UCB EE16A&B 电路与信息设备系统自学指南：在 cs-self-learning 中从传感电路走向数据预测

导读

本文基于 EE16.md 课程条目展开，面向零电路基础的计算机与电子方向自学者，系统介绍 UC Berkeley 大一必修课 EE16A&B（Designing Information Devices and Systems I&II）的课程定位、A/B 两学期的内容侧重、课程资源分布与配套自学建议。读完后你将明确：这门课解决"电路如何感知物理世界"到"数据如何支撑预测与决策"的完整链路，并掌握在 cs-self-learning 课程地图中为它规划先修与后续衔接的方法。

课程概览

属性	内容
所属大学	UC Berkeley（加州大学伯克利分校）
课程全称	EE16A & EE16B: Designing Information Devices and Systems I&II
先修要求	无
编程语言	Python
课程难度	★★★（三星，属入门友好型）
预计学时	150 小时

这是 UC Berkeley 电子与计算机工程（EECS/EE）系大一学生的入门课程。它不追求让新生立刻掌握艰深的电路分析理论，而是通过电路基础知识与大量动手 lab，让学习者完整体验一条信息处理流水线：从环境中通过传感器收集信息，再对信息进行分析、作出预测与反馈。对计算机方向的自学者而言，这恰好弥补了纯软件知识体系中对"物理世界接口"的认知空白。

为什么这门课值得进入电子基础板块

在 CS学习规划.md 的"电子基础 → 电路基础"小节中，该文档作者给出了明确推荐理由：

作为计算机系的学生，了解一些基础的电路知识，感受从传感器收集数据到数据分析再到算法预测整条流水线，对于后续知识的学习以及计算思维的培养还是很有帮助的。

这句话点出了 EE16A&B 在本仓库课程地图中的生态位：它不是孤立的模拟电路课，而是把电路当作感知与计算的底层载体，服务于后续所有需要接触信号、硬件与数据链路的方向。EE16 与同目录下的信号与系统类课程（如 UCB EE120: Signal and Systems、MIT 6.007 Signals and Systems）构成了电子基础板块内由浅入深的递进关系，详见 docs/电子基础 目录。

EE16A 与 EE16B：两个学期的侧重分工

课程按学期拆分为上下两门，设计目标互补：

• EE16A：侧重通过电路从实际环境中收集和分析数据。学习者从电阻、电容等基本元件与电路定律起步，逐步搭建可采集真实信号的电路系统，理解电压、电流如何携带并传递来自传感器的信息。
• EE16B：在 A 学期建立的传感与采集基础上，转向从已收集的数据中进行分析并做出预测行为，引入更接近"系统智能"的视角，即设备如何利用采集到的信息反馈控制自身、对物理过程建模并作出预判。

这种 A/B 两段式结构，把"感知（sense）— 分析（analyze）— 预测与反馈（predict & act）"拆成了两个可独立评估的阶段，恰好与课程全名 Designing Information Devices and Systems 呼应：信息设备（传感器电路）与信息系统（分析预测算法）两者都覆盖。

课程资源与获取方式

根据原课程条目，资源分布如下：

资源类型	说明
课程网站	EE16A、EE16B 各自有独立课程主页（原文注明了 su20 与 eecs16b.org 两处入口），公布每周 schedule、slides 与 lab 说明
课程视频	可在 B 站直接搜索课程名或 "EE16A / EE16B" 查找搬运录像
课程教材	无独立指定教材，以课程官方 notes 为准，随课程主页发布
课程作业	同步发布在课程主页，含书面作业与 lab 两部分
配套资源汇总	仓库文档记录了 @PKUFlyingPig 的学习资源与作业实现汇总，便于对照自查

远程 lab 是自学的关键资产

原文特别强调了一个对自学者极为有利的事实：由于疫情，该课程所有 lab 都制作了远程在线版。这意味着即便没有真实的示波器、面包板和元件箱，也能通过虚拟仿真/远程实验平台完成动手环节。对不具备校内实验室条件的独立学习者而言，"所有 lab 可在线远程完成"直接消除了硬件门槛，这也是 cs-self-learning 将其列为推荐自学课程的重要原因之一。

动手建议：lab 是课程的灵魂

该课程的价值密度集中在 lab 而非纯理论 lecture。建议自学节奏上至少保留 1/3 以上的时间给 lab：先通读当周 notes 中的电路概念，再对照 lab 说明逐步搭建并记录数据，最后用 Python 完成数据分析与可视化，形成"理论—电路—代码"的闭环。作业与 lab 的官方答案一般不直接公开，可通过文末提到的学习社区资源交流解法思路。

学习前置与衔接建议

• 先修：官方标注无先修要求，数学上不预设线性代数功底（相关数学可并行补强，例如本仓库的 MIT 线性代数 MITLA 与 离散数学概率论 CS70）；编程上课程使用 Python，若完全没写过代码，可先完成 CS61A 或 CS50P 级别的入门训练，会显著降低 lab 中的编程负担。
• 后续衔接：修完 EE16 若对"信息如何在系统中流动"产生兴趣，可自然过渡到电子基础板块的下一层——信号与系统课程（EE120 信号与系统 侧重傅里叶变换与大量 Python 编程作业，MIT 6.007 侧重理论体系）；若对"设备如何自主感知与决策"更感兴趣，则可衔接机器学习入门课程（见 docs/机器学习）。
• 工程角度：从 EE16 中学到的"感知—建模—预测"闭环思维，会在后续 CS61C（机器结构）、CSAPP（深入理解计算机系统）等底层系统课程中反复以硬件形态出现，提前建立直觉非常有益。

与全仓库学习地图的关系

EE16A&B 在仓库中的完整定位可参见 CS学习规划.md 的"电子基础"章节，以及总入口 index.md（英文版）。仓库同时提供该条目的 EE16 英文版，其中保留了更细化的资源链接列表（课程主页、录像播放列表、notes 与作业专区入口），英文阅读无碍的读者建议两版对照使用，以便直接定位到各学期的官方资料页面。

结语

EE16A&B 以"无先修门槛 + 全程可远程的 lab + Python 落地"三大特性，成为跨入电子基础领域性价比极高的一门课。它对计算机学生的真正价值不在于培养电路工程师，而在于用 150 学时建立起从物理世界采集信号到用数据驱动决策的完整心智模型——这正是"信息设备与系统设计"的精髓。结合本文的资源地图与本仓库的课程衔接建议，你可以在纯软件的自学路径上补上扎实的"硬件接口"一课。