QBUS1040 26S1｜纸笔考试里写Python代码——这门课的考核方式比内容还离谱
📝 Mid-sem和Final的考法
先说结论：这门课 70% 的分数（Mid-sem 25% + Final 45%）来自纸笔考试，全部禁止 AI，而且考试题型包含 Python comprehension 和 Python code questions。
在纸上写 Python 代码是什么体验？你没有IDE、没有报错提示、没有运行按钮。一段代码写错一个缩进就是逻辑错误，但你在纸上根本看不出来。Python comprehension 更狠——给你一段代码问输出是什么，你得在脑子里模拟一个 Python 解释器，逐行跟踪变量变化，然后把结果写出来。
这种考法背后的逻辑是：QBUS1040 不只是在考你懂不懂线性代数，它在考你能不能用代码表达线性代数。而纸笔考试确保了你不是靠 IDE 的自动补全和 AI 的代码生成蒙过去的。
💡 三个Assignment是练习场，两场考试是验收场
| Assignment 1-3 (30%) | Mid-sem + Final (70%) | |
|---|---|---|
| 形式 | 线上提交 | 纸笔手写 |
| AI | ✅ 允许 | ❌ 禁止 |
| 内容 | 计算 + Python编程 | 计算 + 证明 + Python阅读理解 |
| 功能 | 练手 | 验收 |
三个 Assignment 都允许用 AI，每个10%，加起来才30%。你可以在作业里用 ChatGPT 帮你写 Python、用 AI 帮你推导——但这30%的"安全区"结束后，剩下70%得你一个人在考场上手写。
Assignment 1 更特殊：它是 early feedback task，Week 3 就交，覆盖 Week 1-3 加上 assumed knowledge（你先修课学过的内容）。学校用这份作业判断你有没有跟上——如果你连先修知识都得靠 AI 才能做对，那后面7周加速度只会把你甩得更远。
🎬 从向量到优化：为什么这门课的知识是串联的
大多数商科课的知识是模块化的——这周学定价、下周学渠道，每周相对独立，某一周没听课下一周还能跟上。QBUS1040 完全不是这样。
看这个依赖链：
Week 1-2: 向量 + 线性函数
↓
Week 3: 范数和距离（基于向量运算）
↓
Week 4: 聚类（基于距离计算）
↓
Week 5: 线性无关（判断向量组的性质）
↓
Week 6-7: 矩阵 + 矩阵乘法（向量的系统化表达）
↓
Week 8: 矩阵求逆（依赖线性无关的条件）
↓
Week 9-10: 最小二乘法（用到以上全部）
↓
Week 11-13: 多目标优化 + 拉格朗日（在最小二乘基础上扩展）
每一周的内容都是下一周的先修条件。Week 3 的范数是 Week 4 聚类的基础，Week 5 的线性无关是 Week 8 矩阵求逆的前提，Week 8 的矩阵求逆是 Week 9 最小二乘法的核心步骤。
这意味着你不能"选择性学习"。跳过 Week 5 线性无关不是少丢5分的问题——是 Week 8 矩阵求逆看不懂、Week 9 最小二乘推不出、Week 12 拉格朗日更不用想。一个概念的缺失在后面会被指数级放大。
💰 策略：前3周决定你的天花板
这门课最有效的投资窗口是 开学前两周到 Week 3。
| 时间 | 策略 |
|---|---|
| 开学前 | 复习先修课（BUSS1020/DATA1001/ECMT1010）的核心内容，确保向量和矩阵基础没有漏洞 |
| Week 1-3 | 把 Assignment 1 当作自测而不是刷分——如果某道题不靠 AI 做不出来，说明你先修知识有缺口 |
| Week 4-5 | 线性无关是第一个抽象概念，花时间搞懂几何含义而不是只记判断方法 |
| Week 6-8 | Mid-sem 前，确保能手写证明和纸上跑 Python |
| Week 9+ | 如果前8周基础稳，Least Squares 是自然的汇合；如果不稳，Week 9 是崩盘起点 |
Assignment 1 是一个信号灯：如果你不用 AI 能独立完成大部分题目，说明你的先修基础够用，这学期的天花板在 D 以上。如果你离了 AI 就不会做，说明你需要在 Week 4 之前把先修知识补回来——否则 Mid-sem 的纸笔考试会让你无处可藏。
⚠️ 别被"Foundations"骗了
课名叫 Foundations of Business Analytics，听起来是"基础入门"。但这门课的 textbook 是全球线性代数课的标准教材，内容覆盖了从向量空间到拉格朗日乘数法的完整路径。它是"基础"没错——但它是 business analytics 整个学科的数学基础，不是"简单入门"的意思。
课程结尾的 Week 12-13 讲的是 Optimisation 和 Constrained Least Squares，涉及 Lagrange multipliers（拉格朗日乘数法）。这个概念在经济学和统计学的高年级课里都是重点——一门1000-level的课把它放在最后两周教，说明这门课的难度天花板远超"基础"二字的暗示。
