机器学习(王杰) 2018秋  课程号:210709
2018秋  课程号:210709
7.6(7人评价)
  • 课程难度:困难
  • 作业多少:很多
  • 给分好坏:一般
  • 收获大小:很多
学科类别:计算机科学技术 开课单位:信息科学技术学院
课程层次:专业核心课 学分:3 更多信息
点评 写点评
huxm 2018秋

1.王杰老师备课是真的认真,从ppt,作业,每次的答案,小测题还有在钉钉群里跟学生讨论问题,我认为就冲这一点,最开始那个攻击王老师的帖子(已删除)就是十分不应该的。尤其考虑到王杰老师去年刚拿了青千回国,在科研压力比较大的同时,还能对授课这件事这么上心,就更显得难能可贵了。

2.这门课的任务量确实和2.5学分+大四选修课(ai班必修)的定位严重不符。其实作业量倒也不算大,问题是全都不会做...

3.我也觉得前半部分凸优化那块太理论了,不过其实我还是挺愿意认真的学一遍的,如果不是*友善度*一学期要上这么多乱七八糟P用没有的课的话。

4.接第三条,我的理解是凸优化那部分对于即使将来不去研究ML理论的人也是需要了解的,手写神经网络更是很必要的。问题是ai班的课表里貌似没有哪门课正经的讲一遍传统的ML算法,模式识别那门课讲了一小部分,不过那课的授课质量实在让人一言难尽,而ai导论那门课是讲逻辑推理;在这种之前没学过传统ML算法的情况下,把凸优化这部分放在大四的必修课就显得不是很友好了。

5.之前那个帖子(已删除)把王杰老师和物院著名杀手陈仙辉院士放在一起比较,我倒是觉得王老师身上比较有传承下来的那种老一辈科大教授的精神。当然了,一方面现在学制五改四但是尤其是信息口的知识却越来越多,上世纪80,90年代科大“杀手”的标准放在现在的话确实有点要求过高;另一方面,研究和学习上的短平快实在算不上什么错事,毕竟时代不同了。

6.毕竟ai班刚开第二年,王杰老师也刚回到科大,作为学生当然也有很多苦衷。罗老师那句话怎么说来着,李姐万岁吧。

2018-11-16 23:57 3 0

我期待的机器学习课,是课上老师讲机器学习算法,课后布置给了充分提示的代码和书面作业,学期结束后能掌握一些机器学习算法并能用代码实现的课程。然而王老师更倾向于打基础,一直在学泛函和凸优化,布置的project却是手写神经网络。导致我现在完全没理解学了这些有什么用,西瓜书上的算法基本都看不懂,看懂了也觉得就是数学公式,对于如何用代码实现,能解决什么实际问题更是完全没有思路。。。。感觉像是报了足球课,结果一学期下来学了脚尖传球,脚后跟传球,脚背传球,基本功非常扎实,却一场比赛都没踢过,然后老师让我们去踢校队,踢赢了才给分。

2018-11-16 14:47 3 1
2018秋

算了,不想说啥了。。。

老师课程开始之前确实有劝退,我也想退课,但是退课我就毕不了业了啊。。。老师都是科大毕业的,难道不清楚科大以平均水平上这个课根本学不会吗。。作为必修课这么搞我也是服了

我建议学习物理学院,开AB课,开《机器学习A》和《机器学习B》,把B作为必修课,但是也可以选择A替换B。

要不就跟6系有些课一样,有两个老师同时教《机器学习》,用脚投票。

一门课选课人数太少会取消开设 : )

放弃了放弃了,在尼克三年,还没有第二门课让我陷入更深的自我否定。

菜是原罪。

我这就去办退学手续.jpg

反驳一下其他人的评论。

  • 对我这种渣渣来说作业半天是写不完的呢。我相信大多数同学也是这样。
  • 这门课不是开给英才班的,是开给15级人工智能班,这个班不是英才班,是抽签进的,教务系统英才班的那一栏也是空的,因此学生水平参差不齐。选课的既有我这种没学上的渣渣也有别的院4+的理科生。
  • 机器学习不是只有优化,用近一半的时间讲数学基础和优化是不合适的。
  • “像决策树、朴素贝叶斯、SVM之类的经典机器学习算法,信院的人工智能导论、计院的人工智能基础会讲到这些内容,这门课重复讲就没什么意义了。” 然而我们在《人工智能导论》只讲过一点粗浅的东西,并没有仔细描述过这些算法,几乎等于没学。

个人看法:

  • 请不要把我们和 CMU 的学生比,我们不只差在基础,更多原因是管理层对教学方案的设计。试问一学期必修6门课如何保证充足的时间学习。
  • 学分是2.5,但是占用课后的时间直逼当年6学分的微积分。不如去申请学分提到4,一星期两次课,学习内容不变,第二次由助教讲习题。
  • 信院的工科院系,对我们来说数学基础确实不够这门课。而且这门课还是在信院这个工科院系开设的,不是统计系也不是数学系开的,讲的是否太理论了?
  • 之后还要讲强化学习,感觉讲不完了。建议略讲强化学习,大不了再开一门课咯。
  • 12.31是假期,教秘应该不会同意考试时间,多数会提前到12.29。
  • 推荐再开一门专门的凸优化课程

贴一些我找到的机器学习课程的计划。还是希望老师不要以为我们每个人将来都是做优化理论的。

https://icourse.club/uploads/images/b7a33ff62dce75de6043009d6ed0a23d6766a49d.png

https://icourse.club/uploads/images/4edcbab8b9bb790a0b021e644bb82b7c105e06c9.png

https://icourse.club/uploads/images/9efedac579f2ccc2045fd9d867ed10e9d4ab1c2b.png

学到东西是真的,但是学的东西有没有用是另外一回事。

肯定对老师的研究方向有用,但是不能保证对每个人将来的研究方向有用。

能看出来老师备课很认真。

 

 

2018-11-16 21:21 1 3
风月俏侦探 2018秋

以前在夏令营或者冬令营上过另外两个学校的机器学习教程,一个是哈工大的,一个是佛罗里达大学的,嗯,理论实践并行,学习快乐又有热情,觉得收获挺多。

这门课嘛,,单纯就课程内容来讲,上得比较纠结。

老师从选课起就不断给你施压,意思是你抗不住你就别选我的课。

一开始特想上,觉得大四打好基础肯定研究生小赚,可能就我的能力而言,我想多了。。

如果看看斯坦福公开课,CSDN, Github绝对学得轻松又惬意。

当然了,还是感谢老师,在有限的时间内给你压缩了数学知识和工程实践,PPT也非常的,,,elegent,努力学还是能打下挺好的基础的。

 

2018-12-02 11:57 0 0
助教 2018秋

本人旁听,统计,发表一些意见。

1,课程内容:目前,统计(简略),凸优化(偏机器学习,量多)。会出现一些矩阵求导之类的新定义的东西。建议:对讲的内容,每一步都定义好。

      课时:相对课程内容量来说,应改成分成每周两天,每次两节。或者分两个学期,一学期的课打概念基础,一学期着重讲机器学习的研究和应用

       课件错误:不多,但是影响阅读,对学数学的同学尚且感到不易,更何况信院同学?

     作业难度:困难的题目多因为出题的方式没有循序渐进。或者用到太多数学的东西(应该出一些数学的简单推导证明题)。

 

矛盾:为前途挣扎的信院同学与高难度的作业和内容。

 

 

个人看法:如果要做为一门硬课,王老师开的这门课确实应该具有目前的难度,但老师课件有不少有问题的地方,而且很多数学的地方都跳过,比如矩阵最大特征值的次微分。最后一步来得不自然。而考试和作业却偏重数学的内容。(如果这样,我希望老师多讲点数学的)。 而这些我觉得这些内容对目前大多数信院的同学在大四一边为前途奋斗,一边为写作业苦苦挣扎。  这些作业,做起来其实挺好玩,但是HW6,我觉得难了。对偶问题本来就很难理解,引入一些约束条件(比如HW6里的提示)会不会对问题造成影响?这些需要好好思考。个人感觉作业的难度就更大了

 

建议:我相信不少信院同学暑假都做了暑研,而很多都应该是机器学习,必然他们也看了不少相关的paper。 可以给课程增加一个 同学讲paper的bonus环节,share一下他们怎么理解他们看的文章,他们的做法。分(0/4/5)三档。

 

 

 

 

2018-11-17 20:03 0 0
li 2018秋

这门课王老师讲的东西确实很多,内容丰富,收获不少。针对很多同学(包括我自己)目前表现出的不适,我有一些想法。

1,凸优化部分其实感觉还好,主要可能是因为自己一直比较喜欢数学课,也比较能啃下去,但是其他同学未必是这样的,因为大多数同学是信院的,首先数学课学的不够多。相比于数学专业的同学,信院同学只相当于学过两学期弱化版数学分析,以及一个学期的线性代数。我拿我自己举个例子,我是信院的,大一的时候线代考的不错,这学期在带线代助教,但是对于这门课,我只能说我应付不了里面的线代知识,所以我觉得原因只能是我们院开的数学课不足以支撑我们绝大多数人吃得消这门课。

2,至于作业,内容确实不多,但是说实话,我要做至少三个晚上。一部分原因是我从大一就习惯于花时间去啃数学题,另一方面(更重要的)是因为很多内容不会,必须花时间上网去找论文才行。所以我赞同某个同学的观点,把这门课加到至少四个学分,增加课时,增加习题课时间(毕竟这门课助教那么多,然而现在我觉得那么多的助教资源好像并没有发挥出作用,例如作业答案作业成绩还没能做到及时上传)

3,课堂气氛感觉略显压抑,课后鲜有学生去问问题,不知道是什么原因。之前上过龚晨老师的信息论,也是一门听不懂的课,但是感觉课堂氛围很活跃,虽然只有几个大佬和老师的互动,但是至少还是有互动的。

4,关于给分,因为是后来选的课,之前不知道老师调不调分,但是好像在评课社区看到好像说似乎不调分。我觉得不调分的目的是为了让这门课不水,让大家有压力去好好学。但是让一门课不水的办法不只有提高挂科率。改善课程总评的结构,例如理论作业,编程作业,小测相结合(这一点这门课已经做到了);增强课堂-课后的学业管理,例如像数学基础课那样,增加时间(每周一次)用于课后辅导答疑习题课(特别是考虑到机器学习这门课并不与工科数学基础接轨的前提下)。这些都是保证教学质量的好办法。今年这门课有很多学生都是非人工智能选修进来的,可见全校本科生对于机器学习这门课程学习的热情和需求,但是如果最后大家发现挂科率过高,那么对于这门新兴课程的发展显然是不利的。

罗马不是一天建成的,从学校人工智能教学建设角度来说,如何把数理基础课和后续的诸如机器学习这类课衔接好,可能是需要长远考虑的。如果单论这门课而言,我的看法就是以上内容。

2018-11-17 17:45 0 1
xuanlan 2018秋

确实能学到东西,而且我感觉作业的负担也不算特别重,大概半天的时间就能够写得完(虽然结果一般只能拿到6-7分,而且我的作业成绩差不多是中位数,就是说大家都是这样) 建议的话,先看看我们这一届挂多少人(如果王老师一分不调可能会挂40%的人),挂得多就别选了,看课程主页写作业就好了,体验也不比真的上课差很多。

2018-11-16 11:20 0 0

其他老师的「机器学习」课

崔文泉 2018春
何劲松 2018春 2017春...
Unknown 2017春

王杰老师的其他课