这学期一共四门课程

Radiation Detection and measurement

这门课的内容主要是从辐射的角度，学习了不同波段测量宇宙的方法以及一些核辐射探测技术方法。复旦大学的这门课程给了我很多帮助：http://fdjpkc.fudan.edu.cn/201901/1xlyfsxclzdtjxjc/list.htm

我的学习会相对浅显一点。

Pattern Recognition and Machine Learning

这门课是我较感兴趣的一门。从SVM和perceptron开始，再到贝叶斯分析和判别，非参数方法（KNN&Parzen Window）和聚类方法（Kmeans&hierarchy cluster），最后是神经网络。让我对机器学习的发展历程有了更清楚的了解。SVM和perceptron的对比是重点，他们不同的Objective function和相应的解法影响着他们的运用。

Big Data and AI

这门课除了上学期重点讲过的正则化、梯度下降与反向传播外，了解了dropout以及Boosting method & Bagging method，不过对其集成细节还不够清楚。作业是用H2O的Auto ML和神经网络调参后性能进行对比。Auto ML在Boosting method & Bagging method上的调参似乎比在Deep Learning 上调参效果更好。

Introduction to Planetary Science

这门课是最难的一门。从多个角度介绍了八大行星的特点，内容很多。一部分(火山和陨石)有点像是地质学的其他星球版本，通过地表状态和元素等反推行星形成的过程,另一部分涉及一些行星运动特征(三体与拉格朗日点)。还有反复用到的开普勒三定律。复习时看了《行星》纪录片，一个探测器离开地球到达另一个行星需要十几年的时间，NASA的旅行者一号运行了45年，才到达离太阳150AU的位置，成为最远的人造物体，探测路漫漫。在宇宙的时间和空间尺度下难免感觉到渺小。