2023秋 2022秋 2021秋 2021春 2020春 2019秋 2018秋 课程号：EE300101
- 课程难度：困难
- 作业多少：很多
- 给分好坏：一般
- 收获大小：很多
| 选课类别：计划 | 教学类型：理论课 |
| 课程类别：本科计划内课程 | 开课单位：电子工程与信息科学系 |
| 课程层次：专业核心 | 学分：4.0 |
教学水平与课程内容
王杰老师的《机器学习》课程被评价为中科大西区最硬核的课程之一。老师备课认真，通过PPT与板书授课，涵盖了有监督学习、无监督学习和强化学习等多个重要模块。课程内容扎实，从线性回归到深度学习再到强化学习，帮助学生打下坚实的机器学习理论基础。此外，许多学生反映课程讲义详尽、出色，助力于独立学习。
课程难度与作业
这门课程的难度主要体现在前半部分的凸优化理论，需要学生对数学基础有较高要求，尤其是线性代数和数学分析。作业量大，涉及复杂的数学证明和编程任务。大作业通常要求手写算法，实用性强，但需要投入大量时间和精力。多位点评者指出作业和考题难度较高，但能够有效巩固课堂知识。
考试与给分
考试内容涵盖了课程的各个模块，题目灵活以检测学生的理解能力为主，设计得较为合理。虽然期中、期末考试题量大，但只要掌握讲义内容并认真完成作业，取得好成绩并非不可能。有评论指出，考试时可能存在时间紧张的情况，但王老师的考试设计注重授课目标而非背诵能力。此外，多位同学反映，课程给分慷慨，老师会根据实际情况做出调整。
学生反馈
优点方面，课程被认为是打好机器学习理论知识的良好途径，尤其适合大二、大三有数学基础的学生。许多毕业生和从业者认可其在研究实践中的重要性。缺点在于课程负担过重，解析和作业有时与课堂教学脱节。部分学生感到压力巨大，不太适合数学基础较弱的学生。
综合建议
考虑到课程内容的深度和难度，对机器学习感兴趣且有扎实数学基础的学生，尤其是计划从事相关研究工作的学生，这门课值得选修。对于数学基础较薄弱的同学，可能需要权衡自己的时间精力与学业目标。
- 课程难度：困难
- 作业多少：很多
- 给分好坏：一般
- 收获大小：一般
- 难度：困难
- 作业：很多
- 给分：一般
- 收获：一般
（补档）
暑假里考虑到要腆脸向王杰老师组投简历，就临时把评价隐藏了，完全自愿，牢骚发过也就删了。欢迎同学们选报王杰老师的机器学习，这是西区最硬核的课程之一。
你可能感兴趣的帖子（均摘自知乎）：
你可能感兴趣的代码（均来自github）：
你可能感兴趣的其他网站：
- 课程难度：中等
- 作业多少：很多
- 给分好坏：超好
- 收获大小：一般
- 难度：中等
- 作业：很多
- 给分：超好
- 收获：一般
这门课的内容给我的印象是：机器学习导论（介绍性的）+回归分析+凸优化+贝叶斯推断。作为数学系的大四老狗，在学这门课的时候对内容比较熟悉，对算法原理也比较了解，所以最后获得了一个相当高的分数。
先说一说我学这门课的收获。老师上课的时候对许多经典的模型的动机和原理都讲得比较透彻。对数学或者统计系的学生来说，学习这些内容有助于拓宽思维，知道自己所学的内容是如何应用到现实中的。对本专业的学生，可能这有助于理解、分析、解构、设计一些模型？
但是一学期学下来，我还是感觉这门课有许多不太令人满意的地方。比如作业的设置，感觉出了很多既花篇幅写证明，但实际上又十分显然或者无聊的题，这种题对绝大部分学生理解课上讲的原理的帮助极其有限，这导致作业非常冗长（不仅仅是多，做得我真的很烦，一边做一边骂）。
另外这门课大作业的难度，包括数据的选取与上课内容不太匹配（这个数据真的相当恶心，明明是回归问题，但是在选取几个属性画图比较的时候发现相关性非常弱），同时缺少一种循序渐进的过程（就像造车一样，应该先学会组装、造轮子、造车身零部件之后才能从头去造一整辆车）。
不仅如此，这门课在理论的丰富同时又有实践的缺失。作为非计算机系的同学，没有合适的例子告诉我们怎么写程序、怎么掉包、怎么拼接程序实在是有点遗憾。
