陈立 · 机器学习修读档案

课程内容：PPT内容，机器学习+深度学习，主讲深度学习的大概了解，外加机器学习里几个经典款式（EM算法等） 上课自由度：自由，只有canvas签了一次到，还能线上扫码 考核标准：大作业+期末+平时 - 大作业一个是线性回归，一个是RNN识别fashionmnist，全是网上参考一抓一大把的经典款，有余力可以多塞点东西，画几张漂亮图展示下识别错的图片什么的，更容易拿高分 - 期末主要考概念和一些简单计算，今年transformer的含量拉满（甚至有个手算QKV矩阵的），记得带个好用的计算器，最起码能算6x6矩阵，后面三个大题一个是线性回归+正则化，一个是计算QKV，一个是反向传播 授课质量：一般，建议复习直接去抄隔壁班zcy老师的PPT（内容管饱，cl老师的太简洁素得像白开水），后面深度学习那块只需要把思路嚼明白就行，可以去b站刷各种动画演示加深印象，别跟PPT上复杂的公式死磕到吐血。

课程内容：ML（西瓜书）+DL（神经网络与机器学习），不教代码，但有写代码的作业——主打一个理论与实践离婚。 上课自由度：高，没签到，没几个人去。 考核标准：大作业30%，平时10%，剩下期末（全开卷）。 授课质量：听不懂，选择放弃。期末分被狠狠扣了，感觉没什么不会的，但卷面分和另一门基本上都不会的很接近。痛苦痛苦痛苦，疯了疯了疯了。

课程内容： 上课自由度：高，基本没签到，出门就是自由身 考核标准：三次作业每次10分+平时10分+期末开卷60分 授课质量：教材是西瓜书，但第一节课就官宣期末按上课内容考不按书考，讲课也不顺着书走。 为降低难度砍成三次作业，应该比以前两次大作业简单吧。每次包含算法题和编程题，建议先对着python入个门。总体任务量很水。 老师讲了一学期，我感觉完全没学到啥，不怪老师，怪这课坐在一个尴尬的位置上，一路松绑的结果就是它变成了十六周转场的绪论课。课程总结的ppt只有三页，一页是没讲的内容，一页是进一轮自学推荐的参考书和视频教程，由此可见老师真的讲不了什么、也希望我们去自力更生吧，想想还挺无奈。 期末开卷难度不大，内容稍微沾一点熟就行。

老师在声嘶力竭地讲，讲了半天开场白结束发现还没进入正题。讲数学，严谨分析没有，代码实现干脆像被水冲走了，用个西瓜书，很多东西也没说明白，讲的内容还不在路上。下课铃一响，大脑处于一种既有文件又像空文件夹的量子叠加。就这样吧。感觉随便找一本细一点的书自学，都比这堂课的进度条走得稳

课程内容：西瓜书打底，外加老师现切的一些补充料 上课自由度：高，放养程度拉满 考核标准：两次大作业，再配一盘期末开卷考试 授课质量：很水，大作业也很水。期末考的大半内容翻西瓜书或者PPT都能现场逮到，属于图书馆搬运工副本。

课程内容： 上课自由度：高 考核标准：两次大作业配一份开卷期末 授课质量：期末难度不算过山车，稍微临阵磨磨枪，分就不会掉底。

课程内容：西瓜书，一本让你以为自己在学机器学习其实是在看水果种植指南的书。回归、SVM、核、决策树、神经网络、聚类，理论一锅炖，数学公式？有，但少得像食堂里的肉。 上课自由度：高到你可以把它当背景音。 考核标准：作业+开卷期末，就这俩，没了。 授课质量：AI课里的地板砖，天花板是通识课。会一点python和tensorflow就能通关大作业，属于是拿脚都能过的程度。

上课上出文科味儿，乍一看简直是电子系畜生课表里唯一一门沾点人上人仙气的课，结果一凑近，啥也没说 评分参考期末考试和两次大作业 给分一般

课程内容：讲PPT，经典复读机开局 上课自由度：会提问，随时准备点你上台表演 考核标准：两次大作业加开卷期末，开卷听着像放水，实际像开卷考试里翻不到答案的那种绝望 授课质量：一般，不惊艳也不崩盘，属于路过打个卡的体验

课程内容：机器学习西瓜书和老师补充的一些内容，西瓜切开往算法里塞 上课自由度：高，想怎么调节学习姿势都行 考核标准：两次大作业和期末开卷考试，全场自助式输出 授课质量：还可以

课程内容：线性回归，logistic回归，SVM，决策树，集成学习，生成学习，神经网络，聚类，降维，半监督学习，深度生成模型——一口气念下来像报菜名。 上课自由度：无签到，有时有提问，提问来得毫无预兆那种。 考核标准：50%作业，50%考试。 讲课质量：讲得清晰，能听懂，会点出重难点。数学证证明大都省略。授课内容不包含算法实现。 1. 作业 两次大作业碰代码，平时作业里碰代码的部分都是选做。具体要写出来的是线性回归、logistic回归、决策树。具体要调库函数实现的是SVM、集成学习算法、CNN、K-means、PCA。本人以前搞过一些cs项目，也确定研究生会转码，所以平时作业对我这种选手难度不高。除CNN的组队作业外，其余每个半天内就能把代码和报告k完。不过很理解零基础的同学，第一次编程作业有位同学想双击打开py文件，简直像极了第一次接触python的我本人。建议嘛，好好用google和github找DEMO，是省时省力的正当操作。我原来用VS Code写和调试，到了用GPU的CNN作业实在懒得配tensorflow就直接上colab，之后就一直colab了，报告的话就直接交ipynb转pdf的结果。最后平时分98%，毕竟所有任务都出色完成了。 2. 考试 在张重阳老师的评论下有句话：“能够把机器学习这样的课程考试变成纯纯的文科试题也就只有信工这nt专业能做到了”，我深有同感。期末考有些题选自大厂面试题库，至少选择题都在里面。本人压根没准备过面试这种题，结果也证明了本人不适合“文科题”，拿了个77%。感觉是4分一道的选择至少错了3个，挺难受的。我觉得单论知识本身，那就考算法的数学推导；论机器学习在信工的应用，就像当年考cpp一样手写代码，可以调库函数，库函数记不住就考伪代码，或者算法底层实现。我更喜欢这种，但我喜欢的考法不现实。总而言之，期末题型我是认可的，但因为我分数低，我讨厌它。

课程内容：机器学习、AI相关内容外加一些算法思想浅尝辄止。要是你以前没接触过，开头那味就跟听天书差不多。大概得熬到快期末，我才勉强把要学的东西对上脑电波😂。属于那种上课拧螺丝、下课造飞机的节奏。大作业要用python写，熟手的话大概轻松一点。第一次作业就上波士顿房价预测，第二次还得拿神经网络做图像识别分类，反正我的感觉是难。 上课自由度：挺自由的，扫码签到这事到底有没有我忘了。 考核标准：平时10%，第一次大作业15%，第二次大作业25%，期末50%。 讲课质量：中规中矩，讲得还算仔细。就是期末给分不太友好，平时分也严格照占比来算，一分都不往上抬。

课程内容：分类、回归、决策树、卷积神经网络等等。注意，是理论课！我一开始以为是来敲代码的，结果它是个理论课！ 上课自由度：本学期就上过两次线下，不太清楚。线上不要求扫码签到，但偶尔会点人回答问题。 考核标准：10%课堂表现+40%大作业（两次，一次分类和回归，一次图像识别）+50%开卷笔试（考试内容=上课内容≠书上内容） 讲课质量：咋说呢……跟着课听能明白，一下课自己看就看不懂了……大概也许应该的确是我的锅orz 备注：如果你是下学期想选这门课所以刷到了这条点评，我强烈建议你先学一学python！！！我就是python零基础硬上，大作业做得一头雾水，感觉像让小学生造火箭……课上讲的是理论，老师没怎么介绍具体代码实现，自己啥也不会做个大作业就非常烦orz…… 考试内容：题型是选择题（不定项，有可能单选有可能多选）+简答题+计算题+论述题。选择题和简答题主要考概念、性质一类；计算题给数据让你用算法算；论述题就是结合课堂内容和自己的感想，围绕题目谈。

课程内容：线性回归、SVM、决策树等传统的机器学习方法以及一点深度学习，老派功夫加一点点新潮佐料 上课自由度：高，爱来不来 考核标准：两次大作业（分别是sklearn和深度学习）+开卷考试 讲课质量：还行，虽然不是老师的研究方向，属于是硬着头皮上阵 电子系仅有的cs相关专业课，在你交各个机器学习课里面应该是最水的，适合交叉模块选，想摸鱼的速来