爱丁堡大学 CS 作业辅导指南：Informatics 系 Assignment 全攻略
爱丁堡大学（University of Edinburgh）的 Informatics 系是全英 CS 顶尖院系之一，在 AI 和机器学习领域尤其享有国际声誉。课程前沿、导师研究背景强，但评分标准也相当严格。
爱大 Informatics 系概况
爱丁堡 CS 课程独特之处在于它深度整合了AI、认知科学和数据科学。本科采用苏格兰四年制（Undergraduate Master's），第四年相当于 Integrated Master's。
成绩权重（四年制参考）：
- 大一/大二：基础课，不计入 Honours 学位等级
- 大三：约 40%
- 大四：约 60%
核心课程与作业特点
INFR08025 — Introduction to Computation
大一核心课，用 Haskell 函数式编程入门，这是让很多有面向对象背景学生头疼的地方。
Haskell 作业基本功：
-- 爱丁堡 CS 要求写清楚类型签名
-- 不写类型签名会被扣分
factorial :: Integer -> Integer
factorial 0 = 1
factorial n = n * factorial (n - 1)
-- List comprehension 是高分写法
primes :: [Integer]
primes = sieve [2..]
where
sieve (p:xs) = p : sieve [x | x <- xs, x `mod` p /= 0]
关键原则：爱丁堡特别强调纯函数（Pure Functions）和不可变性（Immutability），不要试图用命令式思维解题。
INFR11145 — Applied Machine Learning
这是爱丁堡 Informatics 系最受欢迎的大三/大四选修课之一。
典型作业结构：
- Part A：在给定数据集上实现并比较至少两种 ML 算法
- Part B：参数调优实验（Learning Curves, Validation Curves）
- Part C：报告（分析实验结果，解释选择依据）
关键评分点： 爱丁堡的 ML 课程特别注重实验的可复现性（Reproducibility）：
import random
import numpy as np
SEED = 42
random.seed(SEED)
np.random.seed(SEED)
# 使用 sklearn 时也要设置
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=SEED
)
报告里要写明你的实验环境（Python 版本、库版本），让导师能复现你的结果。
INFR09031 — Extreme Computing
这是爱丁堡大四高级课程，讲授大规模数据处理（Hadoop、Spark）和高性能计算。
作业类型：
- MapReduce 任务实现（用 Java 或 Python Streaming）
- Spark 数据分析（DataFrame API + Spark SQL）
- 性能分析报告（比较不同实现的执行时间、资源消耗）
Spark 作业高分写法：
from pyspark.sql import SparkSession
from pyspark.sql.functions import col, count, avg
spark = SparkSession.builder.appName("AnalysisTask").getOrCreate()
# 使用 DataFrame API 而非 RDD（更现代，性能更好）
df = spark.read.csv("data.csv", header=True, inferSchema=True)
result = (df
.filter(col("year") >= 2020)
.groupBy("category")
.agg(
count("*").alias("total_count"),
avg("revenue").alias("avg_revenue")
)
.orderBy(col("avg_revenue").desc())
)
result.show()
result.write.mode("overwrite").parquet("output/")
INFR11182 — Natural Language Processing
NLP 方向课程，是 AI 专业方向的必修/热门选修。
常见作业：
- 用 NLTK 或 spaCy 实现文本分类、情感分析
- Transformer 模型微调（通常用 HuggingFace）
- 语言模型评估报告（BLEU score、Perplexity 等指标解释）
报告写作重点： 不要只汇报指标数字，要定性分析错误案例（Error Analysis）：拿出几个模型预测错误的例子，分析为什么错了，这能显示你真正理解了模型的局限性。
爱大作业提交系统（Learn）
爱丁堡使用 Learn（Moodle 定制版）管理课程和提交作业。
- 多数编程作业通过 Gradescope 提交，支持自动评分
- 报告提交走 Learn，通常要求 PDF 格式
- 苏格兰学校作息时间：注意爱丁堡的 Semester 2 从 1 月开始，比英格兰学校早
- 延迟提交：标准政策每天扣 5%，但申请 Extension 相对容易（需提前沟通导师）
爱大留学生特别提示
**Peer Review 文化：**爱丁堡部分课程有同伴代码互评（Code Review），这在锻炼你沟通能力的同时也会影响你的分数。学会用专业语言给出建设性反馈。
**Coursework vs. Exam 比例：**爱丁堡不少课程 Coursework 比重较高（50-70%），对勤奋的同学相对友好。但大四的部分高级课程笔试比重会上升。
需要帮助？
无论是 Haskell 函数式编程、Spark 大数据作业还是 NLP 报告，学霸留学生辅导 有爱丁堡 Informatics 系的学长学姐提供专属辅导：
