Zaliczenie grupy kursów składa się z dwóch części: zaliczenia laboratorium i kolokwium końcowego.

Zaliczenie laboratorium:

Na laboratoriach studenci prezentują rozwiązania zadań z list przygotowanych do kursu. Rozwiązania obejmują implementację, otrzymane wyniki oraz – jeśli jest wymagane – sprawozdanie.
Rozwiązania wszystkich zadań powinny być samodzielnie opracowane przez studenta.
Dla każdej listy określone będą zadania, których realizacja jest warunkiem jej zaliczenia. Warunkiem zaliczenia laboratorium jest zaliczenie wszystkich list zadań.
Dla każdego zadania określona będzie liczba punktów do zdobycia. Liczba punktów przyznana za rozwiązanie zadania zależeć będzie od jego jakości i kompletności.
Prowadzący może zażądać modyfikacji oddawanych kodów źródłowych oraz zadawać pytania sprawdzające, czy student opanował zagadnienia związane z prezentowanym rozwiązaniem. Odpowiedź studenta na zadane pytania może mieć wpływ na liczbę punktów uzyskaną za rozwiązanie.
Za rozwiązania zadań oddane w terminie uważa się rozwiązania oddane najpóźniej na zajęciach określonych jako termin realizacji danej listy.
Liczbę punktów uzyskanych za rozwiązania oddane po terminie realizacji, ale nie później niż do końca kolejnych zajęć, mnoży się przez 0,5. Za rozwiązania oddane jeszcze później student otrzymuje 0 pkt.
Terminy realizacji list zadań ulegają przedłużeniu o okres usprawiedliwionej nieobecności. Okres ten może ulec przesunięciu w trudnych przypadkach losowych (prowadzący ustala ze studentem indywidualny termin).
Końcowa punktacja z laboratorium jest sumą punktów uzyskanych za rozwiązania zadań z list. Łącznie na laboratorium można uzyskać 60 pkt.
Punktacja z laboratorium nie podlega poprawianiu po zakończeniu zajęć.
Kwestie tu nieustalone określa prowadzący laboratorium.

Prawa autorskie
Odpowiedzi na kolowkium oraz rozwiązania zadań na laboratorium, których autorstwa prowadzący nie może ustalić (przypadek, gdy studenci porozumiewają się w trakcie kolokwium bądź przedkładają rozwiązania zadań o identycznej formie), nie mogą być punktowane i są traktowane jako „brak odpowiedzi” / „nieoddane zadanie”.

Ocena końcowa z kursu
Końcowa liczba uzyskanych punktów jest sumą punktów z laboratorium (L) i z kolokwium końcowego (K), powiększoną o liczbę punktów z aktywności (A) na ćwiczeniach, tj. P=L+K+A.

Warunkiem koniecznym zaliczenia grupy kursów jest zaliczenie laboratorium. Wówczas końcowa ocena wyznaczana jest w następujący sposób:

P	< 50	≥ 60	≥ 70	≥ 80	≥ 90	≥ 100
O	2.0	3.0	3.5	4.0	4.5	5.0

Ocena celująca jest przyznawana z inicjatywy prowadzących w przypadku wyjątkowych osiągnięć studenta.

Bardzo często pojawiającym się błędem językowym (ok. 95% prac) jest używanie słowa ,,ilość'' w nieodpowiednim kontekście. Słowo to jest zarezerwowane dla opisu rzeczy niepoliczalnych, jak przykładowo ciecze. Mamy zatem np. ilość wody, mleka czy masła (tu w kg). Jeśli opisujemy węzły, bajty, czy inne policzalne rzeczy (izomorficzne z podzbiorem liczb naturalnych w skali makroskopowej), powinniśmy użyć słowa ,,liczba'' (w szczególności: liczba liczb pierwszych jest jak najbardziej poprawnym określeniem).
Dobrym nawykiem jest, aby w miarę możliwości nie zamieszczać obrazków czy tabel o ciemnym tle, żeby nie tracić zbyt wielu zasobów przy okazji drukowania.
Ponadto, gdy zamieszczamy jakieś załączniki typu: rysunek, obraz, tabela, rycina, algorytm, to dobrze jest je podpisać (np. caption w LaTeXu), czyli zrobić zwięzły opis tuż przy załączniku, wraz z podaniem nazwy i numeru, np. ,,Tabela 3. Wyniki zapytań ping dla wybranych serwerów wraz ze średnim czasem odpowiedzi i ich odchyleniem standardowym. Liczba prób=40, wielkość pakietów=64B.". Potem można się bezpośrednio odnieść do danego załącznika (tak zwane referencje), aby było jasne, na podstawie czego wnioskujemy (czasami poszukiwanie źródeł wniosków bez odpowiednich referencji zajmują ponad godzinę na jedno sprawozdanie, a bywa, że wcale takie źródła nie istnieją).
Jeśli przytaczamy zewnętrzną wiedzę, warto dodać cytowanie (albo chociaż informację w stopce). Przed umieszczeniem takiej informacji, warto najpierw sprawdzić, czy na pewno jest ona prawdziwa, poszukując w wielu niezależnych od siebie źródłach. Bywa, że niektórzy wnioski opierają o nieprawdziwe informacje.
Państwa sprawozdania opierają się na pewnych badaniach. Z jednej strony mogą być one postrzegane jak eksperymenty fizyczne, jeśli otrzymywane wyniki się za bardzo nie różnią. Część wyników otrzymywanych przez fizyków jednak jest akceptowana przy okoliczności błędów pomiarowych. Jednak zazwyczaj, a priori, zakładany jest maksymalny błąd pomiarowy urządzeń mierniczych. Urządzenia można kalibrować i otrzymywać małe średnie błędy. Jeśli jednak otrzymujemy różne wyniki i nie mamy znaczących błędów pomiarowych, to należy zastosować podejście statystyczne. Wiele osób przyjmuje intuicyjnie coś na wiarę, bo dla paru przypadków się zgadza. Statystyka w pierwszej połowie XX w. była precyzyjną dziedziną matematyki. Przez lata jednak ewoluowała i w szczególności wypączkowała pewną jej odmianę – statystykę opisową – z która przez statystyków-teoretyków uważana jest za nieprecyzyjną. Ta ,,Statystyką dla bystrzaków'' jest próbą zaadaptowania trudnej dziedziny matematyki do zjadliwej dla przeciętnego człowieka postaci. Jednak, by bardzo dobrze posługiwać się ,,slangiem'' statystyki opisowej, należy wystarczająco rozumieć to co za nią się kryje. Porządne jej zrozumienie wymaga jednak dobrej znajomości teorii miary, więc nie zamierzam się w to tutaj zagłębiać. Bardzo duża część z nas jest pod wpływem utartych określeń, zasłyszanych np. od centrów badań społecznych (które czasem nawet nie zatrudniają statystyków, czy matematyków). Te zasłyszane frazy zazwyczaj posiadają dosyć dokładną interpretację, lecz często są one nadużywane lub źle interpretowane, przez co łatwo tu o wprowadzenie w błąd. Dlatego poniżej umieszczę kilka ogólnych zasad najbardziej podstawowoych rozumowań statystycznych. Liczę, że zostaną one jakkolwiek uwzględnione przy Państwa sprawozdaniach. Myślę, że to też cenna wiedza użyteczna (żeby nie dawać się oszukiwać albo, żeby umieć się wypowiadać w tym języku).
Bardzo często słyszymy określenie, że badanie zostało przeprowadzone na reprezentatywnej próbie. Co to znaczy? Statystyka najczęściej testuje pewne hipotezy. Tak zwane hipotezy zerowe, przy opcjonalnej hipotezie alternatywnej (dopełnieniu hipotezy zerowej). Jest to sprawdzane przy pomocy tak zwanych testów statystycznych. Zazwyczaj rodzaj testu sugeruje jaka powinna być odpowiednia wielkość próby (liczby osób, przebadanych egzamplarzy lub liczby badań). Z reguły jednak zakłada się, że próba ma wielkość minimum 40 (większość testów praktycznie nie działa dla mniejszych, choć istnieją testy desygnowane dla prób o wielkości od 10 do 40). Lecz czy to wystarczy, żeby mówić, że próba jest reprezentatywna? Wystarczy się zastanowić, czy jeśli spytamy losowych 40 Polaków o wiek, to czy będziemy mieć orientacyjną wiedzę na temat rozkładu wieku Polaków? Raczej nie. Próby powinny być takie, żeby po powtórzeniu eksperymentu rozkład próby był zbliżony (w jakimś sensie). W kontekście sprawozdań, wypadałoby, zeby wykonywać zatem sporą liczbę testów (u Państwa często wielkości prób są mniejsze niż 10).
Kolejną kwestią jest rzetelny dobór eksperymentów. Jeśli przykładowo testujemy tylko serwer rządu w Burkina Faso, to jest tak, jakbyśmy ankietowali tylko mieszkańców Niepołomic o ich wiek. Intuicyjnie nie będzie to dobrym odwzorowaniem wieku w całej Polsce (różnorodność źródeł). Podobnie, w sprawozdaniach powinniśmy uzmienniać wiele parametrów, ale na tyle, żeby dało się coś na ich podstawie wywnioskować. Najwygodniej początkowo zmieniać jeden parametr jednocześnie. Istnieją metody, które pozwalają uwzględniać nawet wszystkie parametry naraz (tak zwane modele analizy wariancji ANOVA), lecz to wymaga dodatkowej wiedzy.
W poważnej statystyce nie ma nigdy mowy o przyjmowaniu hipotez. Można co najwyżej nie odrzucić jakiejś hipotezy (zerowej) na jakimś poziomie ufności (najczęściej 95% lub 99%) albo ją odrzucić. W pierwszej opcji, test statystyczny pokazuje, że z prawdopodobieństwem co najmniej wynoszącym poziom ufności, hipoteza (zerowa) się potwierdza dla danej próby. Mówi się wtedy, że nie ma podstaw do odrzucenia hipotezy zerowej. W kontekście naszych sprawozdań sprawa wygląda nieco inaczej, bo najpierw wykonujemy badania, a potem stawiamy hipotezę (którą powinniśmy dopiero przetestować), ale tutaj nie czuję potrzeby powtórnego zawierania tego w sprawozdaniu. Ze względu na to, że nie operują Państwo w znacznej większości dobrą wiedzą statystyczną, to nie ma sensu wymagać poprawnego testowania hipotez zgodnie ze status artis. Natomiast będę wymagał, żeby w przypadku, gdy ktoś chce odrzucić jakąś hipotezę, gdy może ona się wydawać prawdziwa (tzw. błąd I rodzaju), to żeby poparł takie stwierdzenie wystarczająco dużą liczbą prób. Czyli jak mamy jakieś wątpliwości, to róbmy znacznie więcej prób. Podobnie, gdy chcemy zatwierdzić poprawność hipotezy zerowej, a niektóre wyniki nam nie pasują (błąd II rodzaju), to musimy zrobić więcej prób albo wyjaśnić, dlaczego niektórych danych nie powinniśmy analizować jako tzw. ,,outlierów''. W tym ostatnim kontekście wiele osób nie zauważa, że niektóre zapytania pingiem dawały znacznie większe czasy, zwiększajac przy tym średni czas propagacji oraz wariancję wyników, przez co pobrane dane nie były zbierane w mozliwie jednakowych warunkach. Warto też było sie odnieść jak często się takie istotne odchylenia zdarzały.
Niemal wszyscy badając wpływ rozmiaru wysyłanych pakietów na czas ich propagacji, badali, co prawda dla różnych serwerów, ale zazwyczaj tylko 2 lub 3 przykładowe wartości rozmiaru pakietów. Porządna analiza powinna wykazać dokładny wpływ rozmiaru na propagację (czy jest liniowy, kwadratowy, a może jeszcze inny). U Państwa najczęściej odpowiedzią było, czy wpływ jest, czy go nie ma. A niektórzy wnioskował dla dwóch wartości i wychodziło im, że wpływu nie ma. Dla zobrazownia zamieszczam poniższy wykres:

Figura 1. Wykres funkcji f(n), która zwraca sumę jedynek w binarnych reprezentacjach wszystkich liczb naturalnych nie większych, niż n, pomniejszonej o nlg(n)/2.
Jeśli będziemy testować hipotezę, że wartość funkcji f się nie zmienia, to możemy dojść do błędnych wniosków, jeśli za n przyjmować będziemy liczby diadyczne (potęgi liczby 2). Dlatego trzeba bardzo uważnie testować niektóre hipotezy. Szczególnie, jeśli dotyczą dość specyficznych wielkości (jak MTU czy pakiety o wielkościach diadycznych).
Zwracam się także z prośbą o uważne czytanie treści zadań. Często Państwo zapominacie o fragmencie zadania. Warto przed wysłaniem sprawozdania jeszcze raz sprawdzić, czy jest wszystko, czego potrzeba oraz, czy nie ma literówek lub błędów interpunkcyjnych.
W paru przypadkach było widać, że komuś nie chciało się pisać i niektóre wnioski są wypisane na siłę. Teraz jest czas, kiedy Państwo doświadczają prawdziwego studiowania, czyli samodzielnej analizy problemów. Chyba warto to wykorzystać dla samorozwoju i przyłożyć się nieco bardziej.

Zachęcam również do spojrzenia na podobne, bardziej językowe i techniczne uwagi, przygotowane przez jednego z pracowników Wydziału Podstawowych Problemów Techniki: [PDF].