“前沿学科系列项目”是上海安与教育科技有限公司与世界顶尖名校合作开展的交流项目。项目围绕前沿学科、交叉学科的发展现状及其应用，为“双一流”高校学生提供学习前沿学科知识、丰富个人履历、提升全球胜任力的机会。
2022年寒假麻省理工学院前沿学科项目由项目由麻省理工学院电气工程与计算机科学系(EECS)、斯隆管理学院(Sloan School of Management) 的全职教授、研究科学家及讲师原创定制，包括【深度学习应用于计算机视觉】【集成电路设计】【机器学习与商业分析】三个方向，共有两百多位来自国内多所“双一流” 大学和国外知名大学的学生参加。整个项目课程学习由麻省理工学院教学团队全程监督，包括课前预习、直播课程、直播答疑、小组讨论、实践指导等，学生需完成难度与课程等级相对应的作业，完成各方向的学习与实践任务，在最终考核成绩达标后可获得项目证书。在为期四周的学习过程中，学生的课程日均出勤率达 96.44%以上，在课堂直播、答疑和论坛提问中，共计有579人次获得提问加分，同学们与授课团队进行了非常充分的交流和互动。
在学生完成项目的学习任务后，我们综合学生问卷调查、微信端咨询问题汇总分析、学生项目学习情况数据、工科莘学习平台数据、麻省理工学院教学团队评价等几方面数据评价， 形成了关于此次项目的汇总报告。希望借此机会，尽可能向合作高校全方面展示项目全貌。也希望合作高校不吝赐教，提出您的宝贵意见和建议，指导我们持续优化项目和服务。
计算机视觉是实现人工智能技术的重要基础，深度学习应用于计算机视觉是学术界和产业界的热点之一。此项目作为历年来最受学生欢迎的项目，在保持主干内容延续性的同时，基于每一学期麻省理工学院在计算机视觉方向的科研、教学方面最新进展、应用和突破，会实时更新教学案例及内容，这一点也受到学生好评。在项目中，学生需要优化神经网络模型，提升图像处理的精细度、颗粒度。
项目主要内容包括：机器学习基础、各主要模型的推导及应用环境、高级神经视觉应用、基于图像表征学习诊断癌症、多模态学习、手术机器人和医疗影像学等。
项目师资包括：
Prof. Suvrit Sra，他是麻省理工学院电气工程和计算机科学系副教授，并成为IDSS的核心成员。他的主要研究方向是将优化、矩阵理论、微分几何和概率等数学主题与机器学习联系起来。他的工作涵盖了优化领域的广泛主题，尤其是在机器学习、统计学、信号处理的相关领域。他正在探索机器学习和优化在材料科学、量子化学、合成生物学、医疗保健和其他数据驱动领域的新应用。
Dr. Alexander Amini, 他是麻省理工学院计算机科学与人工智能实验室（CSAIL）研究员，麻省理工学院深度学习课程的负责人和NSF研究员。他的研究重点是为自主系统的端到端控制他致力于自动驾驶车辆的控制、建立深度神经网络的置信度、人类机动性的数学建模，以及构建复杂的惯性优化系统方面的研究。
Dr. Ray Liao 是是麻省理工学院计算机科学与人工智能实验室（CSAIL）研究员，他主要研究机器学习在临床医学方面的应用。
深度学习应用于计算机视觉方向日程安排
机器学习在商业领域的应用是近年来包括斯隆管理学院在内的各知名商学院的热门研究方向，也是申请人数较多的商科研究生项目之一。有别于传统的商科教学，这门课程的教学内容重点关注数学、统计学以及python/R语言等方面的知识，着重提升学生的数学推导及应用、机器学习模型的工程实践能力。学生将在本项目中。
通过实际案例学习定量投资、风险管理、智能推荐等商业分析技术。
项目主要内容包括：机器学习基础、非线性特征与核方法、回归/概论、监督学习与无监督学习、神经网络、机器学习与个性化设置、商业分析与定量投资等。
项目师资包括：
Prof. Suvrit Sra，他是麻省理工学院电气工程和计算机科学系副教授，并成为IDSS的核心成员。他的主要研究方向是将优化、矩阵理论、微分几何和概率等数学主题与机器学习联系起来。他的工作涵盖了优化领域的广泛主题，尤其是在机器学习、统计学、信号处理的相关领域。他正在探索机器学习和优化在材料科学、量子化学、合成生物学、医疗保健和其他数据驱动领域的新应用。
Prof. Hui Chen, 他是麻省理工学院斯隆管理学院教授、经济金融系主任以及NBER副研究员。Prof. Chen的研究重点是资产定价及其与企业融资的联系。他最近的研究项目包括运用商业周期模型来解释公司融资行为和公司债券定价，分析不完全市场对创业融资和投资的影响，以及探索机器学习工具与经济理论相结合的可能性。
Prof. Alexis Montecinos拥有麻省理工学院管理学硕士和经济学博士学位，他的研究重点是金融经济学、商业分析和实证资产定价。Prof.Montecinos长期担任智利政府的宏观经济顾问，目前他是智利参议院两个委员会的成员。
机器学习与商业分析方向日程安排
集成电路设计项目中，学生将从电子与电路方面的经典理论开始入手，由浅入深逐步深入到该电路电子领域的核心内容，以及在其前沿应用方向——光子集成电路方面的理论与实践。课程主体的部分由MTL教授专门针对中国学生设计，其内容设计的主旨为夯实学生的基础知识，并在此基础上拓宽学生的知识领域。
课程内容包括软件操作，技术应用，以及课题设计等实践性强的内容。在讲义内容之外，为丰富课堂形式，教授团队还创新性地加入了随堂测试，课上小组讨论，针对特定课题的协作，课上答疑与案例研讨，以及软件实操与跟练等课堂形式，确保学生在掌握知识的基础上，习练与强化理论知识与实践技能，并通过答疑对不同学生在学习中遇到的问题提供个性化的指导。
项目作业具有非常强的实践性，作业由Karl Berggren教授设计与指导，学生在完成个人作业过程中需要多借助SymPy进行电路电子编程，小组作业不仅包括需要进行题目剖析与思路陈述性质的简答题，还包括需要用Python进行编程以及用LT-Spice进行电路集成与设计的部分。此处涉及的软件LT-Spice 是基于宏模型(Macromodel)对电路进行仿真的工具，也作为波形查看器与用于原理图捕获。 软件中包括了大多数模拟器件的宏模型，开关稳压器，放大器，以及用于一般电路模拟的设备库。一般用于帮助工程师在设计实际电路图之前，对相关电路完成功能仿真的检验，从而帮助设计者对实际电路功能有一个初步的理解，达到时间与资源的目的。集成电路设计项目的实践部分是由Juejun Hu教授设计，并由Du教授在Tutorial课程部分带领学生跟练指导的形式下完成的。教授将此部分的课题中设置了学生可以代入的情景模式，学生将用课堂上学习的理论与K-Layout软件进行计算与电路布局，从而初步设计与模拟出电子芯片上的光子电路。K-layout软件是一个提供具有生产质量的蒙版布局文件查看器和编辑器， 提供用于生成，处理和验证蒙版布局的开源基础结构。Klayout还提供了基于Ruby的脚本环境，该环境可以执行各种任务，主要在可视化区域中进行，此外，还包含一个宏开发环境，带有调试器与编辑器。其他功能包括DRC, LVS, XOR布局搜索等等。
项目师资包括：
Prof. Karl K. Berggren, 他是麻省理工学院电气工程和计算机科学 系的(EECS)教授，并领导该校的量子纳米结构和纳米制造研究小组。 同时他也是电子学研究实验室的纳米结构实验室主任，以及微系统 技术实验室(MTL)的核心教员。他目前的研究重点是纳米制造方法， 特别是应用于超导量子电路、光电探测器、高速超导电子和能源系 统。Berggren教授有30余年的教学经历，目前在麻省理工学院教 授数字通信、电路与电子、亚微米与纳米技术等。
Prof. Juejun HU教授是任职于麻省理工学院材料科学与工程系的 副教授，同时也是微系统技术实验室（MTL）的核心教员并领导该 校的光学材料研究组。他的研究主题为利用光与物质的相互作用的 新型材料和设备，其中一个重要的内容即为光子集成电路。HU教 授有着丰富的教学经验，他的研究正致力于光子集成电子在生物医 学方面的应用，以帮助新型冠状病毒的诊断与治疗。 本期项目为集成电路设计Tutorial部分提供指导的是Qingyang Du 教授。Qingyang Du教授曾在美国麻省理工学院学习与研究，并 在这里完成了博士学位，他同时是美国光学学会的会员。
集成电路设计方向日程安排
深度学习应用于计算机视觉方向参与学生主要来自包括电子信 息、计算机、机械、自动化等在内的15个专业门类，其中95%专业 来自工学学科，是覆盖工学专业门类最多的课程方向。电子信息类、 计算机类人数分居一、二，分别占比43%与37%，远远领先于排名 三、四的机械类、自动化类专业门类人数占比。其他专业门类占比 基本低于百分之5%。作为学术性、专业性较强的项目，此方向对 学生在计算机、图像处理、信号处理等基础知识上有比较强的要求； 同时，因项目中涉及较多的前沿计算机视觉的应用，也有包括医工 专业、医学图像处理等新兴跨学科专业的学生参加。 随着越来越多的国内高校开设面向本科生的计算机视觉课程， 越来越多的学生具备相关的基础知识，但是项目中前沿应用部分学 生较少接触，这部分内容为他们前序的学习做了很好的拓展和延伸。
机器学习与商业分析方向涵盖包括经济、金融、管理、电子信 息、计算机、自动化等15个专业门类，覆盖经济学、管理学、工学、 理学、法学、文学六个学科大类，是覆盖专业跨度最广的课程方向。 其中，金融学类、工商管理学类、电子信息学类人数占比相同，且 是整体人数分布占比最高的三个专业，都占18%。计算机类人数占 比以14%位居第二。其他专业门类占比基本低于百分之10%。作为 典型的交叉学科项目，参与学生的专业背景体现多元化的趋势，跨 主修专业参与跨学科项目，为后续深造做准备是很多学生选择这个 项目的原因。
集成电路设计方向的学生主要来自电子信息、电气、自动化3 个专业门类，均属于工学大类。其对应的电子信息类专业覆盖高达 95%，是单一专业门类占比最多的课程方向，展现了其专业学科上 的极强适配性。参与项目的学生全部来自各高校的示范性微电子学 院，学生的实力水平、英语能力、学术能力整体上都比较接近，便 于开展小组合作和实践任务。
深度学习应用于计算机视觉方向中，本科生二年级、本科生 三年级为项目的主要参与学段。其中本科生二年级参与该课程方 向人数占比最高，超过了整体人数的40%，是项目参与的核心人 群。在参与学段的年级分布上，包含了从本科生一年级到研究生 一年级各学段，作为最受学生欢迎的方向，深度学习应用于计算 机视觉项目在前沿应用方面的内容具有较好的普遍适用性，即使 学生的专业基础知识因人而异，但是项目的前沿内容对大多数同 学来说都是此前未接触过的。
机器学习与商业分析方向中，本科生二年级、本科生三年级为 项目的主要参与学段。其中本科生三年级参与该课程方向人数占比 最高，超过了整体人数的1/3。本科生二年级学生占比也接近1/3。 在参与学段的年级分布上，包含了从本科生一年级到研究生三年级 各学段，展现了项目方向对于专业学生与跨专业学习者在不同学段 上都具有一定的适应性。
集成电路设计方向中，本科生三年级、本科生二年级为项目的 主要参与学段。其中本科生三年级参与该课程方向人数占比突出， 占项目总人数的6成以上，是项目参与的主力人群。在参与学段的 年级分布上，包含了从本科生一年级到本科生四年级各学段，但是 人数占比都远小于主要参与学段。结合电子信息类专业的培养方案， 一般学生在本科二年级开始学习专业课程，本科三年级时主要学习 专业核心课程及实践，结合项目的难度要求，可以认为项目与特定 学段有较强契合性。
此次项目部分时间与中国春节重合，直播课程总数多，每日直 播量比较大，很多同学是初次接触专业课全英文教学环境。但是综 合项目的每日考勤数据和学生课堂提问数据看，学生保持了非常高 的日常出勤率，课堂上随堂互动人次和提问人次也有一定的基数保 证，课堂交流提问交流的内容也涵盖了项目内容、相关学科、知识 点的行业应用、延伸拓展等多个方面。学生的积极认真参与保证了 项目良好的教学互动性和实践性。 深度学习应用于计算机视觉方向学生出勤率高达95.4%，平均 每堂课上都有近14位学生与能够与教授进行随堂交流互动或提问。 直播课程和直播答疑期间，共有283人次学生获得提问加分，这些 问题涵盖了课程教学相关的内容、公式推导应用、算法模型的最佳 适用环境等多个方面，囊括了宏观到微观的多个方面，所有的问题 都获得了教授的细致解答，确保不漏一人，不漏一个问题。 Lecture 11主要教授计算机视觉的高级应用部分，这是绝大多 数学生此前未涉足过的领域，讲课内容前沿、信息量大，学生对这 个章节提出了34个问题。负责的讲师对所有的问题进行了归纳分类， 在次日的课程结束后特别增加了答疑环节进行了专门解答。 有别于国内的教学模式，麻省理工学院的教师在课堂上非常注 重演绎推导的过程，注重学生的即时反馈。同时，也留足了充分的 空间给予学生自行探索，让学生通过自学完成学以致用的提升。所 以在具体的教学过程中，他们对编程代码实现等部分的内容涉及不 多，这也导致一部分学生在项目前期不太适应，但随着项目推进， 伴随着更多的提问交流和实践项目指导，学生也能逐步地适应美式 的教学风格和模式。
在为期四周的项目学习过程中，机器学习与商业分析方向学生 的课程出勤率高达 94.8%，并且学生上课态度认真，每堂课与教授 的互动都较为积极，每堂课上都有5位以上的同学能够与教授进行 随堂交流互动。 项目不仅为学生开设了线上论坛答疑的途径，而且鼓励同学在 课堂中积极与教授交流。由于商科专业的学生具有其特殊性，与其 他两门学科学生不同的是，商科学生更倾向于在课堂中直接与教授 进行互动，而非在论坛上提问。学生在课堂上的提问主要通过在 Zoom平台上的对话框和每节课后的答疑时间进行。这一特点也使 得课堂交流氛围良好，有更多的学生愿意表达自己的观点。 另外，学生提问的内容也十分丰富，涉及到概念理解、具体案 例分析、情境模拟、模型比较等，由此可以看到，学生对课程内容 的学习热情较高。同时，由于教授在课程中经常会增加互动环节， 比如随堂问卷，绝大部分学生也做到了积极回应。机器学习与商业 分析方向的学生整体学习状态积极认真，能够与教授在课堂中产生 良好的互动，学习热情较高。
集成电路设计方向为全部直播形式，课程日程安排紧凑，部分 课程日期与学生的春节假期重合，但学生的出勤率仍然高达 99.12%，由此可见参与学生对本次项目有着极高的兴趣与学习热 情。其次，从学生课堂互动情况来看，每节课平均有5人次以上与 教授进行随堂教学互动，累计有96人次获得提问加分。在直播答疑 课上，平均每次答疑课有10位以上的学生提问，同学们表现出了非 常积极的教学互动意愿。教授们对同学们的提问也进行了耐心细致 的解答，通常都是在完全解答一位学生提问后再进行下一问题。由 此可以看出，学生拥有充分地与麻省理工学院顶级教授交流与学习 的机会，也从侧面反映出教授根据不同学生的问题，为其提供个性 化的指导。
除此之外，参与此次项目集成电路方向的学生有着认真的学习 态度以及积极的课堂表现，主要体现为： 1）学生积极参加小组讨论，在教授进组指导时积极向教授提 问；2）随堂测验参与度与准确度较高，证明学生可以认真听取讲 义的内容并能将学到的知识有效地转化和应用；3）课上与问答环 节的问题内容丰富，且提问的质量高，表明学生是在自身学习及加 以思考后提出的问题。 另外一点值得注意的是，在上课过程中，学生在教授的鼓励下 积极通过zoom按钮与教授互动，及时给予教授课 堂的反馈，以此来帮助教授在讲课过程中对内容的难度与讲解的速 度进行调整，使课程的内容更适合国内学生的基础并更好地帮助学 生掌握该部分的知识，在多数同学对知识内容已经掌握的情况下， 教授也可以适当加快讲解速度，留出时间给学生提问到自己更感兴 趣学习的问题。
深度学习应用于计算机视觉项目共收到有效问卷95份，有效问卷回收率75%以上。 项目生均评分4.47分（满分5分），40%以上的学生给予满分 评价，超过9成学生给予4分及以上评价。
从课程难度、作业难度的反馈数据看，超半数以上学生认为项目的难度设置合理，说明项目的总体设计更加成熟。有16%的学生 认为项目难度比较简单，这些学生主要是具备专业课程基础的高年 级学生。有2成以上的学生认为项目比较困难，在学习中比较吃力， 这些学生主要是不具备专业课程基础的低年级学生或者非相关专业 学生。项目在前期的推广招生材料中，应该对必要的先修课程予以 更加详细的说明。 值得注意的是，对比学生的课程难度评分和作业完成情况，有 近12%的学生通过项目学习后在课业完成度方面得到快速显著提升。
有近7成的学生认为Dr. Amini所教授的课程模块收获最大，这 个模块包括神经网络的经典模型、高级神经视觉应用和图像语义分 割的不确定性等内容，并且结合Dr. Amini的研究方向更新了很多 经典的案例，包括他在2021年发表的学术论文等。很多内容是国 内大学在本科阶段尚未纳入培养方案的。另外，64%的学生认为项 目的实践任务收获很大。表明学生在项目中对新颖、前沿的教学方 法和内容较为关注。超过8成的学生认为项目能够帮助他们丰富个 人履历，提升个人的竞争力。同时，也能够帮助他们了解学科前沿 动态，助力后续深造。尽管受疫情影响，出国留学和考研都面临着 更多的挑战，但是参与项目的高校学生仍然保持了高昂的学习热情。
受访学生对项目提出了很多很好的建议及意见，主要包括增加 对作业的tutorial指导的比例（tutorial的形式一般为教授用实践软 件或平台演示如何完成代码操作、环境配置、模型优化等），对项 目必须具备的先修课程等做更详细说明，以及增加project可选方 向和难度等。 项目的课程教学模式有别于学生熟悉的传统模式，更加注重推 导和演绎过程，对解题方式和公式结果部分讲解不多，默认学生具 备熟练的代码能力能够完成代码操作。但是缺乏对入门及基础层级 的学生的指导，以至于一旦在课程中落下一个章节，后续的学习压 力会非常大。同时，课程节奏比较紧凑，线上小组合作难度和挑战 比较大，直播中英文授课语言存在一定障碍也都是一些学生在项目 中遇到的困难，这也是后期项目应着重进行优化的地方。
本方向共收到有效问卷50份，有效问卷回收率达75%以上。 项目生均评分4.22分（满分5分），超过七成的学生给予4分及 以上评价。
从课程难度的反馈数据看，超过6成学生认为项目难度的设置 合理。有20.4%的学生认为项目难度比较简单，这些学生主要是具 备专业课程基础的高年级学生。另有16.3%的学生认为项目比较困 难，2.0%的学生认为非常困难，这些学生主要是专业课程基础不完 备的低年级学生或者非相关专业学生。
在作业难度方面，超过半数学生认为其难度适中，而认为作业 难度比较大的学生人数较课程难度有明显的增长，占到了学生人数 的32.7%。根据学生对作业难度的反馈，本项目在原定计划之外， 与教授协商，增设了多次针对作业的详细答疑环节，以此帮助学生 更扎实地将所学理论应用到实践当中。有近3成的学生在问卷中表 示，答疑环节对其启发和帮助很大。
超过7成学生表示自己从Prof.Chen的课程模块中收获最大，这 个模块包括机器学习基础、非/线性特征与核方法、回归/概论、经 济分析模型、机器学习与个性化设置等内容，并且，Prof.Chen在 课堂中采用了问卷的形式与同学们交流互动，使学生最大程度地参 与到课堂当中，超过半数学生在问卷中提到该课程生动有趣，有助 于帮助其深入理解课程内容。另外，高达71.4%的学生认为项目的 作业及实践任务对他们的学习非常有帮助。该结果表明学生在项目 中对新颖、前沿的教学方法和内容较为关注，这些形式和内容是国 内本科阶段教学中较为少有的。 在对项目的整体收获方面，超过9成的学生认为项目能够帮助 他们丰富个人履历，提升个人的竞争力。同时，超过半数的学生表 示参加该项目能够帮助他们了解学科前沿动态，提升其专业知识和 学习能力。
学生对项目提供了非常宝贵的建议和意见，近70%的学生认为 项目中应该增加更多对作业和实践项目的辅导，由此可见，教授针 对性的讲解对学生而言非常有帮助，由于教学模式的差异，学生非 常希望在实践性方面得到更多的指导。
另外，有半数以上的学生认为项目介绍中应对课程所需要的基 础知识与技能、作业难度作出更加具体的说明，以便他们更有针对 性地进行项目的前期准备。并且，学生也希望在课前学习模块中增 加更具实操性的案例内容。除此之外，有超过3成同学希望对小组 分工给予更多指导和监督。 由以上问卷结果可以总结，学生对项目整体的评价良好，大部 分学生都能够从各位教授丰富生动的课程中获得对学科更深入的理 解，以及专业发展上的启发。但是由于课程安排比较紧凑，内容和 形式上也与传统授课有所差异，部分零基础和处于入门水平的学生 会面临对数理运算和编程掌握较慢的情况。另外，个人作业和小组 作业的形式较为创新，对学生而言难度较大。因此，后期项目应更 全面地考虑学生基础和课程体验，在项目开始前向学生提供更完善 的学习资料，在项目过程中增加更多针对实践的训练、指导和答疑 环节，并且在小组作业中给予一定的指导，以求在最大程度上帮助 学生掌握课程内容，获得更好的课堂体验。
本期学习项目结束后，项目运营方对学生的反馈情况做了问卷 调查，并认真地收集了学生们的意见与建议。集成电路设计方向所 有学生均参与了本次调查，问卷回收率为100%。以下是学生对本 次项目的反馈与评价。
首先，从学生对课程难度及掌握程度的反应上来看，大多数的 学生（占比为64.3%）认为本次项目涉及的知识体系难度适中，并 且可以掌握其中的60%。另外，大约三分之一（占比为31%）基础 较好的学生认为本次项目涉及的知识体系较为简单并且可以掌握 80%以上的内容。仅有小部分学生（占比为4.8%）认为本次项目 集成电路设计方向的课程难度比较困难，且经过学习后掌握程度较 低。没有同学认为本次项目集成电路设计方向的课程过于简单或过 于困难。 由此可见，本次项目集成电路设计方向的课程内容适合学生的 知识体系水平，大部分学生可以通过课程掌握主体的学习内容，并 且课程中仍有一部分拓展性的知识对学生有一定的挑战，学生不能 在上课过程中完全掌握，因此需要学生课后复习，观看课程回放， 如仍有不能解决的难点再带着问题向教授或助教提问。
从学生对作业难度方面的反馈来看，超过半数以上的学生认为 作业难度适中，可以在教授讲解思路或组员讨论下完成。另外有近 三分之一的学生认为本期项目集成电路设计方向的作业比较简单， 可以依照自身的能力完成。仅有少部分学生认为本次的作业内容比 较困难，需要在教授或助教的协助下才能完成。另外，没有同学认 为本次作业非常简单或完成非常困难。 以上数据说明，教授为此次项目集成电路方向课程设置的作业 难度适应学生的知识水平，大部分的学生可以依据自身能力或在指 导讨论下完成，同时作业对一部分同学来说存在着挑战，需要在对 知识体系查缺补漏后才能完成。在对学生的深入调查中学生也表示， 在作业的完成过程中得到了知识的拓展，加深了对软件操作方面的 强化和实践应用能力。
与此同时，调查问卷统计了学生认为本次项目集成电路方向课 程中最有收获的部分。从众数分析的结果来看，超过半数的学生 （占比为52.4%）认为在Prof. Berggren指导的LT-Spice软件实操 跟练环节最有收获。该部分具有对软件操作以及电路设计的实践性， 教授带着学生手把手跟练的同时重视学生在实践过程中遇到的问题 并及时予以指导，在调查结果中也反应了学生对项目实践性的学习 要求，以及在实践中取得的收获。 此外，有50%的学生认为自己在Prof. Berggren指导的问答环 节中最有收获。在这一环节中，Prof. Berggren解答了学生感兴趣 的学习问题，特别是拿出了一整节问答时间回答了学生们最感兴趣 的集成电路，射频电路与光子集成电路的区别，并在后续问答环节 中为学生推荐了这一部分的经典学习材料。并根据学生的反馈在这 一环节中对讲义中未覆盖到的知识内容进行补充 。从这一部分可以 看出本期项目的教授关注学生的反馈，并在问答环节针对不同学生 遇到的学习问题为其提供个性化指导。 另一个学生普遍认为收获颇丰的课程部分为Prof. Hu模块中的 讲义内容。Hu教授在此部分设计的课程内容有很强的前沿性，注 重学生知识领域的延伸与拓宽。同时教授在讲义部分加入了对Klayout软件的操作方法的讲解以及光子集成电路的前沿应用。学生 对这一部分的积极反馈也证明了项目满足了学生群体对学习内容前 沿性的要求。
在针对学生认为的项目收获为自身带来的积极影响的调查中， 81%的学生表示参加此次项目有助于丰富自身经历，提升后续深造 申请时的竞争力；有76.2%的学生认为MIT的教学模式有助于拓展 与完善自身的专业知识体系，并得到整体学习能力的提升；另外有 69%的学生认为参加此次项目有助于帮助其了解和学习学科的前沿 动态，对今后的求学计划与职业发展有一定的启发。 本次调查问卷收集了对于此次项目的亮点总结与优化建议两个 开放性问题。调查结果如下图所示，学生认为本期项目的教授备课 与授课的态度认真负责，在问答环节耐心讲解，有问必答；并且在 课程内容上有完整的知识结构，具有前沿性，可以拓展自身的知识 范畴；除此之外，课程具有很强的实践性，可以从头开始学习相关 软件的实操与应用，在小组讨论与完成作业的过程中也使自身的实 践能力得到了强化。 最后，学生对项目的未来优化提出了以下几大方面的建议：1） 希望增加课时数以涵盖更多拓展方面的内容；2）希望在光子集成 电路模块加入更多对基础知识部分的讲解以形成与第一模块的过渡； 3）项目中提供了丰富的课前预习材料，但由于部分学生认为自身 自主学习性较差，因此希望得到更多对预习材料的指导。
结合学生问卷反馈、微信咨询反馈、师资反馈等方面的信息，我们 将持续从以下几个方面进行项目的改进和优化工作。
Ø 对项目必要的先修课程、基础技能要求进行说明，优化prelearning学习包 这部分主要包括对项目教学大纲、教学计划中会涉及到的专业 软件和日程等做更详细的说明，方便学生在项目前理性选择； 同时对基础技能要求、先修课程要求予以更加明确的说明，方 便学生进行项目前的准备。在项目的pre-learning阶段，除了 目前提供的材料外，还会增加先修课程的经典教材、项目实操 案例的project demo练习和往期学生的学习体验分享，以便学 生更好地完成项目的准备和调整，能够更快地适应项目节奏。
Ø 提升Tutorial Session比例，增加个人Project练习项目 学生在问卷中反馈项目的小组实践任务project对他们来说是项 目最大收获之一，但是考虑到项目教学模式与学生熟悉学习模 式之间的代沟，应当增加Tutorial Session的比例，帮助学生更 快更好地适应新的节奏。同时，在不增加学生考核难度的前提 下增加一些个人Project Demo练习项目，让学生有更多的机会 沉浸式的实操项目案例。
Ø 各模块内容衔接上合理安排课程难度过渡 每个项目由2-3个模块组成，每位教授负责一个模块的教学指导。 教授一般会在第一堂课对课程整体的内容以及其他教授会负责 的模块做一个简单回顾，这样能避免课程要点重复，但是在具 体实施中，仍存在有待优化的空间，比如集成电路方向模块二 的难度比模块一明显提升，机器学习与商业分析方向模块三内 容的拓展应用案例与模块二结合不够紧密。这些问题我们将同 教学团队反馈，确保在后续的项目中作出调整，让各模块间不 但有序衔接，同时难度上也能做到比较好的过渡。
Ø 合理增加休息时间，项目日期尽量避开节假日 不少学生认为项目的时间比较紧凑，同时恰逢春节，未能有足 够的休息时间保障。后续也将合理规划项目日程，尽量协调教 学日避开国内的重大节假日，确保学生劳逸结合。
详情可关注微信公众号：理工留学服务中心（微信号：tyutliufuzhongxin）