来科大上过的最有收获的课程。课程内容：今年课程主要讲了线性回归、逻辑回归、贝叶斯分类器、决策树、（简单的卷积）神经网络、支持向量机、主成分分析以及讲了一点强化学习的内容。王杰老师很注重原理的讲解和推导，备课很认真讲得也很透彻（常年在计科上那些老师念ppt的课给我搞怕了），上课来不及讲的内容会作为作业 >>更多

心态炸了，考试的时候什么都想不起来。太苦了！太苦了！人间不值得！卷面出分了，我来继续更新。课程难度很大，西区数学之巅。今年相比于以往，有一些变化。比如作业不再强制使用latex，当然还是要用英文写。这点还是很不错的，latex写这种证明满满、符号多多的作业时间成本太高了。作业完全靠自己写的话，需要投 >>更多

这门课不适合给信院大三的学生上，课程负担太重。作业：作业几乎就是上课没讲的东西，然后留作作业。一般是某个定理或着观察出来的结论的证明。需要非常高超深厚的分析和代数基础！大作业：不准用torch.nn的库就离谱。手写神经网络，手写梯度下降。上课：有时候会抛出一些问题，一定要学生回答，（有一次足足等了快 >>更多

把这个课分成两半，老师一半，自己一半，我给老师打满分，给自己打零分。 作业巨困难加超大作业量。更何况编程各种束手无策毫无思路。我觉得在巨大的课业压力下，我可能没学到些什么，是不是觉得不可思议？事实就是这样，为了平时分，那个作业就算不懂也得是抄了正确的解答交上去。评分机制和教学目标的统一性对于水平一般 >>更多

大二下来选的，管统专业，过来贡献一个数据点jpg. 课程难度和收获大小前面两位学长已经说过了，确实是一门需要花时间但能学到很多的课程，上学期在家又比较摸鱼，这门课上花的时间感觉 约等于 实分析+ 复分析，主要是毫无编程基础刚开始配个环境都可以弄很久，latex也手生常常写作业一两天，码latex又是 >>更多

在科大遇到的最硬核的一门课，王老师非常注重理论和原理的讲解，比如对SVM的推导讲得非常清晰，这门课硬核的地方在于作业，基本10道题中有9道数学证明题(可能略显夸张)，像我这种菜鸡一次作业基本要做几天，我记得最慢的一次是，从早上起来开始做，到晚上十点才做完两题，基本时间都花费在用google搜答案和各 >>更多

先说结论：这是我这个学年，甚至是在科大本科三年感觉到收获最大的一门课。 关于课程内容：这应该是王杰老师第3次或者第4次开这门课，显然对于整个课程框架的设计要合理了许多。整个架构应该是参考了诸如CS229这样的国外优质机器学习课程。主要分为三个部分： 监督学习：linear regression, l >>更多

这门课是目前人工智能班体验最佳的课！在这门课上第一次感受到什么是扎实的数理基础233333旁边数院选修同学上课看起来也没有很轻松。和一般的以简单样例为主的机器学习入门课不同，王杰老师的课贯穿矩阵分析，概率统计，凸优化，泛函分析。使得一个在饱受离散数学三部曲折磨的人重新get到数学之美。对看paper >>更多

硬核课程，2.5学分但远不止2.5学分，愿意花时间认真学的可以选。 关于课程内容：这门课最硬的地方是优化理论，关于这方面别的评论已经介绍的很详细了。凸集分离定理这部分会涉及一些开集闭集的东西（信院好像没怎么讲过），不过愿意啃还是可以啃下来的。课程后期难度骤减，深度学习部分主要难点在反向传播，但其实也 >>更多

以前在夏令营或者冬令营上过另外两个学校的机器学习教程，一个是哈工大的，一个是佛罗里达大学的，嗯，理论实践并行，学习快乐又有热情，觉得收获挺多。这门课嘛，，单纯就课程内容来讲，上得比较纠结。老师从选课起就不断给你施压，意思是你抗不住你就别选我的课。一开始特想上，觉得大四打好基础肯定研究生小赚，可能就我 >>更多