沈红斌 · 机器学习与知识发现修读档案

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。