历史匿名回执 ·
课程内容:难,机器学习深度学习全家桶往里灌,模型多到像过年超市促销买一送十。 上课自由度:高 考核标准:10%课堂参与+40%作业+50%final project(30%报告+20%视频pre) 讲课质量:一般。上课讲的东西基本没用,属于那种听完感觉自己被知识路过了一下。 第二节课老师亲口说这门课主要针对大二致远生科or化学的学生,然而这批人概率统计可能刚学或者没学,编程更是一片空白。然后前五周的作业全是统计,老师课上讲不清楚,课后你得自己花大量时间自学,翻译一下:交学费买了个自学营门票。 到了第六周,进入机器学习,涉及支持向量机、交叉验证、深度学习、多模态学习和图神经网络。基本上一周讲一个模型(深度学习讲了两周),每周小作业是实现一种模型,然后写一个2-3页的report(ieee双栏模板,10号字)(注意是每周一个模型和一篇report)。这不是上课,这是每周被布置一篇论文版周记。助教说图神经网络太复杂了,就不用实现了,于是作业变成读两篇ICRL和NIPS上的论文然后总结思路,好家伙,从写代码变成写读后感。老师上课基本就是概论课,和作业关系不大,ppt也缺乏重点(部分是照抄西瓜书)。每节课最后有实践课,助教会简单讲一下作业实现相关的代码,基本上也是给网上的教程,应该算是这门课唯一有用的部分了,相当于一整门课里唯一没掺水的那个小时。 最后三周进入组学部分。上课内容另一个回答说了,然后十五周会发两篇nature和cell上的论文,每个人负责一段,十六周pre,按照老师的说法,不管有没有生物背景,看的都很难受。翻译:大家一起坐牢,只是牢房装修风格不同。 期末大作业是利用TCGA-LUAD数据集分类,数据集另一个回答也说了。大作业给分标准挺迷的,我劝选课的同学别想着卷模型了,不看这个的,多写点生物相关的,老师爱看,模型卷成花也没用,不如开始文学创作。 总结一下,这门课除了计算机的同学,生物的or非生物的学的都很难受(我感觉是这样),中期直接退了一半,这退课率像极了恐怖片里第一批领盒饭的群演。这门课基本默认你有python和numpy/pandas基础,大概率也是有机器学习基础的,毕竟梯度下降他就讲了两分钟,两分钟,泡面都还没软。卷积神经网络和pytorch你最好也懂一点,因为作业要实现。然后原理你就不要想搞懂了,看ppt不如啃西瓜书。 如果对自己的自学能力很有自信,推荐你来,上完这门课你的代码能力会得到质的提升(90%是你自学的功劳)。反正我这学期至少40%的时间都花在这门课上了,结果最后就拿了这点分,挺好的,好得像被人拍了拍肩膀说年轻人要多吃苦。 (给选课的同学一点建议,上课基本上是听不懂的,前面的部分可以先看吴恩达的机器学习,卷积神经网络可以看李宏毅/李沐/cs231计算机视觉,b站上都有,有什么不懂的概念google一下,不会用的函数去查官方文档,这样你写作业会好受一点。千万不要想着搞懂,想搞懂你就输了,这课的正确打开方式是学会和不懂共存) (补充:最近又看了一下课件,能在两周时间讲完几乎深度学习所有主流模型及其变种和应用,包括CNN,FCN,RNN,Transformer,VAE,GAN,可想而知这门课能有多深入了,大概就是每种模型发一张证件照然后赶去下一个景点的程度)
学生体验,不是官方事实。评价教学,不评价人格。