这门课虽然挂了两个老师的名字，但实际上陈老师只在第一节课上讲了些绪论性质的内容，主要还是由黄老师负责授课。讲课以 PPT 为主，PPT 可以在 课程主页 上下载。个人觉得黄老师讲课还可以，就是有个口癖在说到新名词时会重复一遍，感觉有些怪。

课程内容上，除了一开始的绪论，之后就是按照拿到数据之后进行分析的顺序，大致分为预处理、分析数据统计特征、挖掘数据背后信息形成模型三大步，此外还有两次小专题。每周一次课，一共十八周的课，应该是有两次小测和倒数第二次课的一次点名。

这门课没有考试，只有两个任务。一篇个人调研报告，与数据科学相关即可；一次三人小组打比赛，提供了一些 Kaggle 或是别的平台的比赛供选择，交一份实验报告。比较好的是时间给得很足的同时又没有把 DDL 拖到考试周。最后一次课上老师请了三位同学讲调研报告，三组同学讲比赛。

收获上，课程的内容还是不错的，就是有些在别的专业选修课上已经学过了。而更大的收获是完整地参加了一次 Kaggle 比赛，比赛中体会到了很多之前没有注意过的或是从没有学过的内容，虽然比赛结果不算好，但这种实践的经历还是很宝贵的。

以下内容不计入评课：

助教：一共是三位助教，学期中有次课由一位助教来讲了下 Python 的实验基础专题，此外队友问助教问题回复还挺及时的。

给分：不过助教好像是在某次有人进课程群打广告禁言后就忘记再打开了，所以看不到讨论不知道总体给分情况。个人感觉挺好的。

都快过年了，怎么还不出分，是我的教务系统坏了吗:p

为啥课程群还全员禁言了

利益相关：开学给出的给分公式：课堂（30%） +调研报告（30%） +实验报告（40%），但是由于其中每一项的得分都是不公开的，所以不知是否是按照公式给分。就个人情况而言给分蛮好的（即使是在我翘了最后一节课又刚好点名被抓的情况下~  总之，这门课非常适合高年级学生去水学分（不过据说之后就不再算作核心通识的学分了？）

上课：由于之前选修过连老师的《机器学习概论》，说实话这门课我一直都没怎么认真听（狗头保命），感觉大体是机器学习的入门版本，也不怎么数学，大二萌新听一听应该比较舒适~ 点名的方式是做题，大概有3-4次，好像有决策树划分、极大似然估计与贝叶斯估计，还有一次记不太清了…….

作业：完全没有！！！

调研报告：要求是和AI沾边都可以，可以是聚焦于一篇论文写自己的总结和思考（不过应该比较难写），也可以就一个子领域作一些整理和归纳（这个想摆的话找篇综述翻译翻译就有了，想卷的话发挥空间也很大）。调研报告写得好会被选出在最后一节课作汇报，据助教gg说可以加分~ 从个人情况来看貌似不太追求子领域的新颖性，总结几十年前的东西也是ok的~

实验报告：就是参加一个机器学习比赛（也可以自己找问题做实验，不过老师不推荐~）然后写报告反映比赛经历。赛题难度选择也很自由，简单的可以选二分类这种，复杂一点的有推荐系统，时间序列相关的。要求是模型可以调库，不用手写（当然如果用SOTA方法就未必有库可调了hhh~）与调研报告相同，实验报告写得好也会被选出在最后一节课作汇报并加分

总的来说，无论是大二萌新入门还是大四用来水学分，这课还是值得一选的