非官方网站，与上海交通大学及其任何部门无隶属、授权或合作关系。
《课程劳动合同》 · 编号 WYB-KC-CS4304-待补档
甲方：未在公开大纲中说明 · 乙方：未来的你
学院：待核对
待补档课程，尚未归档 · 案卷完整程度 0/10（证据完整度，不是课程评分）
有关部门目前只拿到了封面。 我有剩下的
官方材料未说明成绩比例，本办决定不瞎猜。
证据不足，暂不鉴定。
透明规则：至少3项明确，且闭卷 / 小组作业 / 展示 / 考勤 / 期末≥60%中至少2项成立时，标“劳动条件偏满”；只用官方原文证据，不是难度评分。历史关联教师：2位
刘卫文、郑冠杰
历史关联教师名单，不代表当前学期全部任课安排。共 2 份可公开修读回执 · 本版本 0 · 其他学期/教师版本 0 · 历史未绑定 2
官方告诉你合同怎么写，学生回执告诉你实际经历了什么。
历史未绑定回执 2份。缺少足够可靠的信息绑定到具体学期或教师，因此不强行归属。
暂无足够结构化回执生成课程画像。
历史文字回执仍可正常查看。展示 / 辩论：2份回执中有1份提及
仅代表学生经历，不代表官方规定。历史匿名回执 ·
课程内容： 1 Chapter One: MapReduce and Spark 2 Chapter Two: Hashing 3 Chapter Three: Large-Scale Machine Learning 4 Chapter Four: Dimensionality Reduction 5 Chapter Five: Graph Mining 6 Chapter Six: Recommendation System 7 Chapter Seven: Time Series Data Mining 上课自由度：非常高，点名这种事跟这课八字不合 考核标准：40综述+30平时作业+30大作业 授课质量：高，老师水平的脑袋瓜子跟开过光似的，而且逢代码疑问你去请教准保接住，助教讲代码又清楚又透亮，强烈建议选这门课入坑
学生体验，不是官方事实。评价教学，不评价人格。历史匿名回执 ·
课程内容：大数据算法，七章硬菜端上来——Chapter One: MapReduce and Spark，Chapter Two: Hashing，Chapter Three: Large-Scale Machine Learning，Chapter Four: Dimensionality Reduction，Chapter Five: Graph Mining，Chapter Six: Recommendation System，Chapter Seven: Time Series Data Mining，主打一个知识密度堪比春运车厢。 上课自由度：没点过名，考勤约等于薛定谔的猫，存在与否全靠量子波动。 考核标准： One project programming with presentation: 40% One survey with given topics: 40% Four small coding homeworks & Attendance: 20% 授课质量：高。本人是辅修的，郑老师和助教在我这儿属于知识投喂界的良心卖家，讲得挺不错，但进度后期像被按了二倍速，很多东西我还没跟它混熟就翻篇了。每节课前两节灌知识，最后一节助教现场解码demo，python代码注释详细得仿佛带了保姆。中期搞survey的presentation，期末搞大作业的presentation。大作业和综述因为我做得较水，所以得分也是温吞水一般般般。
学生体验，不是官方事实。评价教学，不评价人格。暂无可公开版本。
尚无可核对的版本差异；不根据年份或评论推测变化。
档案仍然失踪。
公证来源：尚未取得
没有原文证据，不补编事实。