机器学习 · 修读回执档案

课程内容： 上课自由度：高，要签到会提前在群里吼一声 考核标准：开卷期末60平时10作业30。今年期末题量大到离谱，不定项选择题一个题能横跨四个章节的内容，简答题更是手都写冒烟了，不知道明年考试怎么样。平时作业做错会扣分，不过老师会给附加代码作业当加分项。 授课质量：讲得比较全面，内容超级多，而且后面的神经网络PPT全英文，想一两天速通那是痴人说梦，建议期末前两周就开始刷回放和PPT。总体还是推荐选这位老师。

课程内容：机器学习，有大纲的，属于是地图给了，路自己刨 上课自由度：不管，没有签到，主打一个放养，来去如风，人不到也没人知道你来过 考核标准：平时（应该是pre）10分，这学期两次作业30分+期末占比60分，平时那10分像抽盲盒，作业和期末才是真正的大头 授课质量：讲的和考的没啥关系，自己学吧，听君一席话如听一席话。甚至没有ppt，canvas的ppt一坨，属于是赛博文物，建议借别的班的看看，隔壁的饭说不定更香。 只说讲课，只能算可以接受，属于是饿不死也吃不饱。考完试真想骂人，考场出来的那一刻，嘴比脑子先动。

课程内容：机器学习，但被削得跟付费DLC免费试玩版似的，很多内容直接砍没 上课自由度：高到离谱，从来不签到，人来了算缘分，人没来算修行 考核标准：全年级唯一一个有pre的班，小组组队上去讲一篇论文，两次作业，期末开卷，主打一个过程性折磨 授课质量：不知所云，连ppt都没有，诗人握持

课程内容：机器学习＋深度学习，知识点拉满，听起来像要吃两碗饭。 上课自由度：高 考核标准：高 授课质量：低 给分极差，建议不要速通，速通等于火葬场自助。

上课自由度： 高到起飞。开始还老实巴交去，后期全靠缘分，印象里签到一次都没有过。 授课质量： 我觉得老师讲课逻辑还算明白，但进度磨叽得像老牛拉破车，基本整堂课都在徒手推模型。给4星 感觉作业也偏水（电子系这学期是压力山大，这不全是好事。但单论一门ML课我会觉得没嚼透），所以我转头把斯坦福的CS229＋CS231n听了，顺手把CS231n的作业写完了。 考试嘛，分数还没落地，等落地再补充。我自己手感是时间紧得想哭。 刚出了平时分成绩，还可以。等成绩出来再评。我很想知道这个中立邪恶的信工金课 先从4星起步。 *** 出分了 期末给分严到再往下扣一星，连给我四舍五入添一点的仁慈都没有吗

课程内容：内容蛮多，ppt全得像期末周救命的硬通货 上课自由度：高，签到都能被提前预测，简直是签到界的天气预报 考核标准：开卷，翻书别翻车 授课质量：老师很和善，凶不起来的那种，课堂气氛稳如老狗

课程内容：机器学习，介绍机器学习 上课自由度：高，来听课的人本来就不多，一学期有三次签到，坐前排有被提问的风险 考核标准：两次作业+签到+大作业（训一个简单大模型）+期末开卷考 授课质量：真的不太行，不过重点部分还是会着重强调一下，这点还行，PPT质量就一言难尽了，信息量堆成山，对期末复习极不友好，有的PPT上还有错，但跟别的老师一比至少内容是全的，复习时自己动手把那么多PPT理一遍会好受些

课程内容：前半学期批量生产判决模型和生成模型，后半学期给这俩套上神经网络皮肤，等于换汤不换药再整一遍 上课自由度：你爱来不来，课堂如菜市场，人来了就算给面子 考核标准：40%平时分，三份作业再加一次期末前两周被临时起意抓死的pre，连通知都带着一股说走就走的洒脱 授课质量：丁老师板书认真到能去当字帖，数学功底能把黑板写穿，人也是大牛中的大牛。但大家就是跟不上、听不懂啊，像被高铁甩在月台。而且考试好一坨内容他根本没讲过，复习资料约等于零。建议去捡隔壁班的PPT续命，这门考试从头到尾基本靠张重阳老师的PPT转世。助教也算个小奇葩，不过年年换，就不展开灵魂拷打了

课程内容：回归分类、聚类降维、神经网络深度学习、生成模型、现代AI常用模型CNN、RNN、transformer这一串，属于是把ML全家桶直接端上桌，菜是齐的，吃完能不能消化另说。 上课自由度：高，不点名，可以不来，翻译成人话就是课堂纯自助餐，来不来全靠自律，签到系统直接躺平。 考核标准：给分较差，先是助教莫名其妙严格控制平时分，往届2学分的ml也有这种情况，属于是祖传的平时分抠门手艺；期末考试感觉也给分不是很好，后面计算题手算反向传播和qkv矩阵，在图像所打工了这么久还是坠机了，什么概念呢，就是你天天在健身房练卧推，结果考试让你当场举空气，因此追求分数的建议慎选，GPA保卫战选手请绕行。 授课质量：较低，后半学期基本上两节课手推一个模型，节奏堪比把你扔进泳池直接游长江，而且有个pre是最6的，感觉这个讲论文的pre是临时起意，不知道下一届会不会还有，主打一个薛定谔的作业，存在与否得看缘分。

### 课程内容： - 有监督学习（主要是线性模型） - 无监督学习（聚类，降维）、半监督学习、自监督学习 - 生成式学习（传统的GMM、贝叶斯分类，结合DL的GAN/VAE/Diffusion） - 深度学习（MLP/CNN/RNN/Transformer） - Foundation Model（GPT/BERT） - 比较general的一些概念算法（损失函数、基于梯度的系列优化算法、EM算法等） p.s. 本学期被假期冲掉很多节课，导致强化学习的部分没有讲； 另外，和以往学期相比，SVM、决策树、集成学习等部分被删减掉了 ### 上课自由度： - 高得像放养，一共就3次canvas签到，你搁线上看直播也能签到成功； - 老师偶尔会搞突然袭击点人回答问题，坐后排缩着或者干脆线上听，就能完美避开老师的死亡点名😏 ### 考核标准： - 课堂签到 10% - 一次小作业 10%：线性回归、梯度下降那点计算和概念题，洒洒水啦 - 一次大作业 20%：经典波士顿房价预测+手写数字分类，直接让copilot tab几下基本就完事了，想卷就去扒拉点简单的开源项目，最后报告包装得漂漂亮亮 - 期末开卷考试 60%：不定项选择+简答+计算，讲过的都可能考，手算self-attention和BP的时候真的会谢，人算麻了 ### 授课质量： - 相对而言，这门课注水感挺强，没像CS那样当数学课硬核上，适合交叉学科或者单纯想了解AI概念的友友 - 张老师事儿少，不像有些班还要搞pre；课间偶尔给大家放点小视频 - 感觉老师有在听往届同学的意见，比如这学期加了python和pytorch习题课、课件上都加了引用说明、讲课也塞了一些证明与推导（虽然大概率还得课后自己找资料才看得懂） - 整体来说，算是电子系一堆信号、电磁专业课里最跟得上“潮流”的一集。**在 AGI 与 AIGC 火热的当下，就算是在4-105焊着板子的电子系牛马，一想到学过ML，也一定会骄傲地挺起胸膛吧（逃**

课程内容： 上课自由度： 考核标准： 授课质量： 私以为张老师在三位老师里是和善值断层领先的，不爱乱扣分。上课嘛人还比较少，可惜推导部分讲得可能不算透。总体是一勺推荐。

课程内容：老师的PPT，一整个PPT驱动型课程。 上课自由度：较高，一学期签到了3次，跟查岗打卡一样稀疏。 考核标准：40平时60期末开卷。 授课质量：还可以。老师讲课还可以，关键是这考核方式有点离谱，到期末纯纯翻书，不知道写多少，导致我简答题写不完，计算题也算不完，有的计算题我连概念都没找到，在那硬写也写不出来，考完这个考试心情一落千丈，给个三分吧，希望老师能捞捞。 更：果然是寄了，期末只有70多分，难搞。