机器学习 · 修读回执档案

课程内容：机器学习入门那一套 上课自由度：有两次签到，平时来听课的不到三分之一，但大家似乎分数都给得很满 考核标准：考勤（存疑？）+hw+lab+final（开卷） 授课质量：很高，老师的 ppt 拿来入门 ML 简直是亲妈级，知识点深度拿捏得恰好，不会公式糊脸看不懂，理解起来跟顺滑下坡一样，老师还出版了一本机器学习的书，本学期免费发给大家，这波只能说是夯爆了

这就是纯粹的 cinema 本体

课程内容：机器学习，就是教你让电脑学会偷懒 上课自由度：很高，高到你可以在后排悄悄摸鱼 考核标准：四次平时作业+一个minipaper，量不大，钱包和头发都保得住 整体给分比较友好，自由度也比较高，认真听是有收获的——大概就像自助餐，能吃多少全靠你张嘴

期末复习翻回放才后知后觉，顾老师讲课是真想让大家听懂，条理清晰节奏适中。授课细致，还整了一堆生动例子往你脑子里塞，认真听真的能捞到不少东西，那种负责和认真扑面而来（虽然设计的几个课堂互动因为大家都装死，硬生生变成冗余环节，属实尴尬哈哈哈哈）。

没想到这门课是大三下学期唯一一个还愿意把我当人看的课。 * 不整那些阴间活儿，不会在你刚躺下的时候突然空降一个答辩。 * 它知道全员都在deadline前疯狂贴脸冲刺，服务器都快冒烟了，特意把作业提交时间往后一拖——这是人干的事吗，这是菩萨干的事。 * 作业量小得跟零食似的，随便扒拉两口就能拿一个说得过去的分数，对于不卷绩点的兄弟姐妹来说简直是亲妈级待遇。 * 没有小测，最后一节课签到，但我整个学期都没签到，也没被天雷劈中。 * 期末考试难度适中，不会在终点线前突然端上来一盘大的，考前两天把课程和PPT速通一遍，照样能正常通关。 别的课是什么妖魔鬼怪魑魅魍魉，傻逼专业。

课程内容：机器学习+深度学习+强化学习，一锅端的那种 上课自由度：高，高到你能在宿舍养鱼它还照常发货 考核标准：签到两次，三次hw，三次lab，期末开卷考试（50） 授课质量：大学四年唯一一次写评价的含金量，本人非相关专业，但因为后续研究生会做深度学习类似内容所以学期开始以报着玩的心态去选了这门课。之前有在b站上看过李沐的课，对深度学习还是比较了解的，课基本没去上。但最后复习翻老师ppt的时候，（我感觉有点像ucb的风格），属实是用心了，还塞了不少我并不是十分了解的内容比如说RAG，认真上肯定能学到很多东西，顾老师也会在课上亲自跑一些代码，非相关专业的跟我一样放心冲，难度不是很高，是那种把你领进门的优秀课程，十分感谢顾老师。

实话说，头几节听老师讲冷笑话的时候我比期末还紧张。 复习那两天天灵盖突然被掀开，发现各个主题分类跟超市货架一样摆得明明白白，确实是入门友好型。上完课，机器学习那些板块至少不再是一个黑洞了。

就sys方向的视角而言，这课在大三下能排进top2良心 + wkld不大，不爹味，像个正常人 + 至少老师是动了脑子的，感觉嘴可能不太会说话，但比起某些纯混子课、以及wkld大到挤爆上课时间、**最后压根没人去听课**的课，已经算是清流了 + 讲考试 要分个类的话，cse/os/web2/algo/ml坐一桌，compiler/k8s/unmanned/testing坐上另一桌吧

所有在最后一节课上给你讲考试、讲题型、划范围、一句废话都不扯的老师，我直接磕头磕到地上给你颁五星，好吗

这学期能出来抬头喘口气、称得上亮眼的课就它了。 顾老师备课真的认真到有点催人泪下，线上翻每一页PPT后面都有详细备注。所以全教室人数稀稀拉拉您也别灰心好吗，我们只是那天时间撞车了或者直接起不来QWQ，回放是真都看了。 lab文档那真是跟其他课摆在一起像两个平行宇宙，详细到属于手把手水平，助教请收下我的磕头。 可惜这门课卡在大三下这个空城时间点开，人人手上都一堆活儿。这讲的是比较概括性的机器学习内容，要是能提前开，比如大二上，就绝了。

PPT手艺是真的好，直接甩给Gemini让它给我讲都能讲得眉清目秀；老师（或者说助教）是真的上了心。作为一门入门课可以说是合格出厂了，但指望拿它冲击算法岗就属于是自己骗自己，时间也给晚了点。作为相对独立的一块派系，希望它以后能挪去大二，把课上成替身使者那样替掉某些课，然后再配一批更深的ai课，这样SE同学大三找实习能撬开的门就宽多了。 --- 我倒觉得不如把无人系统设计的学分打包搬过来，融成一门6学分的巨无霸，搞点真能往简历上贴的项目。 --- 期末复习那阵，真切觉到老师铺垫全是从学生视角出发来上的。 --- 给分也属实厚道，题目放得很开，跟math4cs一个气质，你只要能唠出思路就给分；我连计算器都没带，考前几小时扫一眼就9x了。老师给的资料量大管饱、覆盖面撒得够广，愿意自己在课外钻的可以收获一桶；但workload相当温柔，想白嫖学分的人也基本没压力。 打得过一切优秀的课应当满足 1. 清晰的guide 2. 丰富的reference（助教和老师自己按章节写的独立ref，做编译的自己看看别人再说话） 3. 高质量的lab／proj 4. 合理的workload 这门课已经把1，2，4攒齐了，碍于学分和课时天花板，3还有余地再升一升，但已经做得很出彩了，感谢顾老师，望软件学院这样能耐的课越跑越多。

# 最起码他在用心上好这门课了！！五星鼓励 ### 虽然搁这时间点上讲ml多少有点不合时宜，该了解的同学早就自学完了，懒得了解的同学也没兴趣来听课。可这锅得扣在这专业**构式**一样的培养计划头上。se啊，你折磨的真的只有你学生吗？ 已经不知道比**某些老师**高到哪里去了

课程内容：《机器学习》 上课自由度：低，偶尔签到。 授课质量：确实讲得拉胯，不过从线上Canvas直播里看，顾老师每一页ppt都有巨量备注，他嘴里冒出来的话几乎就是照着备注念的。而且他上课敲的代码难道不是DeepSeek生的吗？但他说他课前跑过的。我觉得他备课这活儿整得还挺认真，同学课后去问他也都耐心解答，可能就是舌头和临场反应拖了后腿，所以上课有点青涩味，给个中等分吧，希望老师越来越上道。 --- 期末看回放时才发现人家讲得非常清楚，改5分了！每一页ppt都有大量注释，每节课尾还要搞代码和实践环节，顾老师还试图靠互动带大家模拟神经网络（虽然到的人太少效果就像空教室开演唱会）。 平时就专心上课不念经，认真备课，讲课有体系有逻辑，人少就不签到，最后一节复习，作业量适中，文档还给得细，实属麻将桌上混进来一个正常人，希望这门课继续保持出淤泥而不染，别被se吃屎课和混子课带沟里，继续迭代更新！ --- 期末分还出得快，总体上算是SE这学期稍微正常的一门课。

上课自由度：低。他像个伽罗一样超远距离索敌，人站在前排讲台，眼睛早已在教室最后一排除草，你不去都能提前感受到箭矢锁定。 授课质量：我看往届评论似乎还行，好像前几届学生都没被点破。但是我是觉得顾老师讲的真的好差，讲一大堆数学，结果半天说不清楚，上课零零散散还试图强行互动，像一个收不到反馈的NPC。，甚至代码示例都是课上让deepseek现生成的，属于是课和ai同时炼丹，产出一锅不明液体。要不做个调查吧，**目前在上他课的se同学觉得他讲的不好的点个赞，觉得讲的好的点个踩，统计一下？**（其他同学可不点，我是真的觉得听起来难受，但是往届评论又还行，难道真是我自己的问题？这是要玩梗成薛定谔的教学质量了，谁听完才知道该点赞还是点踩。）

## 课程内容： 1. 传统机器学习 2. 深度学习 3. 强化学习 ## 上课自由度： 签到算分，人来了，分就有了，主打一个有手就行。 ## 考核标准： 1. 签到：5 2. hw：5*3 3. lab：20（3个） 4. final exam：60 final exam一个人扛了60，前面那点分加一起都不够它塞牙缝的。 ## 授课质量： - 尚可。 - 但是个人觉得很多地方数学公式较多，学起来很枯燥（本人脑子不好也看不太懂orz）。感觉数学公式可以适当减少 就像点了份黄焖鸡结果翻开全是姜片，公式一出场我脑子就开始加载转圈，数学公式建议适当削减。 - 考试的时候倒是不考那么深，很多东西完全不涉及底层原理，只是考个概念 平时让你啃硬骨头，考试只让你闻闻味儿，概念层面晃一圈就完事。 ## 其他： 推荐一些课程，帮助大家自学： 1. 深度学习：cs231n是深度学习的入门经典 2. 深度学习：cs231n虽然经典，但是已经老了些；fei fei li的学生，也是cs231n的授课老师之一的贾斯汀小哥在后来去了密大，在密大开设了一门eecs498，是非常好的cs231的代餐 3. **李宏毅（台大）机器学习**：学习如何训练宝可梦（bushi）。讲的及其通俗易懂而且有趣。2022年版本和本课程内容重合较多，2023版本里面涉及到很多比较modern的东西（比如LLM）。 由于本门课程开卷考试，在此推荐一些开卷的资料，希望对大家有所帮助： 1. 《动手学机器学习》 张伟楠等 2. 《动手学深度学习》 李沐等 3. awsome-se：github - 本届lab因为不查model，所以fake的人应该蛮多的xs…… 查重？查不了，全靠自觉，fake大军估计浩浩荡荡xs…… - se大家其实没有系统学过python，所以我觉得不如干脆直接加一节课专门介绍如何使用python+pytorch，我觉得深度学习本身肯定coding还是最重要的，不然其实后面上课的时候每节课老师讲完一个知识点说啊coding time大家来看看代码，然后开一个kaggle上的notebook，我相信大多数人看着还是一脸懵逼的 se的兄弟们python都没系统练过就直接上pytorch，这不叫深度学习，这叫深度劝退。建议直接加一节课教python+pytorch，不然后面老师每节课甩个"coding time"配个kaggle notebook，大多数人屏幕前的表情跟看天书没区别。深度学习这玩意儿coding才是命根子啊。 祝后来人学习顺利，有所收获。