6月21日5:04一编先占个坑，作业三写得不知天地为何物了6月21日6:31二编50000篇论文的本地知识库喜提250GB把我E盘撑爆了7月29日02:16三编82分 为了水学分的话还算是合格的课就是作业写得太折磨 >>更多

不是哥们每节课都小测啊？一节课就剩个五分钟还布置一大堆题，合着就必须完整听完你一整节课才行呗？还有点名答题（不记名），每次都浪费一大堆时间，直接讲下去有人不听就不听啊，最后布置作业布置实验和期末考出来不都一样，难怪开学选课跑了那么多人 石中石 >>更多

满分无可置疑 结课方式我选了5000字论文，拿之前3000字的“人工智能技术与伦理”的结课论文作框架，稍微改了一下整体的结构（拿它作为最后一章重点讲，前面放一些逐渐深入并向这里靠拢的内容） 结课论文.pdf >>更多

挺有意思的，最后给的提纲只要仔细去整理过，拿个高分真的不是问题 我主要是让豆包、ds、grok、gemini、gpt分别给我搞了一份答案，自己简单过一遍（主要是看有没有没搜到的内容（实际上确实有，后面我自己搜索（外加kimi）把它们补全了）） 喜提3.7 >>更多

应该是本课程第一个环学赏析（什么），赶时间写的有点乱，图放的挺多。或许可以给xdx们做一下选题参考（不必局限于实际存在的西方古代油画(ysqd!(bushi))） 西方油画艺术鉴赏课程论文_莫环欣_PB22151796.pdf >>更多

老师课讲的还行，那些方法也确实很有用，从作业和实验里学到了很多。 但是这量也太大了吧？特别是前半学期，每周十几题作业啊，基本上每题都要爆算。还教考分离，计算方法→证明方法，平常全计算、考试考证明不是要我亖吗？非必修还是建议快跑吧，自己学就行，考试周真破防了 神！！！！！！！！！！！！ >>更多

考核内容已经有人发过，难度算是比较正常的（考核内容的描述非常详细，而且开放性也不小，也不需要手搓算法（这一部分（诸如具体涉及到的算法原理）会在实验课中手把手教学，实验课老师和助教都会到场），考核里只需要对比不同策略带来的效果就OK），老师和助教都很友好，打个好评先 （建议缺学分或者想提升自己的和隔壁 >>更多

理实分离，上课吹水、实验巨多 本门课程完全可以将整个理论部分完全移除，并提高课程学分，且唯一有用的就是实验部分。理论课就不讲了，个人show纯吹水环节。实践部分的跨度非常大：作业一：写两个函数，十行不到作业二：写一个带有爬虫功能的应用（666，“深度学习实践”）就纯软工吧，可以看我链接里的介绍视频只 >>更多

写了那么多给我A-我勉勉强强接受了吧总结一句，适合水学分，大作业要手写，难绷 >>更多

出分了回来补个评课，下面贴个仓库，欢迎来star（但是注意不要照抄，本实验严查抄袭）。 https://github.com/magichear/Machine_Learning 个人情况：在大三春季学期之前几乎完全不会深度/机器学习相关（人工智能基础67,srs这门课屑中屑），大三春选修了《深度学 >>更多