Harvard CS181 期末檢核與系列收尾：checklist、practice 與 practical 備援

TL;DRCS181 2026 期末（5 月 9 日）能公開拿到的 final checklist、second-half practice 16 題與 final review 66 頁都是 2025 版，涵蓋 Bayes net、EM 等 2026 週表沒有的題目，卻缺 Transformer、VAE、GAN、自迴歸模型。先把 checklist 對上 2026 週表分三類，再用 hw 與 section 補新講題，最後拿 2025 practical 補一次端到端專案。

#harvard #cs181 #machine-learning #final-exam #practical #learning-path

系列: Harvard CS181 逐週導讀 (15 / 16)

Harvard CS181 HW6（四）：Q-learning 玩 Swingy Monkey 與 Embedded EthiCS

🌏 English version

⚠️ 版本：2026 期末日期與週表以課站 schedule（Google Sheet）為準；期末複習材料放在 cs181-web 的 static/，實際打開後全是 2025 版（final review 標頭 CS 1810 Spring 2025，其餘 PDF 產生於 2025 年 5–6 月）。本篇 2026-09-29 查核。

TL;DR

期末本身：CS181 2026 期末在 5 月 9 日（六）下午 2 點，佔 15%；syllabus 寫明閉卷，可帶一張 8.5×11 雙面筆記。
材料的坑：公開的 final checklist、practice、review 都是 2025 版。其中 Bayes net、mixture model／EM 在 2026 週表找不到對應講題；2026 新增的 Transformer、VAE、對比學習、GAN、自迴歸模型則完全沒被覆蓋。
怎麼補：checklist 分成「兩年共有／只有 2025／只有 2026」三類處理；新講題回頭用 s26 hw 與 section soln 自測；想做一次完整專案，就拿 2025 practical 補。

先認清：你手上的期末材料是哪一年

本系列前 14 篇沿著 2026 hw0–hw6 走完一學期，這篇收尾，做兩件事：用官方材料檢核下半學期，再補上 2026 缺掉的 practical。

課站 static/ 底下有四份期末相關 PDF，但目前沒有任何 HTML 頁面連過去，要從 repo 目錄直接開：

檔案	內容	年份證據
`final_checklist.pdf`	11 大主題，每塊分「要知道」「給公式要會算」「不考」	未標年；PDF 產生於 2025-06
`final_practice.pdf`（＋soln）	標題 `CS 1810 Second Half Practice Problems`，16 題	PDF 產生於 2025-05
`final_review_soln.pdf`	複習課投影片，10 大段	標頭 `CS 1810 Spring 2025 Final Review Session`

Checklist 開頭說它「不是窮舉」，要你搭配 textbook、section、hw 和 practice 一起看，還強調期末考的是 conceptual 與 analytical understanding，不是背誦。這句話在 2026 更重要，因為它列的主題跟 2026 實際教的已經不一樣了。

Checklist 十一大塊對上 2026 週表

下表左欄照 checklist 原本的章節順序，右欄對上 2026 週表的講題與 hw。「狀態」是我依週表講題名稱做的判斷，不是官方公告的考試範圍。

Checklist 章節	2026 對應	狀態
1 Regression（含 Bayesian 線性迴歸、posterior predictive）	W1–2；HW0、HW1	共有；Bayesian 部分在 2026 週表沒有獨立講題
2 Classification（logistic、GD、perceptron、Naive Bayes）	W3；HW2	共有
3 Neural Networks & Model Selection	W2、W4–5；HW3	共有
4 SVM	W4 Richer Features、S4 Kernel methods；HW3 kernel 題	部分：2026 週表沒有 SVM 講題名稱
5 Clustering（K-means、HAC）	W9；HW5 分群與 PCA	共有
6 Mixture Models & Topic Models（EM）	無對應講題；HW4 VAE 用到 ELBO	只有 2025
7 Dimensionality reduction（PCA、SVD）	W9；HW5	共有
8 Graphical models & Bayes nets	無對應講題	只有 2025
9 HMM（forward-backward、Viterbi、Kalman）	W11；HW6 HMM 與 Kalman	共有
10 MDP（VI、PI）	W12；HW6 MDP	共有
11 RL（SARSA、Q-learning）	W12–13；HW6 Q-learning	共有

反過來看，2026 教了、checklist 卻一個字都沒提的有：CNN、Autoencoder 與 VAE（HW4）、Transformer、決策樹與隨機森林、對比學習與 GAN、自迴歸模型。

怎麼用這張表：

共有的八塊：直接照 checklist 的「要知道」逐條口頭解釋一遍，說不出來的回到對應 hw。
只有 2025 的兩塊：自學者不必硬啃。2026 期末會不會考，官方材料沒說；如果你要的是完整 ML 地圖，Bayes net 和 EM 值得各花一個晚上。
只有 2026 的六塊：沒有官方期末練習，只能靠 hw 本身和 2026 section soln 自測，下一節會講。

Checklist 也寫明哪些不考，例如 SVM dual 與 KKT 推導、二階最佳化方法、背 conjugacy 公式。這些可以放心跳過。

Practice 16 題怎麼挑

Second Half Practice Problems 的 16 題依序是：HAC、Bayesian networks（兩題）、MDP 建模（電梯）、MDP 的替代 reward 函數、MDP planning（gridworld）、強化學習（SARSA）、K-Means、HMM、mixture model 的平均、EM、PCA、轉換後資料的 PCA、multinomial 資料上的 EM、毛毛蟲 MDP、Everything is a graphical model。

依 2026 週表分組：

優先做（2026 有教）：第 1、4–9、12–13、15 題。HAC 要畫 min-linkage 與 max-linkage 兩張 dendrogram；gridworld 題要做一輪 policy improvement；SARSA 題要手算三步更新。三題都是「給公式、照步驟算」，正好對應 checklist 的第二層。
選做（只有 2025）：第 2–3、10–11、14、16 題，Bayes net 與 EM 為主。

今晚就能做的事：挑 HAC、gridworld、SARSA 三題，限時 60 分鐘不看解答寫完，再對 soln。卡住的題目，回去重讀對應的 hw 導讀。

2025 Final Review：當成索引，不是教材

Final review 共 66 頁，目錄分 Regression、Classification、Model Selection、Neural Networks、SVM、Clustering and Mixture Models、PCA、Topic Models and Graphical Models、HMM、MDPs and RL 十段。它比 checklist 多一層：每段有公式摘要，例如 Lloyd's algorithm 的兩步更新、HAC 的四種 linkage（min、max、average、centroid）。

它最適合用來做那張可帶進考場的雙面筆記：把「共有」八塊的公式抄一遍，再自己補上 2026 新講題的核心式子，例如 attention 的 √d_k 縮放、VAE 的 reparameterization。2025 投影片裡沒有這些，要從 hw 題目自己整理。

2026 新講題：用 hw 與 section 自己檢核

官方期末材料沒有覆蓋的新講題，能用的官方練習只有兩種：

hw 題目本身：s26 homeworks 沒有公開解答，但每題的小題拆得很細。把 hw4 Transformer 題、hw5 SimCLR 與 GAN 題、hw6 自迴歸解碼題各挑一小題，蓋掉筆記重做。
2026 section soln：sections 頁說明 section 講義與解答貼在週表上，檔案在 static/secNN/（例如 S10 解答，標頭 Spring 2026）。S5（NN training and architectures）、S6（Transformers, Autoencoders, Decision Trees）、S7（Unsupervised Learning）、S8（Generative Modeling Medley）、S9（Autoregressive Models and HMMs）、S10（MDPs and RL）都有 _soln.pdf，是新講題唯一有解答可對的材料。

週表第 14 週（4 月 28 日）的講題是 Practical DL / TBD，只是一堂課的名稱，沒有連到作業或講義。

Practical 備援：2025 的 Cable News Clips

2026 成績是 hw0 4% + hw1–6 各 11% + midterm 15% + final 15%，沒有 practical；2025 版則有 practical 6%。hw 都是拆好的小題，practical 是唯一一份「自己決定資料處理、模型、調參，再寫報告辯護」的作業，自學者很值得補做。

2025 practical 說明（Practical 2025: Classifying Cable News Clips，原訂 2025 年 4 月 30 日截止，2–3 人一組）的內容：

任務：只用逐字稿文字，預測新聞片段出自哪一家電視台。資料抓自 Internet Archive 的電視新聞存檔，篩選提到「ML」或「AI」的 2024 年片段。
切分：依時間切，1–10 月是 train.csv，11–12 月是 val.csv，模擬真實預測情境。說明特別提醒類別可能嚴重不平衡。
Part A：兩種文字表示（例如 CountVectorizer、TfidfVectorizer）各配一個 logistic regression，不調參。
Part B1：至少一個不調參的非線性模型（隨機森林、kNN、NN 等），跟 Part A 比較。
Part B2：至少兩類模型做超參數搜尋，至少一個超參數試 5 個以上的值，並說明驗證策略。
報告：3–4 頁，第 4 節要求逐項反思八件事：data pipeline、model selection、tuning、bias-variance、評估指標、領域檢查、設計檢討、部署與倫理。
門檻：建議驗證準確率至少 60%，但方法與報告紮實，沒達到也能拿滿分。另有選做的 Part C（例如 BERT、處理類別不平衡）與 Kaggle 加分賽，test.csv 不附標籤。

資料在 repo 的 practical/data，train.csv 約 22 MB，直接 clone 就能開工。Kaggle 比賽屬於 2025 當期活動，本文沒有查證現在能否提交，自學時用 val.csv 評估即可。

建議做法：期末複習結束後找一個週末，照 Part A → B1 → B2 的順序做完，報告只寫第 4 節八題，每題 2–4 句。這八題幾乎就是整門課的應用版複習。

學完之後往哪走

Harvard 的下一門：Harvard AI／ML 課程地圖說明 CS1820（Planning and Learning Methods in AI）跟 CS1810 不是上下集，而是從 search、planning、games、不確定性切入 AI。Fall 2026 班次在該文查核時只到 A0，沒有可自學的教材。
同級 ML 課換個角度：Berkeley CS189 Spring 2025 的作業與歷屆考題都公開；Stanford CS229 的推導比較重。
往深度學習與 LLM 走：CS181 的 Transformer 與自迴歸解碼只開了個頭，可以接 Stanford CS224N。
往強化學習走：hw6 的 MDP 與 Q-learning 是起點，CMU 07-280 會一路走到 AlphaZero。
找其他課：全球 AI／CS 課程地圖用 A0–A3 標出每門課能自學到什麼程度。

系列導覽

上一篇：HW6（四）Q-learning 玩 Swingy Monkey＋Embedded EthiCS
回到起點：Harvard CS181 導讀總覽
上半學期對照：期中檢核