“数据科学学院的专业课类似于高中时期的理科课程，主要考察学生的计算能力和证明能力。因此，学生需要做的是深入理解课程中每一个定理的推导过程，弄清楚每个定理为什么会产生，以及它的实际应用。

我最重要的学习方法是做纸质笔记，我会在笔记本上为每一门科目记录内容。主要记录的是课程中的每一个定理及其推导过程，同时附上我对每个定理的思考。虽然写笔记看似是一种比较耗时、学习效率较低的方式，但在写笔记的过程中，我会强迫自己熟练地推导出课程中的每一个定理，并在此过程中形成自己对这门课程的独特理解。当期中或期末考试来临时，我不需要再翻阅书本或PPT，而可以直接复习自己之前写下的笔记，从而实现高效的复习。同时，我认为专业课最重要

的是自己是否真正理解了课程的核心内容，因此，自学能力也非常关键。我们不能仅仅局限于课本和教授的PPT，还应当在课外进行更广泛和深入的学习。”

“我认为时间管理的方法因人而异。对我而言，我追求的是高效率。我没有固定的时间规划，而是在每天睡前粗略地思考明天的任务，并在第二天执行之前预设好完成这些任务的时间，以确保提高效率。

关于学术、实习和课外活动的平衡，我觉得最重要的是得搞清楚自己究竟想要什么。以我为例，我追求多元化发展，希望自己未来成为一个全科生，大学四年不仅要在学术上有所成就，还要积极参与实习、科研和社会实践，丰富自己的阅历和社会经验。因此，我对待专业课和通识课的态度截然不同。我认为，数据科学与大数据技术专业要求极强的专业素养和知识水平，所以每一门专业课我都认真钻研。而通识课对我未来发展帮助有限，因此对待通识课我会有一定的取舍。而我将通识课省出来的时间用在参加课外活动方面，从另外一些我感兴趣的社会实践中提升自己。当然，我的方法比较偏颇，大家千万不要效仿我的做法，因为这导致了我专业课GPA达到3.99，而总GPA只有3.84的窘境。

我想表达的观点是，我们必须明确自己想要什么。大学不再是唯分数论了，我们不能像高中那样只盯着成绩与绩点，而是要搞清楚自己的目标与努力的方向，将自己的时间完全投入到奔向自己目标的道路上。在面对高强度的学期和项目时，我会使用艾森豪威尔决策矩阵，将任务按紧急和重要的程度划分到四个象限，并优先解决紧急且重要的事项。在处理任务时，我全力以赴，而在休息时则完全放松，不再考虑任务，以便实现时间的高效利用。”