概统也是广大蝌蝻不得不品的数理基础课之一,作为继线性代数之后第二门对AI专业看起来就非常有用的数学课,概统学不好容易地动山摇。在24级AI专业培养方案更新之后,大二上出现了一门叫做人工智能与
样的,虽然我也不会做 )就是ppt比较难崩,参考书也难崩,缺乏一个一致的材料,可以锻炼一下寻找材料or上课记笔记(bushi) 出分了再来补评价(flag不倒)(听说一周直接出总评 抽盲盒既视感 )叠一层甲:以上建立在 算法基础(混子)--关于动态规划 ,数值代数--关于共轭梯度法 同步在上 ,图论 >>更多
陈老师上课就是个reader,偶尔喜欢手推一下公式或者叫同学上来推公式。本来这门课也不简单,再加上老师上课基本就是复述课本或者PPT,所以课程学习基本靠自觉。可以参考李航的《统计学习方法》来学,其他学院也开了统计学习的课程,讲得不错(就是期末考试挺难)。至于考试,每年题型都大同小异,今年是九道大题, >>更多
给个平均分,作为拿这门课用来高替
收获非常大的一门课,但是作业和实验真的写到怀疑人生了,计科人被各种数学折磨得痛不欲生,代码更是一调就是好几天(除了10分钟就能写完的lab2的神经网络+鸢尾花dataset)PPT基本是中英双语的,细节非常到位但是自学还是有点小困难。复习过程非常痛苦,18周的课全部上满,量大管饱。但是因为没有任何往 >>更多
助教来统一回复以下大家比较关心的几个问题(注:本回复内容100%手敲):关于课程内容课程内容确实比较偏数学,但是该课程面向的对象默认是科大的
念,,,)实验: 本学期三次实验分别是:(1) 新闻搜索引擎(2) 知识图谱关系补全(3) 豆瓣音乐推荐难度依次递增, 尤其是后面两次实验, 因为涉及
先说说这门课比较好的地方:上课内容比较基础,也没有那么宽泛,这对于未来不做AI、大数据等方向的同学来说是好事。老师讲课比较认真,ppt和作业也基本包含了要(kao)点,这能给不少同学减轻压力。但是这门课不足的地方也比较明显,而且常常与上面的有点伴随出现。比如:老师上课的内容又有点太浅了(指ml部分, >>更多
上课:课程内容整体来说还是在介绍各种