张重阳 · 机器学习修读档案

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＋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。

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： - 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。