李成璋 · 机器学习修读档案

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

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。

课程内容：机器学习常见的算法，如决策树、神经网络这些。 上课自由度：高，除了最后两节课之外不签到，来去如风。 考核标准：作业+签到+小组作业+期末 授课质量：质量应该还行，但给分低于隔壁孙海龙，隔壁孙哥基本平时分全满，lcz的班作业扣起来就比较狠，小组作业做得不好也会被扣，哥们平时分一共扣了四分多，肉疼。这边建议是选隔壁孙海龙，看看能不能蹭这边的课（老实说我也没觉得他讲得有多好，尤其是中间公式推导那块。。。）反正绝对没有那些满绩学生吹得那么天花乱坠。。。尤其是对商科学生（非电院）来说并不轻松，哥们血的教训别被骗了。。想保绩点还是出门左拐龙哥吧。 老师人确实不错，没有诋毁老师，只是陈述事实罢。

课程内容：机器学习常见模型和算法，从函数一路爬坡到玄学调参 上课自由度：高，最后两节课pre才打卡签到，加上要给其他组pre钉一个提问。 考核标准：5次作业20%+project25%+期末考试50%+出勤5% 授课质量：课程设置系统得像军火库摆好等检阅，从数学基础到回归分类再到各种算法；ppt质量高。老师真的教得好，难的知识被他讲得跟剥橘子一样清楚。平时作业比较要命，特别是编程题，要python基础，有些题一跑就是一个下午，要是还想调参，那daylight就是你的housemate——建议给作业多留时间，不然ddl当日会在机房熬成猫头鹰也未必跑完。。。作业能自己安排4天的延期提交时间，还算人性。期末考很细，只恨没把整坨ppt全塞进cheating paper里。总体：内容实用、教得好、认真学收获大，但费时间、高分要课后额外下功夫。 ps：老师人很好而且很帅！

课程内容：机器学习算法（监督学习、非监督学习），名副其实的赛博健身。 上课自由度：高，签到只出现在最后两节课，前面全凭自觉。 考核标准：五次小作业+小组project+期末考试（50），数字一个不少。 授课质量：高，老师讲得跟开了字幕一样清晰，PPT堪称艺术品。课后得自己消化算法、敲代码，课本身硬核得很，但能学到真东西，选之前先掂量掂量自己的肝。（同班同学的Project卷到飞起。期末考试覆盖面挺广但不往死里深，建议cheating paper多抄点货。）

课程内容：机器学习各个领域，属于是知识大礼包，能者多捞 上课自由度：高，高到你有时候会怀疑自己是不是在上网课 考核标准：小作业，大作业，期末考试，三位一体来收你 授课质量：高，属于是讲得明白的那一挂 作业花费时间比较多，写作业跟还花呗一样，躲不掉的；课程内容丰富，能够学到很多东西，属于是吃到撑那种；期末考试主要考察算法思路以及优化方法，重在理解，对计算要求不高，几乎没有考察数学推导，就是说推导狂魔这次可以收手了，但考前一定要认真复习 T_T

课程内容：machine learning 上课自由度：高得跟没人管的自习室一样，想咋坐咋坐 考核标准：作业+大作业+期末考试50%，三件套往你脸上一糊 授课质量：那叫一个马桶水，课硬得能当砖头使，真拉

分数构成是平时5+作业20+大作业25+期末50，这套配比一摆出来就像游戏开局给你发了一把木剑，然后告诉你最终boss在50%血条那头等你。这门课其实有点硬，最后考起来也很不舒服，属于那种平时上课点头如捣蒜、期末坐下如坐针毡的类型。究其原因是课堂上讲很多理论推导，做题目又没有什么系统性练习这些理论，更侧重于编程，期末考的又是理论，所以有些难绷——这波啊，这波是课上讲兵法，作业练炒菜，最后考试让你空手接白刃。课堂内容来说的话，主流模型都涉及到了，很多证明也很充分，的确可以说受益匪浅的内容，听的时候感觉自己脑内CPU在疯狂散热但确实长本事。大作业的话完全自主，其实工作量不是很大，类似给了你一块自由发挥的菜地，种类随便挑，翻土面积倒不算离谱。日常作业一般一到两题手写的题目外加编程，量也不是很大，属于小口小口投喂。主要还是期末折磨，考得太细了，允许一张cheating paper，复习起来还是很难受，一张小抄就像拿一张餐巾纸去拦住黄河，心态直接融化。老师人很好讲课很细致，个人而言很喜欢。

课程内容：机器学习算法，课上主要给你推原理、上证明，代码实现？不上，作业自己写，属于是师父领进门、修行全靠自己。 上课自由度：高。 考核标准：考勤（最后两次pre来签到就行了）+平时作业（5次）+小组project+期末考。 授课质量：高，但上英文课容易走神，属于魂在天上飘课在耳边响。确实能学到不少东西。但期末恶难，难到像在考场上跟梯度下降一起vanishing。 ——————出分二编—————— 还好老师平时分给得慷慨，不然就寄了。

课程内容：机器学习，听着高大上 上课自由度：高，门是敞开的，心是游离的 考核标准：小组作业，多次小作业，期末考试，三件套齐活 授课质量：老师人好帅——好看到我脑子都跟不上了。但是说实话不太上得下去课，帅不能当饭吃啊，最后中期退了，呜呜，帅是老师的，痛是我的。

课程内容：机器学习算法，从监督式到非监督式，涵盖很广，知识密度大得像把AI全家桶一口气吸完。 上课自由度：高，除了最后两节课不去都行，自由得像旷课界的自由女神像。 考核标准：大作业+平时作业+期末，三项一合体，血量条直接减半。 授课质量：高，老师真的很好，但是建议选课之前还是应该还是要对自己的能力做个预估、、、期末考得稀碎、、、有学积分要求的朋友还是慎重考虑吧，毕竟这门要多花不少精力才能拿到不错的分数，真想把自己选课时候脑子里的水倒出来。。。期末果然寄了，3天5门里夹杂一门这个真的要命。。。

总的来说是一门很好的课。只是对于我这种纯文科出身的安泰同学来说难度真的有点大，属于左脚踩进微积分、右脚踩在证明堆里。 作业给分也很一般，助教扣分是工科水准，写了就给分的安泰惯例在这里好像不存在，改卷那支笔后面站着一整座工科大楼。 这课对电脑配置有一定要求，不然做project的时候带不动代码，那画面尴尬得能抠出一条数据隔离带。 lcz，他真的，我哭死，他甚至不敢直接求导，都要说你看这个除这个，它们都变小但变小得更快balabala……讲特征分解都要从手写矩阵给同学们复习一遍，小心翼翼地试探我们的知识水平，像班长怕踩雷一样温柔。 感觉期末考好烂，明明cheat sheet基本都抄到了😭，相当于带着全书进场还是原地被超度。

考核标准：作业20+project25+最后两次课签到5+期末半开卷50 讲课质量：非常高，老师讲课思路跟高速公路一样直，ppt也简洁清晰，有些具体证明部分不在ppt上，会当场手写细致讲解，像在开小灶。 机器学习对我来说有点难度，尤其是数学推导证明那块，经常第一次听怀疑人生，得课后缓一缓再思考。作业是计算+python，计算有难度，但能帮人更好地理解算法，属于痛并快乐着。 最后两节课是总结+project汇报。期末考试主要考察算法理解、描述和计算，基本把讲过的内容全覆盖了。 另外，本来期末占55，project占20，后来出分调整了一下，变成期末50，project25，看得出老师希望我们成绩高一些了，总体这门课各方面都很不错，值得加入选课豪华午餐。

具体内容见下面短评，这门机器学习入门课，含金量高到我都想给它磕一个。 补充一下bg：本人cs大二，兜里揣着一点深度学习基础，结果进来还是发现能薅到不少东西，属于是带着干粮进宝山，出来还是撑着了。 老师是新来的，讲课水平英文水平双双在线，PPT做得也很能打。作为电院学生，我愿称之为能压电院一众机器学习或者ai入门课程一头的存在。 当然，期末考试也是有点东西的，得把概念和算法嚼得比较深才行（比如填空题第一题直接让你手算PCA，对概念的考察还得有点往外延伸的本事），体感均分在70~80左右。尤其是和信工朋友一对比，朋友给的评价是，比他们机器学习课程的考试难度高出去不少。（考卷在交大传承上available） 作业可参考开源：https://github.com/Junyi42/BUSS2505-MachineLearning

### 《机器学习为什么是神》下 上半部分咱们把计算物理钉在耻辱柱上，数完了它犯下的滔天大罪。现在，请全体起立，迎接神的封神榜：神凭什么凌驾于计算物理之上，他身上到底藏着哪些值得我们跪着抄笔记的美德。 首先是神的忠诚 - 众所周知，机器学习这门学科的灵魂就是调包加调参，堪称学术界的Ctrl C加Ctrl V。但在这门课上，代码？不存在的。你眼前只有各个模型的实际应用、数学表示和参数的物理含义，纯得像刚蒸馏出来的机器学习原浆，忠诚于机器学习真正的本质，一口调包的杂质都没有。 然后是神的节制 - 机器学习作为热点方向，近几十年枝繁叶茂，fancy的模型和应用遍地跑。但这门课愣是不为所动，没有为了所谓的演示效果去蹭那些话题，而是在机器学习的每个子领域点到为止，硬生生在深度和广度的钢丝上走出了一个劈叉。这就是神独特于其他课程的"节制"！ 神的慷慨 - 我们都知道，每个机器学习模型背后都藏着深意，有的过于形式化，有的数学过于复杂，在其他资料里经常被一键跳过。但这门课明明只有每周3课时，却能挤出时间给最优化和概率解释等内容，这不叫慷慨叫什么，这叫知识界的共同富裕！ 神的勤奋 - 神不仅在课堂内容上碾压一众课程，平时作业也卷出了优越性。不是照葫芦画瓢根据伪代码实现算法，也不是调个包交差完事，神的作业要求我们运用课堂所学知识，在超参数本身定义的基础上，对照实际运行结果解释这些关联背后的原因——这便是神的勤奋，逼着你把知识嚼碎了咽下去。 神的温和 - 学期三分之一的时候，老师安排了半节课小组讨论，还挨个跟各组交流。哪怕我们选定的大作业内容离谱得能上天，老师还是给我们提了好多行之有效的建议。除此以外，我还有幸有一次机会在课后跟老师交流了一篇CNN应用的论文，在他的点拨下，我对文章工作的疑虑一下子就解开了。这便是神的温和！ 神的谦逊 - 大家都知道，机器学习最终要落到应用上，课程最后一周半就是各组展示项目的时间。有些组用现成的数据集和课上讲过的模型，我们则是自己爬的数据，模型还是RNN等课上压根不涉及的。老师对RNN生成模型并没有过实操，但他在Q&A环节提的问题依然高质量，并且也不太为难我们。这就是神的谦逊！ 神的节俭 - 接下来是考核标准和给分一事，总分包括作业20%、平时5%（签到和提问）、大作业25%和考试50%。我们的大作业我自认为缺陷一抓一大把，但老师对扣分非常节俭，竟然给了我们满分！这样的神，怎能不被大家爱戴呢？

课程内容：机器学习打地基，顺手往深度学习（CNN）那边探个头，属于是刚学会爬就被拽去看飞机图纸。 上课自由度：放养型，前面都不点名，偶尔几节课要按小组落座，像临时被安排进婚宴的拼桌。 考核标准：作业+project+考试+课堂参与，最后两次课大家pre的时候得提问一次，逃不掉的社交税。 讲课质量：讲课和作业设置都挺能处，唯一的精神内耗是project每个小组得从头手搓一些机器学习算法，最后考试还挺难的，难到怀疑人生但我没说它不合理。 p.s. 我是零基础选的这课，每周砸进去的时间是真不少，属于是拿命在补票。