张拳石 · 机器学习修读档案

课程内容：确实爹味很重，其他还好——仿佛进了课堂就自动被拉进长辈群，天天收到“为你好”的链结。 上课自由度： 考核标准： 授课质量：

课程内容：六个讲义+可解释性方向的介绍，听着像拆盲盒，拆开是讲义六连击。 上课自由度：还行，主要每节课都要签到，但不小测的话，canvas上签也没问题——主打一个线上签到线上自由。 考核标准：期末考试50%+小测平时分作业分50%，两半对砍，谁也别想跑。 授课质量：高

不知道为什么感觉楼里跟开了修罗场似的戾气很重 我个人体验下来张老师讲得挺好的 而且我也是期末周才疯狂补回放（平时基本没咋去） 讲道理如果交大专业课都这质量，我那个不去上课的好习惯根本养不出来 最后考试的话，感觉难度也不大，而且和勾画的重点对得上

课程内容：从最最基础的线性回归---支持向量机---正则化---神经网络---强化学习---数据处理（降维，可视化）---再混点老师自家研究的可解释性内容啥的。往好听了说，这是一门相当正经的机器学习入门课，不搞水上漂，推导管够让你明白自己为什么会摔；往难听了说，这推也推得太猛、还有点玄乎（谁让人家研究方向就是可解释性呢），学起来压力山大，一个单元要是漏个一两个知识点，讲台上在念哪段经你就已经跟丢了。 --------- 上课自由度：除了必须签到，其余一概随缘。 ----------- 考核标准：我们这届破天荒头一回要考试。作业+quiz+签到（50%）+期末考（50%） --------- 授课质量：中上，论肚子里那点知识我是信张教授的，可论讲课，张老师大概是有点没摸清我们真正的实力。。。

六份讲义涉及的部分比较全面，逻辑也比较清晰，但授课上确实教不得法，在PDF前指指点点，很少有同学能跟上思路，第三四周就完全不知道自己在听什么了。 建议大家提前把讲义打印出来，上课边听边画，效率能好一些，课后速通回放至少能听懂他要讲什么，哪块是重点强调过的地方。 会画重点，但不是重点抽背的形式，需要一定理解，从内容和考试上对新手不是很友好。 讲义是自编的，啃西瓜书和斯坦福网课基本没用，不是大佬不建议自学哈~ ———————————— 出分后更新，给分不咋地，平均分85.56，最高有100分，看起来考试阅卷上应该没捞（19个选择题占了接近60分）

听他上课侃大山，聊聊人工智能、可解释性啥的，还怪下饭的，但一到正经讲课本内容，就像白开水泡饭，平平淡淡。

上课PDF是没逻辑的，看它等于在翻一本被人洗过的扑克；讲课时东一锤西一棒的，主打一个拆迁式授课；签到是一次不落的，逃课是不可能逃课的；划重点是嘴上说重点身体不给重点的；考试是和课堂内容无关的，宛若期中考了个别的星球的知识。6

666，这波评价简短而震撼，几乎是把全文说完了

课程内容： 上课自由度： 考核标准： 授课质量：签到狂人，感觉他来上课就是为了集齐所有人的签名，召唤神龙。

课程内容：模型分类、SVM、神经网络、回归、PCA、tSNE之类的。 上课自由度：每节课签到。课上回答问题有加分。 考核标准：这学期没有考试。一共6~7次课上小测（题提前公布，可以背好答案去课上默写），4次小作业（不难），1次大作业（提前一个月放，工作量比较大，期末周写这个还是很坐牢的）。小作业给分很友好。大作业工作量够，给分不会太低。 授课质量：高。拳石是真的想教会我们推导，但课上就听懂比较难。我自己需要课后看回放才能懂。

课程内容：linear model, SVM, Kernels and Regularized Learning，神经网络，PCA/t-sne， Reinforcement Learning，主打一个从线代滑雪到强化学习漂流。 上课自由度：低，老师随时不定时点人提问，像开盲盒点谁算谁，每堂课还有不定次数的canvas签到，签到就跟刷新按钮一样，随时可能蹦出来。 考核标准：原本有每两周一次的小测，因为疫情，这学期的考核变为4次小作业+大作业+纸质推导作业，疫情一来，考核就跟重组家庭似的重新拼盘。 讲课质量：一般，能感觉老师水平很高，但讲课有点东一榔头西一棒槌的感觉，对基础一般的同学不太友好。而且助教回复的态度很不好，架子比较大，问个问题感觉得像先递帖子。