选课类别:基础 | 教学类型:理论实验课 |
课程类别:研究生课程 | 开课单位:软件学院苏州 |
课程层次:硕士 | 学分:3.0 |
张曙老师的《算法设计与分析》课程内容涵盖机器学习的多个章节,从经典的线性模型、SVM、神经网络到聚类、特征降维和特征选择。教材使用《算法导论》,课程知识量丰富、严谨,认真学习能有较大收获。
考试内容较为全面,包括基础算法和机器学习相关知识,如逻辑回归、SVM、Floyd最短路径算法等。复习时建议严格按照PPT和相关复习资料进行。需要注意的是,近期考试难度上升,但覆盖范围与课堂内容紧密相关。
张曙老师给分较高,评分较为宽松,被评价为“给分yyds”,即使考试难度增加也能给出较好的成绩。
课程工作量较大,包括作业、期中考试、实验和期末考试。但平时分占了总分的一半,有助于提高最终成绩。平时努力完成各项任务能获得比较理想的成绩。
总体而言,张曙老师教学认真,课程内容丰富,要求较高,但给分也较为慷慨,适合有一定学习基础并且愿意投入时间和精力的同学选修。
课程比较粗糙,是周志华-机器学习的前12章内容,从经典的线性模型、SVM、神经网络到聚类、特征降维和特征选择。
复习按照PPT和机器学习复习PDF上就行了
2023.7.10考试试题
1. 逻辑回归和svm的区别和联系
2. L1正则化和L2正则的区别
3. Floyd最短路径算法
4. 给三个样本(3,3,1),(4,3,1),(1,1,0),求线性可分支持向量机
5. 给出5个机器学习评价指标
6. 2种线性降维和3种非线性降维
7. 网页文本余弦相似度
8. 动态聚类
这学期的考试比以往的难度高一些,但是张老师给分很高。考试复习不仅要把往年的题目做了,还需要把考试范围内的课堂PPT或者书本内容熟悉。
课程作业+期中+实验+期末,总体工作量比较多,不过平时分能占一半(作业+实验),老师性格还行,分数也还是可以的