机器学习与知识发现 · 修读回执档案

无敌，闭眼冲就完了，感觉不管是真想学东西的还是纯粹来水课的都能血赚，还tm不卡分。

课程内容：贝叶斯决策、PCA、SVM、GM这些机器学习全家桶，一个都没落下 上课自由度：低到尘埃里，签到这玩意儿它占分，逃课？想都别想 考核标准：签到+4次实验报告作业，期末考试？不存在的，直接跳过这个环节 授课质量：一般，甚至可以说是低。主要原因是课上一路狂推公式，数学密度大到像把人按在黑板前摩擦，讲的内容多到脑子里直接弹窗“内存不足”，后面就听不懂了。而且机器学习这玩意儿大多绕不开线性代数，对线代没学好（或者说到大三已经忘得差不多的）同学来说，不太友好，听课时可能只想找个地缝钻进去。 Anyway，自动化的同学还是很推荐选这门课的。因为3学分，而且参与核心学积分计算。这课的workload其实不算大（有vibe coding，每次作业也就两三个小时差不多能搞定），又没有期末考试，只要老老实实把作业和签到都做了，成绩基本不会差。想拉高学积分的话，还是很建议冲的。

孙老师段位高，潘老师可爱，俩老师撒分都挺慷慨

课程内容：机器学习（SVM，EM，聚类，贝叶斯，PCA，强化学习等）与知识发现（概率图，因果发现，知识推理等）东西比较杂，像开了个全家桶自助 上课自由度：高，老师不管你做什么，但每节课有签到（线上签好像也可以） 考核标准：3到4个平时作业（40%）+2个大作业（50%）+签到（10%） 授课质量：一般，不如自学，属于师傅领进门修行在个人。但大作业做得好的话给分也很慷慨，而且没有考试，喜欢做项目的同学可以选。

**课程内容**：西瓜书，机器学习内容，从瓜田一路翻到算法峡谷 **上课自由度**：很自由，不点名，不来都没事，点名表可能比学生走得还早 **考核标准**：考勤10，四次编程+报告作业（回归20，决策树20，聚类20，svm30） **授课质量**：自动化来水分数或者别的专业当交叉很推荐；想学到东西不建议。（yy老师讲的一般，pxy老师授课纯坐牢，坐得连铁窗都替你舒服）

课程内容：西瓜书大半本，啃瓜专业户。 上课自由度：很高，从不点名。想水的话大部分课都可以当背景音。 考核标准：10%平时分+20%小作业*3+30%大作业 授课质量：还行，认真听能捞到不少东西。 小作业和大作业长得差不多，都是手动（不许直接调机器学习库）搓几个经典算法+实验报告，认真写对理解算法细节帮助不小；想水也能薅到大把现成代码。给分挺好，但注意实验报告占一半的分数，最好当小论文供着写。 缺点嘛，个人感觉老师讲课热情不是很高，同学们也很少认真听，大多在忙自己的，不过还是值一个五星好评。

课程内容：西瓜书，一本让你怀疑自己是不是连西瓜都切不明白的武功秘籍 上课自由度：高，高到你可以在知识的海洋里自由溺水 考核标准：三次codework，一次假装是大作业的codework，自选数据集，**不允许用机器学习相关的库比如sklearn**——翻译一下就是：给你一把生锈的菜刀，让你去米其林摆盘，刀还不能是双立人的 授课质量：能讲明白思路，代码得自己整，推荐有python基础的选——思路给你画好藏宝图了，挖宝的铲子自己带，没python基础的建议先在门口把铲子学会怎么握

课程内容：就机器学习那些基础算法，深度学习讲了点基本网络结构。 上课自由度：极高，去不去随你，直接啃PPT就能学会。 考核标准：期末50%，MNIST大作业30%，出勤20%。 讲课质量：念PPT。楼上说得对，来混交叉的强推，分高事少还能睡个午觉。如果是自动化的……其实水个三学分也挺好的：）

课程内容：西瓜书唱主角吃掉大半，后面进度条撑不住，有些章节直接保送不讲了；深度学习倒是塞了一堆货，CNN、RNN、seq2seq、LSTM，串起来像一大盆火锅那种。 上课自由度：相当放飞，就是後期每节课得下线签到打卡，从野人突然被按上电子镣铐。 考核标准：20%考勤，30%大作业，50%期末考试 讲课质量：一般般吧，坦白讲跟3学分的招牌有点对不上号；主打一个苟学分、修交叉的福音份——没错，本人就是生医工出来的，本来就是冲着凑交叉来逛街的。 老师来自图像所，方向是医学影像、三维重建那挂，所以课中间时不时穿插一把ML在生医上的用法，人挺好的。 第一年开课嘛，有些安排不太规矩也在所难免。期末划重点，重点全在ppt里飘着；群里只有助教一个活人把关，反复念重点，那种恨不得直接把卷子喂到你嘴边的贴脸式划范围。 考前照着重点干啃了一个下午。就最后那道10分的LSTM门结构公式当场哑火（明明看过，就是背不住，呜呜呜呜），剩下的自认为卷面挺好，结果总评也就给了88。 生医工的兄弟姐妹、或者纯粹来混交叉的，这课可以，水得恰到好处，还3学分管饱；真要想装点教科书级别知识的，就不太推荐了。

课程内容：基本上是念PPT，念得比AI语音还稳定，听完感觉知识它滑过大脑，没有留下一片云彩。 上课自由度：后期每节课签到，签到就像突然出现的期末考点，从不缺席。 考核标准：考试+大作业，大作业很水。 讲课质量：学不到什么，不如自己看书学。想水的可以上，给分不错。

课程内容：贝叶斯网络、SVM、神经网络、聚类算法、数据降维——词凑在一起像科幻片片名，看着都挺熟，细问全都不会。 上课自由度：较高，一学期只点名了三次，每次抽部分同学——点名这事全看命，概率比某些分类器复杂。 考核标准：作业三次30+出勤10+期中考试25+期末大作业35，配比精确得像是别人提前算好的卦。 讲课质量：讲课速度不快，这门课主要看自己网上找资料学习，课堂上案例在网上均有详细讲解——也就是你买了个网址回去自学。