选课类别:基础 | 教学类型:理论课 |
课程类别:研究生课程 | 开课单位:人工智能与数据科学学院 |
课程层次:硕士 | 学分:4.0 |
双11来评个分(没错22春现在才出分,拖得比较久)。
平时分基本就只需要bb按时交作业、没有点到(应该)。
课程内容的话,本人学的一般,所以不好判断真实难度(不过从我做出来的几道题来看,应该学懂了就挺容易的)。讲课语气有些平淡(催眠),有点考验自学能力。
卷子大概是6道大题,半开卷(传统考法,带A4纸一张),出题按照章节分的。题目没记下来,反正生成函数、VCdim、AdaBoost之类的肯定有,A4纸尽量多抄点。
给分绝对不算差,从本人情况推断,做对一半应该就能75+。只是出分时间。。。想快点拿学分的慎选。
课程暂未出分,先给个平均分,按往年评价可能会拖到秋季学期)本学期的课依然是两位老师交替上的(一般是一位老师负责讲解一周),其中杨老师主要负责基本不等式,凸优化,svm,核方法,在线学习和排序算法,张老师负责pac可学,复杂度(Rademacher,增长函数,vc维),boosting,多分类和最大熵/条件最大熵。授课内容基本没有超出mohri的foundations of machine learning里的内容。有几次作业,基本每周都会小测。其中有一部分小测允许线上提交,不知道总评的占比。
授课内容方面,mohri的书是做learning theory的入门级教材了,相比周志华老师的宝箱书也更容易读进去,听课感觉杨老师应该平时比较忙(ppt比较摆,尤其凸优化部分看起来是从其他课上拿来的),张老师备课很认真(助教有在群里放出张老师往年的notes和复习提纲)。
期末考试半开卷,考试内容包含必做题和选做题(6选4)。必做题是课堂例子或作业的修改版,选做题包含大量的课程内定理的证明,如条件允许建议将所有证明完整抄下来,不要只写证明的要点,考试时容易想不起来)