⚠️ 版本與存取：考試日期與配分來自 2026 官方 schedule 與 2026 syllabus。課站
static/目錄下的考試資源版本不一：midterm practice 與 midterm review 標頭是 2025，notation glossary 標 2025 年 3 月 2 日，midterm checklist 與 concept checks 沒有標年份。這些 PDF 可以直接用網址開，但課站導覽頁沒有連結。2026 期中考題與解答沒有公開。
Harvard CS181 的期中考排在第 7 週週二，2026 年 3 月 10 日，在課堂上考。依 syllabus，期中考佔總成績 15%，考試閉卷，但可以帶一張 8.5×11 吋、正反面都能寫的筆記。
這個時間點很特別：HW2 已經交了，HW3 還在做（3 月 23 日才截止）。所以期中考前你寫過 HW0–HW2，HW3 大概寫到一半。本篇不教新東西，只做一件事：拿官方 checklist 對你寫過的作業，找出哪裡是真的會、哪裡只是寫過。
官方 checklist 開頭說得很直接：
"For emphasis: the midterm is not about memorization but will be designed to test your conceptual and analytical understanding."
TL;DR
- 範圍：midterm checklist 分四塊：Regression、Classification、Neural Networks & Model Selection、SVMs。每塊再分「要知道」「給公式後能推」，部分主題另列「不考」。
- 2026 作業的缺口：Bayesian 的 posterior predictive、marginal likelihood 與 SVM 的 hard／soft margin、slack、參數
C，在 2026 HW0–HW3 裡幾乎沒練到。這幾項要靠 2025 review 與 2024 scribe notes 補。 - 使用順序：checklist 自評 → concept checks → 2025 practice 限時做 → 對 soln → 回頭補 section。
- 今晚能做的一步：把 checklist 印出來，每一條旁邊寫下你在哪份作業的哪一題碰過它。寫不出題號的那幾條，就是這週要補的。
五份官方資源各是什麼
| 資源 | 版本 | 內容 | 什麼時候用 |
|---|---|---|---|
| Midterm checklist | 未標年 | 4 大主題，每題分「要知道／給公式能推／不考」 | 第一步，自評 |
| Concept checks（soln） | 未標年 | 7 頁、10 個主題，前 4 個（線性迴歸、分類、模型選擇與 NN、SVM）屬期中範圍 | 快速檢查直覺 |
| Midterm practice（soln） | 2025 | 前面是 2025 Midterm Topic List，接著 11 道練習題 | 限時模擬 |
| Midterm review（soln） | Spring 2025 | review session 講義：Regression、Classification、Model Selection、Neural Networks、SVM | 補觀念 |
| Notation glossary | 2025-03-02 | 課程符號表：X 是 N×D 資料矩陣、p(D; θ) 與 p(D|θ) 分別表示頻率派與貝氏的 likelihood 等 | 看不懂符號時查 |
2025 practice 的開頭特別提醒：這份練習放了很多推導題，但正式考試只會有少量這類題目，其餘是比較不技術性的概念題。所以做 practice 時，不要只練推導速度。
用 checklist 對回 2026 作業
下圖是四大主題與 2026 作業的對應。實線是作業有直接練到，虛線是只在 section 或舊講義出現。
flowchart LR
R[Regression] --> H1[HW1 P1–P4]
R --> H2a[HW2 P1 bias-variance<br/>HW2 P4 ridge + GD]
C[Classification] --> H2b[HW2 P2 生成式 MLE<br/>HW2 P3 五種分類器]
C -.-> S3[Section 3 perceptron]
N[NN & Model Selection] --> H3a[HW3 P2 backprop]
N --> H2c[HW2 P1.7 cross-validation]
V[SVM] --> H3b[HW3 P1 kernel、support vectors]
V -.-> L10[2024 lec10–11<br/>2025 review §5]1. Regression
checklist 的「要知道」包括 bias trick、least squares、w* 的推導、基底函數、ridge 與 LASSO、bias-variance 與過擬合的關係，以及 Bayesian linear regression 中先驗與正則化的關係。
- 練過的：HW1 的 Basis Regression 與 Probabilistic View of Regression and Regularization（在 Gaussian／Laplace 先驗下推出 ridge／LASSO 的 MAP 形式）；HW2 Problem 1 的 bias-variance 分解與 Problem 4 的 ridge 梯度。
- 缺口：checklist 還列了 posterior、posterior predictive、marginal likelihood，以及「給定共軛分布形式時求後驗參數」。2026 課表沒有獨立的 Bayesian 講題，作業也沒練到後兩項。可以補的材料是 2024 lec07 scribe notes（Bayesian model selection）與 2025 practice 的第 5 題 Bayesian Linear Regression。
- 不考：二階或其他進階最佳化方法，以及背誦共軛關係。
2. Classification
「要知道」包括 hinge、0/1、logistic 三種損失的角色，梯度下降的直覺與學習率過大過小會怎樣，perceptron 在線性可分資料上的保證，以及 generative（Naive Bayes）與 discriminative（logistic regression）的差別。
- 練過的：HW2 Problem 2（含 Lagrange multiplier 的生成式 MLE）、Problem 3（共享與分開共變異數的 Gaussian、softmax、kNN），正好對應 checklist 的「給定先驗與類條件分布，處理完整 log-likelihood」與「比較參數式與非參數式分類器」。
- 只在 section：perceptron 與 ROC／AUC 在 Section 3 有練習題，2026 作業沒有對應題目。Naive Bayes 在 2026 作業裡也沒有單獨出題。
3. Neural Networks & Model Selection
「要知道」是 activation function 的必要性、backprop 的用途、cross-validation 與正則化在模型選擇中的角色、NN 做迴歸與分類的差別。「給定資訊後能推」包括手推 backprop、判斷一個小網路能否完成某分類任務、說明架構改動的直覺影響。
- 練過的：HW3 Problem 2 的兩層 sigmoid 網路 backprop 與 forward-mode autodiff；HW2 Problem 1 的 10-fold cross-validation。
- 注意時序：如果你照截止日安排進度，考前可能還沒寫完 HW3 Problem 2。它剛好是最好的考前練習。
4. SVMs
「要知道」包括 max margin、hinge loss、hard 與 soft margin、參數 C 的影響、kernel trick、常見 kernel、support vectors。
- 練過的：HW3 Problem 1 的 kernel 展開、RBF 的極限行為、以及從 dual 係數
α猜 support vectors。 - 缺口：hard／soft margin、slack variables、參數
C這幾條，2026 作業完全沒出題。可以用 2024 lec10、lec11、2025 review 的 SVM 章節，以及 concept checks 第 8、9 題（C的大小與 RBFσ²對過擬合的影響）補上。 - 不考：SVM 的 dual 推導與 Lagrange multiplier 詮釋、手解完整二次規劃、KKT 條件推導。
有一點要誠實說：checklist 沒標年份，而它列的 SVM 與 Bayesian 項目比 2026 課表的講題多。它可能是沿用前一年的版本。考前以 Ed 上當期公告的範圍為準；校外自學者拿不到 Ed，就把這兩塊當作「多準備不吃虧」。
一週複習節奏
- 第 1 天：自評。印 checklist，每條寫上對應作業題號，寫不出來的圈起來。
- 第 2 天：concept checks 前 4 節。只寫一兩句答案，對 soln 看直覺有沒有歪。
- 第 3–4 天：補圈起來的項目。回到 Section 2、3、4 的講義與
_soln.pdf；Bayesian 與 SVM 缺口用 2024 scribe notes 與 2025 review。 - 第 5 天：限時做 2025 practice。11 題不必全做，但至少各挑一題迴歸、分類、NN、SVM。
- 第 6 天：對 soln、做筆記紙。把自己一直記不住的東西整理到那張雙面筆記上，符號對照 notation glossary。
不要做的事：直接讀 soln 當成複習。practice soln 的價值在於你寫完後對答案，先看解答只會讓你以為自己會了。
延伸閱讀
- Stanford CS229 導讀：checklist 大部分主題在 CS229 也有另一套講法
- 世界名校 AI／CS 課程地圖：A0–A3 的分級依據
系列導覽
- 上一篇：HW3 核方法、神經網路與 Scaling Law
- 下一篇：HW4（上）Transformer 從手算到多頭注意力
- 回顧：HW0、HW1、HW2
- 系列總覽：CS181 導讀總覽
參考資料
Loading...