机器学习 · 修读回执档案

先亮牌： 底下那帮ug主义属实闹麻了，果然是人数最少的团伙，嗓门开到最大档 我一发现分数不美丽就跑去问助教，助教的回复是今年均分比去年、前年还高那么一丢丢，问题来了，前几年咋没人来这儿开团建大会呢？助教还非常实诚地把我交上去的模型放在新测试集上跑给我看准确率，确实拉胯，楼里几位开团的有没有一种可能，是你们自己训得太烂了呢😅助教说分数过低的那批，可都是连百分之五十的瞎蒙准确率都没摸到呢🤣 再说这门课本身，你安大三下必须选满某一基础方向的三门课，你要是跟我一样对密码和系统安全毫无性趣，又想蹭一下人工智能的热度，那这门课就算是💩你也得捏着鼻子咽下去，而且这课真有楼下讲得那么不堪吗？ 黄老师课上讲的不少东西可都是对面大厂八股文里的重点，比如KV cache、加速推理这类，这是你安为数不多跟人工智能沾边的课了，且上且珍惜 最后，不否认，想拿高分想刷绩点的，这课确实不是你的菜，因为均分确实不高，但也不能一棍子打死这门课除了分数以外的那些优点，两年前那位学长（2L的），已经讲得清清楚楚了。 ps：24年就有人喊过想要高分别选，那底下几位咋还非要选呢，没捞到高分又在这儿叫叫叫🤪 二编：闹麻了，你自己都承认是所有人都扣了，又不是独宠你一人，来交大三年了没见过控分这玩意儿？这回助教好歹把控分规则给你明明白白摊开说，总强过其他课连个统一规则都没有的黑箱扣分吧？这都能开喷？依旧ug还浑然不觉，扣了几分玻璃心啪一下就碎了，还跑去另一门课底下踩一捧一，嘴上还硬说不ug，翻译翻译，不就是觉得那位老师给分高吗？那这课的老师加助教可不就成了你亲叠了

期末分一到手，平时分跟被偷了似的莫名其妙矮一截，一问才知道——“老师说平时实验给太高，所以把所有人实验扣分*4了”。 你要压分压我大作业上，我认，我怂，我不吭声。可成绩这玩意儿不是许愿池啊，既定安排怎么还能开盲盒开到最后一秒再改？连张公告都不贴，演默剧呢？ 上面那位是M吧？大作业给我低分我照样没意见，可平时成绩在canvas上都打好分了，临门一脚突然给你扣分倍率偷偷加倍，通知呢？被狗吃了？这我都要不满一下，还成ug主义了？控分控得明晃晃，装都懒得装了，孝死我了。

**省流：想稳定拿高分不要选** 想听官话+课程介绍的可以往下滑，我就不绕了。 如果你是要保研or想把学积分撑好看点的，别选，去挑别的方向。这课是压分来的，身边很多同学分数都很低，还是在大三这个关键节点上，被打出一个明显低于其他课程的分数，真的很讨厌。可能你的推免名额吧唧一下就和你说再见了。3种不同的方向大作业肯定会带来打分上的偏差。总之不推荐报，尤其是交大这种推免不给本校保底的学校你就愁吧。 二编：鉴于被楼上喷了优绩主义，认真想了下，如果从学到东西以及老师人怎么样的情况来考虑，这门课确实不应该只打1分，所以还是调成3分合理，并加上了省流。但是我相信还是有像我这样的“发出最多声音的极少数的人”，比较关注给分的，咱还是***别选这门课***了吧。选一些其他的方向比较好，不是所有人都像楼上那样优秀有底气的...

课程内容：传统机器学习大军加深度学习分列两路 上课自由度：比较宽，wsl说不准飘过来一个问题但不能叫名字，hz则会有一节课像特种部队一样突袭签到，而且是拍照交照片打卡，没打过卡平时分就惨遭扣血 考核标准：四次lab再叠一次大作业，大作业对分数的影响那是担纲主角 授课质量：还不错。wsl讲东西比较跳节奏，知识点倒是一个没缺，但背后没有机器学习地基的人可能会脚底下一空；hz的课我脑子里没留下什么斩获 官方台词到此为止，下面讲点扎心的： 这是我头一次见到没有期末考、均分却比基础课还跌穿地板的专业课，尤其在大三这个脸上写满绩点的档口，隔壁专业课个个飚九十多，你就能围观一门课把同行衬得像慈善家。而且科目考核乱得离谱，任务量够当一门三学分课干了。总之努力像往水里扔石头，水里连响都没有，选之前反复掂量掂量自己分。“},{

课程内容：前半场机器学习，后半场深度学习，属于是上半场踢完直接加时赛。 上课自由度：较高，仅设两到三次签到，签到少到你都快忘了自己选过这门课。 考核标准：30%平时+70%大作业，平时分像个零头，大作业像个BOSS。 授课质量：两位老师都是很负责的老师，讲练结合，一段时间理论授课后会到实验室进行实验，教学流程顺得像流水线，没毛病。 今年这门课程压分严重，喜提大学生涯最低分。在大三下这个时间节点，大家都面临保研升学压力，不知出于何种目的刻意压低均分，或者说是为了保持均分，牺牲部分同学的分数，拉高其他同学分数？能理解老师希望这门课成绩有区分度，但同样的大作业，再怎么作区分，训练结果再差，分差怎么会高达十几分？同样一份大作业，分差能拉到十几分，这不是区分度，这是往人成绩单上扔了颗贫铀弹。 因为一门课的成绩给这门课程打低分确实不太合适，但这确实是我最主要的评价标准。在你中压抑的应试教育体制下，拥有高分就是拥有绝对的话语权，大学能学到的实在是太少，只有实实在在的分数才能把我们托举到更高的平台，所以我们才会如此痛恨打分失之偏颇、刻意压分的老师。在这套压抑的应试体制里，分就是KPI，分数就是硬通货，学到的知识有时候不如绩点榜上那零点几有用，所以被打分背刺的恨才这么深。 【更新】并不是今年才压分严重，一直如此，警惕幸存者偏差。助教是好助教，老师除了压分，教学上也没有问题。别以为是今年踩了雷，这是祖传手艺，警惕幸存者偏差；助教是好助教，老师除了压分，教学上也没毛病。 【更新】如果你是IS的同学，现在在考虑是否选择这门课程作为专业课，那么我的建议是不要选，这门课优势：无考试，学期时间分配更加灵活；这门课劣势：分数偏低。选择大于努力。如果你是IS的同学，正在纠结要不要把它选成专业课，我劝你直接绕道：优势无考试，时间自由；劣势分低。选择大于努力，这话在这门课上就是字面意义上的真理。

课程内容： 传统机器学习那套线性回归聚类什么的，加上深度学习，传统机器学习归王士林管，深度学习归黄征管 上课自由度： 不定期扫码签到，随机掉落提问，实验课没到点你代码和数据是拿不到的，因为助教和老师对canvas上的文件有一种执念，非得锁住，到点了自己都打不开，最后无奈发群聊里，而且这毛病从来没吸取过教训，每次实验课到时间老师和助教自己都打不开文件 考核标准： 30%平时（实验，签到，作业）70%期末大作业deepfake，别信canvas上的评分，跟最终拿到的分数是两码事，canvas那个看个乐呵得了 授课质量： 机器学习课上最印象深刻的还得是王士林，突出感受就是他觉得自己真的很懂，也许他确实懂很多理论知识，但问题在于他完全没把懂的东西完整严密地讲出来，相反我很多时候看到的是黑板上几条跳跃性公式加一些意会的草稿，这对想在课上听比较严谨理论推导的我来说，无疑是一场灾难，也许接触机器学习更早更深的同学能跟他进入newtype特有的宇宙聊天室之后，可能会觉得他讲得精妙绝伦吧。

课程内容：经典机器学习（线性模型、非线性模型、支持向量机）加深度学习（卷积神经网络、序列模型、transformer、GAN），主打一个数学原理大礼包，再配若干次上机实验。实验是给理论打的补丁，一般是助教写好代码让你填空，不过下课之前会把答案甩你脸上，堪称先让你体验一下人间疾苦再发慈悲。 上课自由度：高。王士林老师基本是放养模式，不怎么点名；黄征老师会在课上往canvas扔互动小问题当点名用，外加一次拍照点名。你上课干啥基本没人管，偶尔提问，但真的少到可怜（印象里就一两次），比食堂阿姨手抖还稀有。 考核标准：0.3平时0.7大作业。平时就是上面那些签到分，再加若干次实验报告。实验报告每次都提前把得分点喂到你嘴边，你照着得分点自己体检一遍再交就行。一般来说稍微花点精力，实验报告基本都能拿个不错的分数。大作业这学期是DeepFake虚假内容检测，16周抽签，在虚假人脸、虚假文本、虚假声音里三选一，**个人完成**，要求经典方法和深度学习两种方法都上，18周周末交。难度适中，时间也给得比较充裕，属于刀子不算快但也不是让你空手接白刃。 授课质量：理论课质量绝对是高高高，这个教师组合大家可能在人工智能导论里已经被洗礼过了，两位老师人也很不错。但实践内容可能还是有点少，像我这种没怎么碰过AI的，在肝大作业和写报告的时候还是有一点点痛苦。最后给分中规中矩，不算低但也不算很高，也还能接受。课程质量绝对是专业选修课里数一数二的，但跟某些方向巨水无比还能给90左右分数的课一比，这门课就没那么轻松，也拿不到更高的分。不介意这点的话无脑选就完事了。

课程内容：传统机器学习（线性模型、非线性模型、特征降维这些）再加深度学习（卷积神经网络、循环神经网络、Transformer等） 上课自由度：王老师不太签到，本学期在他负责的最后一节签一下；黄老师平时在canvas上放随堂小测当签到，到了13周附近，经典款**拍照签到**闪亮登场。 考核标准：10课堂+20作业+70大作业。平时作业打分比较紧，按各项目完成度一项项抠；大作业随机抽文本、音频和图像三种数据集，分别拿传统机器学习和深度学习搞分类。全程单人副本 授课质量：还挺好，上过《人工智能导论》的可以提前体验一下。 关于给分：平时分似乎是把canvas最后百分比直接抄过去的，并没有按10+20的配方来。