丁家昕 · 数据科学基础修读档案

课程内容：数据科学全家桶，一个板块都不落。 上课自由度：高。 考核标准：平时+作业+大作业展示与报告。 授课质量：高。大作业会比较花心思并且需要打榜，但这门课选课人并不多所以没有优秀率限制，最后给分也很慷慨，并不会因为打榜排名而拉开分差(均分93，最低89，最高97)。还是很推荐这门课，在大三下是一个很不错的选修课选择！

课程内容：MapReduce、Spark/Hadoop、Graph learning、Recommendation System、Streaming等数据科学常见topic 上课自由度：极高，从不点名，30+的课堂常年就来10-15人左右 考核标准：40%平时+60%大作业，平时作业是基于kaggle提交的一些小project（和CS3602的NLP课程类似），码量不大且GPT友好；大作业就比较硬核了，本学期是在Recommendation on Graph和Graph Edge Augmentation这两个topic里选，评分由report、presentation和kaggle打榜的performance三者共同决定。 授课质量：高。丁老师上课节奏比较舒缓，有时听着有点催眠，但后来写作业的时候回看发现绝大多数知识点都cover得很清晰。有点遗憾的是这学期几乎都没怎么听过课。丁老师喜欢和前排的同学互动，不过答不出来也没什么关系。 打榜制的大作业往往会把小组和小组之间的方法挤成高度同质化，为了提升0.01%的acc狂调参数，显然不是科研应有的样子。不过就**个人**体验而言，助教对于不同方法的探索也是认可的，在report里充分展现自己的工作量，最终的成绩也不会太差（oc提示大作业的平均分为53.04）

课程内容：课程内容对标[斯坦福大学CS246](https://web.stanford.edu/class/cs246/index.html)，MapReduce、Spark、LSH、graph算法（包括GNN）、时空数据挖掘全都梭哈上桌，跟机器学习基本上同等重要，二者相辅相成——不是主仆局，是互相喂招的邪修搭子。 上课自由度：高，从不点名，课堂主打放养，老师还会鼓励前排同学回答问题，前排观众属于随时可能被抽中上麦的幸运观众。 考核标准：10%平时分（给满）等于开局发糖；40%作业（基本上大家都满分）等于中途发糖；50%大作业（较为硬核，本学期可选两道题，一道是基于异质图神经网络的链路预测，一道是大规模图的可视化）才是最后的天雷，选哪道都得硬接。 授课质量：高，老师理论知识很深厚，脑内像塞了座图书馆；但有时候上课节奏比较慢，容易让人分心开小差，魂儿直接开始漂移。