View on GitHub

BUPT SCS 选课指北

BUPT SCS 选修课指北

机器学习

评价1

  1. 开课信息:袁彩霞,鲁鹏,董譞,冯方向(2020春)
  2. 推荐等级:一般推荐
  3. 授课内容:传统机器学习方法(决策树,贝叶斯,SVM,K-Means,GMM)和CNN、RNN
  4. 考核方式:四个大作业,每个25分
  5. 作业情况:四个大作业,每个老师留一个:决策树、聚类、CNN、RNN
  6. 成绩情况:85+
  7. 心得体会:没基础的话比较硬核,有基础比较建议
  8. 其他方面:老师还在探索课程形式,考核方式可能会改革

评价2

  1. 开课信息:袁彩霞,鲁鹏,董譞,冯方向(2020春)
  2. 推荐等级:推荐
  3. 考核方式:四次大作业,没有期中期末考核
  4. 作业情况:补充一下楼上的具体内容吧,四次具体的作业分别是决策树(编程题[计算信息熵,构建决策树]+计算题); 第二次作业是开放性的题目,老师上课比较水,作业布置也比较水,是写一篇机器学习的应用类型的论文; 第三次作业是聚类,给一堆数据点,然后进行聚类,方法可以上课讲过的任意一种 + 实验报告; 第四次作业是利用RNN生成小宝宝的名字;
  5. 成绩情况:90+
  6. 心得体会:综合一下身边同学的评价,有基础的话还是比较容易的,但是对于原来没有学过python或者没有用过tensorflow或者pytorch的同学可能会有点难度,慎重选择。
  7. 其他方面:除了董譞老师上课总感觉跟没睡醒一样,其他的导师讲课都特别好!对于有基础的同学来说性价比还是挺高的吧

评价3

  1. 开课信息:袁彩霞,鲁鹏,董譞,冯方向(2020春)
  2. 推荐等级:一般推荐
  3. 授课内容:四位老师各讲一部分,内容是一些经典的机器学习方法决策树、K-Means、CNN、RNN等
  4. 考核方式:无期中、期末考试,最后有四个大作业
  5. 作业情况:期末每个老师布置一个大作业:三个是写代码(决策树、聚类、RNN),另一个是描述一个CNN网络
  6. 成绩情况:90+的也有不少,一般可能有85+
  7. 心得体会:建议有基础的同学选,否则完成大作业会有困难
  8. 其他方面:老师本来说会安排多个大作业让同学们来选,不过最后因为时间原因只布置了四个大作业,不排除以后会有期末考试的可能

评价4

  1. 开课信息:袁彩霞,鲁鹏,董譞,冯方向(2020春)
  2. 推荐等级:强烈推荐
  3. 授课内容:机器学习各方向的内容。包括经典算法和较新的模型。
  4. 考核方式:四个大作业,无卷面考试
  5. 作业情况
    • 第一次作业:手工实现决策树;
    • 第二次作业:手工实现 KMeans 算法;
    • 第三次作业:撰写一篇小论文,对于一个问题使用神经网络建模;
    • 第四次作业:选择 NLP 模型解决序列生成问题(起名字)。
  6. 成绩情况:90+
  7. 心得体会:需要一点点基础,占用时间不多,给分不错,建议所有人选择。

评价5

  1. 开课信息:袁彩霞,鲁鹏,董譞,冯方向(2020春)
  2. 推荐等级:一般推荐
  3. 授课内容:机器学习各方向的内容。个人感觉没讲到新模型,基本上都是2015年之前的方法了。
  4. 考核方式:四个小作业
  5. 作业情况
    • 第一次作业:手动计算决策树 + 一道决策树数学题 + 手工实现决策树 ;
    • 第二次作业:在给定数据集上,实现 KMeans / GMM 算法二选一;
    • 第三次作业:撰写一篇论文笔记,论文是深度学习方向即可;
    • 第四次作业:(Pytorch/Tensorflow)序列生成问题(生成英文名字)
  6. 成绩情况:95+
  7. 心得体会:课程内容本身讲的一般,效果来说不如自学。课程整体占用时间中等,给分不错,编程内容对于使用 Python 进行科学计算有一定帮助,故此一般推荐。

评价6

  1. 开课信息:王薇(2021春)
  2. 推荐等级:不很推荐
  3. 授课内容:基本上是西瓜书
  4. 考核方式:两次小作业+一次期末作业
  5. 作业情况
    • 第一次作业:手动推导两层bp网络解决xor问题的反向传播过程(要手动写,很麻烦)+Fisher判别推导(书上有)+编程实现最大信息增益算法为iris数据集构建决策树(不难);
    • 第二次作业:SVM推导+representer theorem(wiki上有);
    • 期末作业:自选一个感兴趣的机器学习方向,在前人工作的基础上进行一些创新,做一个PPT报告
  6. 成绩情况:85+
  7. 心得体会:老师是个新来的年轻老师,授课水平较差,根本没有原理的推导和讲解,就是在念西瓜书而已,我上了4、5节课就跑路了,后面好像每节课就不到20个人去听;第一次小作业比较麻烦,第二次容易,期末作业比较宽泛,原创多少看个人,课程占用时间中等。如果真的想学到东西建议不要报这课。最后说一句,自学机器学习不要上来就看西瓜书,它只是个讲义而已。

评价7

  1. 开课信息:戚琦(2023春)
  2. 推荐等级:强烈推荐
  3. 授课内容:机器学习的各个模型
  4. 考核方式:4次开卷测验,1次课后计算题,1次论文阅读,1个大作业(三个赛道:CV、NLP、网络或时间序列方向,任选其一)
  5. 作业情况:如上,得益于Chatgpt,本课难度不大。
  6. 成绩情况:95+
  7. 心得体会:不考勤。戚琦老师水平很高,上课有一种如沐春风的感觉,不愧是顶会随手发的11组。