E: Vector spaces, basis
T: Linear applications
K: Diagonalisation, eigenvalues/-vectors, triangularisation
N: Quadratic forms
R: Orthogonality, projection
Siia vahele jõudsime ka teha veidi analüüsi, igasugu põnevaid teoreeme tõestada jms. Jäi enne mainimata, et kõige esimese math campi loengu kõige esimese ülesande juures (kui õppejõud poolründavalt tudengite poole pöördus, stiilis "noh, oskate lineaaralgebrat või on siin keegi, kes ei oska?") küsis lektor just mind 150 tudengi hulgast. Kuidagi eriti ehmunult manasin huultelt õige vastuse (pooljuhuslikult), nii et õppeaasta algas õnnelikult.
Kui esimesed kaks päeva olid ehk veidi konarlikud (sest pole kunagi nii formaalselt neid teemasid käsitlenud), siis võtsin end 4. päeva õhtul kokku, vaatasin teemad üle ja tegin endale selgeks. Tegelikult väga basic stuff, saadaval väga intuitiivsete seletustega internetis.
Nüüd on alanud "päris" kool ning minu selle semestri ained on järgmised:
Ökonomeetria (Ruud'i Introduction to Classical Econometric Theory järgi)
Mänguteooria (Gibbonsi Primer in Game Theory järgi)
Dünaamiline optimeerimine (Recursive Methods in Economic Dynamics)
Tõenäosusteooria (Probability Essentials)
Makro (vist Romeri järgi)
Ris programmeerimine
Sissejuhatus SASi
Viimased kaks on puhtalt koodimiseained, kuid väga-väga algelised. Peale ilmselt Eesti parimate õppejõudude all Stata, Ri ning MATLABi tudeerimist on SASi funktsioonide õppimine umbes nagu Photoshopilt MS Paintile üleminek, kuid loengutest ei julge siiski puududa, ehk läheb midagi veel kaotsi.
Mänguteoorias olen kunagi võtnud internetis Stanfordi ülikooli kursuse, nii et olen enam-vähem kontseptsioonidega kursis ning saan ainet nautida. Sama kehtib ökonomeetria ning tõenäosusteoorias, kus oleme küll teada-tuntud teemade uusi tahke lahanud, kuid pea ei ole mõtlemisest veel sassi läinud. Järgmisel nädalal hakkab makro. Siin tuleb tudengitel ise valida, kas nad soovivad makros (ning järgmisel semestril mikros) võtta standard- või PhD rada. Mina valisin viimase ning kuulujutud käivad, et see olevat eriti jõhker. Kuna aga makros on mul ilmselt kõige rohkem kogemust, siis selle aine pärast (veel) ei muretse.
Dünaamiline optimeerimine oli aga juba esimeses loengus masendavalt raske, mul on nähtavasti tuntavad lüngad sees, sest küllaltki palju viidati teoreemidele, millest ma kuulnudki pole. Pidin hiljem peatüki kodus läbi lugema, et loenguslaididele pihta saada ning ka see õpik tundus väga ebameeldiv. Hetkel on see ainuke aine, kus ma pole "vee peal".
Üldse on meie kursusel (+ statistika kõrvalsuunaga) 180 inimest ning peale 1. aastat toimub selektsioon magistri 2. aasta radadesse (kõik tudengid saadavad enda eelistused pingereana). Välja kukkumise pärast vast ei maksa muretseda, 90% tudengitest saavad väidetavalt mingisse M2 kursusesse ikkagi sisse. Minu eelistatuim (PhD-track) kursus koosneb aga 30-40st kohast ning sinna toimub konkurss ka väljaspool ülikooli.
Igal M2 moodulil on oma soovituslikud valikained, mida M1 astmes võtta ning selle kursuse (ECOMATH) kohta öeldi ainult, et võtke nii palju matemaatika aineid, kui võimalik. Registreerusingi mina siis dün. optimeerimisse ja tõenäosusteooriasse ning ilmselt joonistub nendes loengutes välja küllaltki selge pilt nendest inimestest, kes PhD'd ründama hakkavad (loe: 70% on asiaadid). Mulle tundub, et neid on 180-st inimesest kuskil 50-80, kui veel arvestada juurde väljastpoolt tulevad inimesed, siis on konkurents päris korralik.
Kuna pingerida pannakse kokku aga ainult hinnete alusel, siis ei ole muud, kui tuleb ise mees olla ning head tulemused ära teha *insert random motivational quote*
Minu koolikompleksi sisehoov, purskkaev natuke hädine :/
Kommentaare ei ole:
Postita kommentaar