机器学习 · 修读回执档案

讲得确实细，但说句实话多少带点催眠属性，催眠强度参考车载白噪音 不过PPT绝对是天花板级别的，课上掉了魂，课下PPT配合同步回放一套，分分钟把你接回来，不会出现盯着一个防自学型PPT破防一下午的名场面 实例摆在这，给分那是真挺行、挺捞得住的 作业给得确实严，但平时分基本盘还是稳稳几乎拉满，且89.6给我硬捞上了90 ps：老师是人形斯文败类型帅哥那一挂

课程内容：机器学习算法，可能考虑到课程难度讲得不算特别深入 上课自由度：高，最后两节课来下就行，前面爱来不来，主打一个放养式修仙 考核标准：25%作业考勤+25%大作业+50%期末考试 授课质量：非常高，lcz老师人帅心善，做课程项目的过程中给了不少帮助，最后给分也非常非常好，好到我怀疑他是不是偷偷在我卷子上贴了锦鲤

课程内容：机器学习全家桶端上来——回归、SVM、神经网络、决策树、集成学习、降维等等，一桌硬菜，不吃也得吃。 上课自由度：非常高，高到你以为这课是自助餐，结果最后两节课突然掏出签到，属于是自由到最后给你一记回马枪。 考核标准：平时作业（20%），理论+python实践双管齐下，助教改得那叫一个细致，细致到按评分标准一格一格扣，所以别想糊弄，得非常认真地完成。参与分（5%），最后pre那两节课需要向其他组问一个问题，社恐当场表演原地蒸发。课程设计（25%），pre和报告，一个都跑不掉。期末考试（50%），可以带一张cheating sheet，考的更多是算法应用，计算也不复杂，基本不涉及理论推导——听起来像送分，但50%摆在那，你敢裸考它就敢送你走。 授课质量：非常高，PPT清晰得像开了4K，老师人很帅，讲得也很细致，但是纯英文班还是有点困难，建议大家能选中文班就选中文班，毕竟课程内容还是比较硬核的，英文班属于双重debuff叠加。

课讲得好，给分也慷慨，老师还帅，简直是课程推荐区里的三好学生标本，挑不出毛病的那种

课程内容：机器学习全家桶（lr,svm,NN,树类算法,clustering,PCA等），一个不落全给你端上来 上课自由度：高，除了偶尔签到完全不管，属于是放养式修仙 考核标准：平时50%（课堂参与5%+平时作业20%+大作业25%）+期末一张作弊纸50%，作弊纸就是你最后的求生筏 授课质量：很高，每个算法都有从底层逻辑上的解释和代码层面的搭建。虽然英文班专业术语多到像在听咒语，上起来实在有点痛苦，但好在ppt上知识都很清晰明了，理解上基本不会有问题。平时分扣得不多，大作业被队友带飞直接给满了，属于是躺着被抬进终点。但是苯荏比较菜，期末英文卷加上三天五门考试日夜颠倒头晕眼花期末直接寄了，最后总评才刚过线，压线过活的惊险程度堪比走钢丝。总体而言适合想认真学点硬核知识的同学，不适合刷分，能选中文班就还是选中文班吧，英文班就是硬核plus版。

课程内容：高，两个字顶一整页 上课自由度：最后两节课点名，前面随便浪 考核标准：大作业＋考试 授课质量：老师讲的挺清晰的，人也很和蔼（lz因为时间原因英文班，和老师说了后加入中文班canvas，主要是听中文班回放，感觉授课质量挺高的），属于是蹭回放也能蹭回一条血。感觉作为主修不算难（相比于高数中微啥的），辅修的话稍有硬核但很有用，期末主要是考算法理解而不是证明计算（有计算，但是填空，不难），计算只是填空式打卡，理解才是大头。

课程内容：LR+Logistic+SVM+DecisionTree+NN+DeepLearning+EnsembleLearning+Clustering+PCA，报诗流程像武学秘籍目录拉一遍； 上课自由度：扩，开初有人机式出小习题当作打卡名册，往后行走就再没单独点过谁； 考核标准：出勤5+平时作业20+大作业25+期末考50，各员如仪；平时作业差不多全体均满分，给你小差一点下狠心也扣不两下去；大作业这种有师者逐条按尺片来摸分（量表列出相对客观）+自照+队员吹捧互换+小组长谈判相互摩擦，给出来的分与我心头预期合般。期末是大救亡现场直接裹棉抱起！！！！！ 授课质量：远比之前选课社区流言好上过一阵，跟课就能感到认真备课件线，也会围在大作业的选题优化一角聊上一把，尾程作小抄整袋ppt足斤足两不害怕（我留了一份在前任之手里接力，拿去复制也可改改收着）。

课程内容：照上一条抄的，我复读机本机。 上课自由度：松，松得像放假。最后两节课大作业展示你得肉身到场提一次问，平时基本没人查你死活。 考核标准：个人作业20，考勤5，小组大作业25，期末50。 授课质量： PPT全英文，嘴巴说中文，主打一个眼睛出国耳朵留乡。速度不快，重点概念反复念叨好几遍，念到你会为止，够细。 这门课内容铺得跟自助餐一样多，每样只夹一小口，讲原理为主，代码部分基本靠自己啃demo。 作业给分有点抠门，正确率得顶上去，所以别糊弄。作业分理论+代码两块，理论题跟期末长得像亲兄弟。 期末考得细，考的是算法的理解和应用，没代码，题量不大，Cheat Sheet能塞多少塞多少，塞满了才安心。 老师人很好，问啥答啥，邮件回得飞快。

课程内容：机器学习简介、数学基础、线性模型（线性回归、逻辑回归）、SVM支持向量机、简单神经网络（MLP多层感知机）、深度学习（CNN卷积神经网络）、决策树（信息增益、基尼指数）、集成学习（随机森林、AdaBoost）、聚类（KMeans、层次聚类、高斯分布聚类）、PCA主成分分析。这一串念下来不带喘气的。 上课自由度：非常高，从没点过名，想翘就翘（实际上入座率不到50%，座位比人多）。开回放，唯一要求是最后两节课pre时每个人至少对别的小组的pre提一个问题。 考核标准：50%期末（选择、判断、填空、大题，卷面总共50分，能带打印或手写的Cheat Paper）、大作业25%（报告和pre一个10%一个15%，pre是15分钟讲+5分钟QA，10个组左右，占最后两次课，不限上台人数）、考勤5%（基本就是最后两次提问攒的）、独立作业20%（五次左右，题量挺大，有概念题有编程题）。 授课质量：高。孙老师人特别好，讲课也到位。就是这门课对经管学生来说自带门槛，再配上洋文ppt（授课是中文的），尽管孙老师会把复杂概念反复揉碎嚼给你听，可能还是得自己掏点时间消化。

**课程内容：** 顺手甩个百度网盘链接，里面是我自己要来的syllabus： 链接：https://pan.baidu.com/s/10NGfGE5fNNwSbUKG_XKiJg?pwd=ILVU 提取码：ILVU **上课自由度：** 高，只有最后两次课pre点个到，老师还会喊话提醒大伙最后几次别缺勤。 **考核标准：** Final Exam 50% Final exam is comprehensive and lasts 2 hours（可揣一张cheating paper，**计分时基本不大会调整**） Homework 20% 5-6次个人作业（**总共有4天迟交缓期，可分配给每一次作业，但全部用完就下架不候**；作业批改细致且严格，基本就是按最后助教给的作业评分标准执行，该在哪拿分就在哪拿分，少一块是真扣一块……） Project 25% 小组project，一队4-5名学生（用一个ML模型去解决一个相关问题） Class Participation 5% 全勤加课堂讨论定生死 **授课质量：** 高！高到离谱！之前我是个混跟随信工舍友上过他们的机器学习，只能说前者是人工湖，后者是雅鲁藏布江大拐弯……具体啥样，请翻旧贴那篇著名长文《机器学习为什么是神》。 老师讲得也够顶，公式直接在黑板上手推，还要反复确认大家的数学底子跟不跟得上，顺手补了一堆数学相关的基础知识，配套的作业编程实践也安排上了，导致我学完已经能自己调库跑一些简单的machine learning project了，甚至对科研都像开了挂一样有用。 ***www，在这再郑重感谢一下大作业同组的家人们！！！翻签名表发现我是全班唯一一个非安泰的学生，走致远的非限制选修摸进来的（求别盒我qwq），project里理解整不明白全靠组内uu拉我一把，我真的要哭死了！！！*** 顺带给lcz磕一个！！中途因为生病俩homework没赶上，最后竟然还是把我捞上了80 orz **一个重要建议！！！！！！** 我的体感是这课任务量相当沉，考试也不轻松，细得令人发指，不仅要记上课讲的那点细胞级细节，比如各算法的优缺点，还得对一堆算法掰得比较透，比如某个参数拧一下结果会怎么飘，眼看某个模型能设计出什么花样等等。要是想认真钻研机器学习的原理，尤其零基础选手，这门课是真香，**但想拿高分，除非时间极为充裕，或者底子本身就还行，又或者你真的强到不需要帮手，否则压力会像期末周的作业一样堆在天花板上！** lz本身不是学CS的，挺菜，课后作业得花很久很久才能交差。 不过ML真心零基础、平时也没怎么听、期末复习花了十几个小时把lcz的课整重刷一遍、能记的全薅进cheating paper、期末考愣是35+/50了。感觉安泰的同学只要平时作业按时交、认认真真学，90+还有戏的（project+出勤那30分基本都给拉满了）

课程内容：逻辑回归，svm，神经网络，深度学习，集成学习，决策树，朴素贝叶斯，聚类，PCA，一门课把机器学习全家桶打包带走 上课自由度：高，原则上除了最后两节课pre都可以人间蒸发 考核标准：平时作业20，考勤5，project25，期末考试（一张A4cheating paper）50 授课质量：新老师，上课水平不敢恭维，基本就是把ppt一页页朗读。但人很nice，抛问题都会认真详细回答。内容挺丰富，感觉偏重各个机器学习模型的基础理论，实践主要体现在作业里。任务量不小，一共五次平时作业，每个都磨人，但整学期跟下来还是学到了不少。期末偏考算法原理和细节，记得往cheating paper上多塞点货。

课程内容：机器学习内容，范围铺得挺广，属于什么都沾一点的那种自助餐。 上课自由度：高，真高，坐后排基本想干什么干什么，点名？不存在的！！ 考核标准：作业20 考勤5 课程项目25 期末考试50 作业有点难度，会花点时间；课程项目大家都在卷，但老师一般给分不错；期末考试体量很大，不简单，而且就五十分，很容易写不完（不过可以带一张A4小抄） 授课质量：老师讲得一般，照搬ppt，可能是第一次来上课的缘故，不过人很不错

给选这门课要考试的同学一个邪门歪道：cheating paper把ppt上能抄的全抄上，除了公式，各种模型的优化问题、过程中用到的方法、优缺点等等都招呼上，考试时能派上大用场。具体可以参考传承上的往年卷，出题方向差不多，可以按那种模式准备。

课程内容：LR SVM NN CNN Decisiontree PCA 集成学习等方法，机器学习全家桶一次端上来 上课自由度： 高，想飞就飞 考核标准： 25分小组作业 5分签到 20分平时作业 50分期末(不折算，别想着还能给你打折 授课质量： 超级高，老师也很热心，热心到你都不好意思不学

呜呜呜助教小哥哥又帅又亚撒西，每天晚上都要想着他入睡捏——好家伙，别人的机器学习是学模型，这是把助教当成隐藏成就来刷了。

课程内容： 机器学习基本算法的原理和编程实践。理论和keyboard齐飞，作业和coding共舞。 上课自由度： 高，仅最后两次课有签到和发言要求。被放号自由一学期，结尾两场集队加戏。 考核标准： 50%平时（签到+作业+小组项目）+50%期末（半开卷），铺开的路线地图就像提前告诉你：此行山高水长，体力请自行备好。 授课质量： 不好不坏，孙老师是年轻的海归，似乎还未能适应本科的教学工作（未能了解本科生对知识的理解吸收能力），但是还是挺负责的，会在黑板上给出证明过程，平时发邮件问问题也会热情回复。属于"讲台上态度到位、讲台下接收能否对标得上再独立交付了"。 这门课程难度和任务量都很大，平时作业一般两周就会布置一次，会占用很多时间（主要在代码调试上），而且给分严格，有错必扣分；期末考试题量大（50分的试卷硬出了31道题），考察细节多（往往是cheating paper上写不下的内容），难度也不低（需要对基本的算法很熟悉）；课程项目内卷严重，很多组都使用了课程未涉及的高阶算法，但是最后给分还行。总结一下：想上过这课要么你是主/辅修需要、要么浓厚兴趣，胆选纯属自愿给灵魂加课加作业。总而言之，没有主/辅修要求或浓厚兴趣的同学选这门课之前建议再慎重考虑。

yysy，老师的主武器树大概率点在了管科运筹这块，机器学习只能说副手随便挥挥，所以下学期就去教管理科学了。但给分那是真nice，人也是温柔负责型选手，售后体验在线。

课程内容：LR SVM NN CNN Decisiontree PCA 集成学习等方法，机器学习全家桶大乱炖 上课自由度： 高 考核标准： 25分小组作业 5分签到 20分平时作业 50分期末(不折算 授课质量： 超级高，老师人也非常热心，属于售后客服型选手

课程内容：机器学习的基本概念，特征工程，线性模型，SVM，神经网络和入门的深度学习，决策树，集成学习，朴素贝叶斯，聚类，PCA，有数学推导过程（考试要求不高），老师把知识像糖葫芦一样串起来 上课自由度：高，最后两节课签到，之前可以不来，教室就像加油站，来不来都能跑 考核标准：签到5%+平时作业（5次）20%+小组项目25%+期末考试（半开卷）50% 授课质量：高，老师讲得很清晰，清晰得如同教程式呼吸 吐槽：给分还是可以的，不过期末考试题量太大了吧呜呜呜，仿佛在考场上跑马拉松还要求冲刺

课程内容：机器学习，带你从人工智障慢慢理解智能过程 上课自由度：高，只在最后两节课小组pre签到，高到只要你敢不上就能享受一个人的时光 考核标准：平时+大作业+期末，比例隐藏任务 授课质量：期末稍微有点抽象，但老师人很帅，帅也是一种解惑方式。