大规模数据处理技术 · 修读回执档案

- 自由度像开了隐身挂，签到占30分，但理论上这签到怕不是只活在教学大纲里，从没见过本人 - 破事少得离谱，五人合搞一篇论文汇报（30分），再加两个平时作业（20分）各自实现课上讲过的数据挖掘算法，相当于让你把知识从PPT里拽出来遛遛 - 期末占20分，全选择判断，难度约等于在食堂挑个菜，老师不打算拿这个卡人 - 给分应该不错，老师课上自己说往年平均分90，这波是提前给心脏上保险 - 综合看下来老师人挺好的，属于那种你不好意思摆烂的类型

课程内容：降维、聚类、推荐系统、pagerank、数据流、联邦学习，桌上一字排开 上课自由度：开局签到签得勤，后来基本改作不签。上课还带点人回答问题，（大概因为太多人当场宕机）几节课过后这份点名好运就只落到熟人头上了。 考核标准：两次作业加组队读论文加期末（20%） 两次作业分别是推荐系统和pagerank，就是把算法基础款请出来打招呼，随手翻个博客都能拷源码的那种。期末组一队啃一篇论文，安排一个汇报和书面报告，页数这事没提要求。 期末卷面全是选择判断，偏好揪概念细节，也不知道自己做得怎么样，但它只占20% 授课质量：内容跟课程名走的是一个路线，如果你干的就是这个方向，课上这套还挺值票价的。提前有点底子的就会轻轻松松，彻底零基础则会跟不上步伐。就应付考试而言，翻PPT复习也就差不多了。 整体来讲任务量在cs研究生专业课里算中等偏少的料，除了期末考复习和小组报告，基本不多占你的空闲。都是研究生了谁还跟给分较劲，这门课只想混个看着顺眼的分数的话，那还蛮轻松的。

课程内容：主打数据挖掘那套法术，聚类降维、本地敏感哈希、协同过滤、PageRank轮番上阵，有的算法难度直接拉满，脑子的CPU当场冒烟 上课自由度：相当放飞，签到了几次，但老师根本不在乎你来不来教室，主打一个随缘修行 考核标准：30%平时，20%小作业，30%论文pre，20%期末，期末清一色判断题选择题，专考PPT上的概念（感觉自己期末错得跟筛子似的，但应该被捞了一手 授课质量：爱和学生过招互动，讲得也有点深，不是那种水课念经流

课程内容：管数据掘金、把推荐引擎烧呀搭啦那一挂话题深挖 上课自由度：自由度很高，没事儿诈一次扫扫码签到作为陪衬。 考核标准：一共两次作业啦，一次重做经典推荐算法，一次重现PageRank家伙活，切过去也没那么难登顶。另设一次pre展示：五人抱团读一篇论文，上要登台炫技加写报告交粮。还有一张总分占住20的考试，阅卷整成正串串联——通通都是选择题概念定夺吧。 授课质量：已经可以给好评，好入口又多到能落到标准一两个实际常演算法。

课程内容：pagerank、协同过滤这些数据处理算法，外加联邦学习，主打一个让你在知识的海洋里呛水但又不至于淹死 上课自由度：高到离谱，偶尔签到，但线上签就行，老师属于是出勤率佛系派掌门人（虽然有两回因为人来得有点少，当场自黑了几句给自己找台阶），随机点人？不存在的，点的都是熟人或者前排那几位老演员 考核标准：期末考试20%，两次小作业（pagerank、协同过滤），出勤签到，再加五人组队pre选论文讲，属于是把平时分和表演欲都安排明白了 授课质量：还行，老师人很好

课程内容：内容丰富，数据挖掘相关内容，量大管饱。 上课自由度：高，偶尔签到，但其实感觉没给啥压力，像老师随手撒了一把孜然。 考核标准：两次作业，一次考试，一次pre（五个人读一篇论文），其实基本没啥事，摸鱼党狂喜。 授课质量：高，反正感觉讲得挺到位的，属于稳。

课程内容：主要是关于数据挖掘的，听名字很有互联网掘金味。 上课自由度：前半学期会签到+课上点名，后半学期基本上只点坐前排的同学，后半段的打卡覆盖面跟前排同学绑定，后排直接透明处理。 考核标准：论文pre+报告、20%的考试、2次编程作业，攒成一桌虽小但五脏中风的满汉全席。 授课质量：差，讲不明白课，期末听他的录播太痛苦了，像做一整个下午的电子冥想，人坐不住脑子还一动不动。