搜索点评「机器学习A」 搜索点评「机器学习A」 搜课程 搜课程
共 360 个点评(当前第 17 页)
匿名用户 更新了点评 机器学习与知识发现(陈恩红, 徐林莉)

K-means里所有点都乖乖挨在各自的聚类中心旁边,一次迭代就收敛了;神经网络那题反向传播只要求传播到最后一层的两个参数上,损失函数是MSE,没有激活函数;PCA样本的特征是2维的,并且协方差矩阵是一个对角阵,连求特征值和特征向量的步骤都免了。建立在考试题目有放水的的前提上,这么多人抱怨难度,也能看 >>更多

匿名用户 更新了点评 机器学习C(吕文君)

送给PB2306xxxx某同学10月14日在《an style="color:#B22222;font-weight:bold;">机器学习an>C》课堂关于构建无人机数据集项目的演讲:你做的工作就是一坨屎。或许你的师兄师姐和导师想要做一个好工作,我不知道这个工作的全景,我猜你也不是很清楚。无意冒犯,祝他们科研顺利。我只针对你演讲的内容,你本人就是一坨屎。数据集标注降本增效的方法是压榨底 >>更多

stardust_math 更新了点评 最优化导论(尼克)

毕竟我上过了《运筹学》、《an style="color:#B22222;font-weight:bold;">机器学习an>A》等等数院的专业课,这些基础的优化理论不知道学过了多少遍。但为了锻炼自己英语听力和交流的能力,我还是选择认真地去听这门课。里面的概念的确都很基础,不像数院的专业课那样充斥着复杂的定理和证明。但当我以为没办法从这门课堂上学到新知识的时候,老师的课件及讲解让我醍醐灌顶 >>更多

Doloris0626 点评了 人工智能数学原理与算法

同一个学期还有数分 A3 和线代 A2 以及电磁学 B 共 4 门按培养方案必修的硬课,合计 18 学分,课程容量很大;2 春则包含四门专业硬课,可以说是后续一切学习的基础,合计 12 学分,还包含 4 学分的物理课。这两部分显然 jwc 不能改动,于是他们是怎么做的呢?看起来大三专业课不多,那就塞 >>更多

rekys 更新了点评 计算物理B(魏逸丰)

(不是建议大家完全借助AI,而是主要查询不熟悉的语法,算法流程自己务必熟悉。不过an style="color:#B22222;font-weight:bold;">机器学习an>的作业会显得比较麻烦,很多内容并不清楚,大家搭建神经网络时可以多参考一下AI)考试:本人非常欣赏魏老师的考试方式,即主要考察学生对基础概念、算法流程的理解,而不是像平时作业那样拘泥于具体计算,毕竟算法才是核心,其 >>更多

tanleo 点评了 多元统计分析A(杨亚宁)

了几种经典的分布,比如说球对称分布、球面均匀分布,Dirchlet分布等以及高斯图模型,涉及到一些分析与线性代数的技巧以及一些统计的方法(比如delta方法),然后花了很大的篇幅讲解了卡方分布在高维的推广——Wishart分布及其性质、密度函数,这一块相信学习概率方向的同学会非常感兴趣。在介绍完Wi >>更多

李老师讲的应该是最细最好的,把核磁共振剖析的很彻底,我这学期另一门课百年诺奖复现正好也在做核磁共振实验装置搭建,所以自然也学到了很多,李老师做量子an style="color:#B22222;font-weight:bold;">机器学习an>方向,就3月份还新发了一篇PRL利用核磁系统做出来量子an style="color:#B22222;font-weight:bold;">机器学习an>时序预测,我在自旋磁共振实验室公众号上看到后找了原文读了读,感觉收获不少;王老师应该 >>更多

Burgeon 更新了点评 金融经济学基础(张力)

外还有给吴遵老师发叠课的邮件也会很快通过。这里附上我的小论文和看PPT的时候整理的一个文档,小论文基本全靠chatGPT,没有做任何定量分析,唯一的一个亮点是最后用了an style="color:#B22222;font-weight:bold;">机器学习an>的方法,文档也比较简略。thesis.pdf学习笔记.pdf忍不住拉踩一下计量经济学,咋就多了 0.5 学分事情就多了那么多呢 >>更多

我真的不懂微分方程 更新了点评 最优化算法(陈士祥)

正在wisconsin-madison的cs进行暑研,刚看到隔壁的Stephen Wright教授上ICM 60分钟报告了,我们cs人也是能上ICM的😭😭从个人角度,优化研究主要结合两个方面:一是对特定问题结构的深入思考,这部分内容通常不在课程范畴之内,更多需要通过阅读论文来不断积累与理解思考;二是 >>更多

Mospiccc 更新了点评 计算机应用数学(宋骐)

这门课程虽然叫 “计算机应用数学” 但实际上更多应该是 “人工智能中的数学基础”,适合研究生方向为ai但基础薄弱的同学。课程的主要内容涵盖了各种统计学、随机过程、an style="color:#B22222;font-weight:bold;">机器学习an>等方向的基础知识。PPT推导非常多,但例题不多,有的讲的不明不白,以及大篇章的推导证明的数学公式,期末复习的时候看起来很痛苦,不过 >>更多