歡OR，只是這堂課組員要慎選，覺得不行要當機立斷地拆夥，如果做不到事先洞察組
員能力或是性格比較心軟，就要有隨時幫忙處理多餘工作的心理準備。
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
加簽好像是全簽，要事先登記一個Google表單。出席率的話，老師是說正課可來可不來（不算出席，Lecture Problems也不計分），但我每次都會參加
，因為有人帶著寫題目了解得更快。Prerequisites除了微積分、線性代數是老師有特別
標明的，另外會用到一些演算法相關概念（圖論，DP…），如果修過資演再來修會更上手
。個人覺得喜歡／擅長數學邏輯的人應該會學得超開心（我滿喜歡只是我數學實在下手）
。老師人超好，問一堆問題都會給超詳盡的回答。感覺很多外系生來修，管院、經濟系甚
至數學系都有。我個人也是外系生。
Ψ 總結
就如老師常常自嘲的「你們之後八成也不會用到OR」，我之後應該真的不會用到OR去做什
麼排班管理，但這堂課的核心主題：最佳化問題、Gradient Descent、Lagrange
Multipliers我以前對它們的數學一知半解，現在能重新認識一次感覺很好。修完的感受是
「非常充實，某些能力好像變強了」。
放一下分數和等第。
Pre-lecture Problems: 9.x/10
Assignment: 第一份7x，後兩份近滿分
Case Assignment: 兩次平均約86
Final Exam: 91.5/105
Final Project: 90.xx
Final Letter Grade: 堪堪擦邊的A+
Final Grade分佈：A+: 22, A: 25, A-: 21, B+: 4, B: 6, B-: 3, C+: 2, C: 0, C-:
2, F: 1