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 4 页)
wasd 更新了点评 机器学习与知识发现(陈恩红, 徐林莉)

选这门课单纯是为了给自己一点把西瓜书啃完的动力,一是为了考试,二是为了工作面试(毕竟算法岗问an style="color:#B22222;font-weight:bold;">机器学习an>知识还是太多了)。建议大家不要对陈老师的讲课水平报有太大期望,我一学期课就只去了两次,其他都是都看B站自学,配合百面an style="color:#B22222;font-weight:bold;">机器学习an>这本书,直接开始准备面试,寒假可以直接去参加面试试试自己的学习效果再查漏补缺 >>更多

匿名用户 点评了 人工智能与机器学习基础(王翔, 张岸)

怎么说呢,感觉作为ai入门其实挺好的,该讲的东西都讲到了,但是架不住an style="color:#B22222;font-weight:bold;">机器学习an>有点伪科学(没有什么很完善的理论)导致挺杂的,还有这作业是不是有点太多且没啥必要了。。。 >>更多

visible 点评了 计算物理B(魏逸丰)

但由于铁的GPA规律,考试难度高于去年,还多了一个(据说最多可提升总评5分)的an style="color:#B22222;font-weight:bold;">机器学习an>大作业。一共六次编程作业(MC×3,FDM×1,ML×1,MD×1),ML和MD代码量较大(500行+),不过ML有示例代码。考试总体感觉较好,但有时候表述很奇怪(比如“画一个神经网络”,不知道是要考什么)。考前复 >>更多

安慕希伊拉克 点评了 计算物理B(张志勇)

建议改名计算物理导论。课程内容包括蒙卡,有限差分,有限元,分子动力学模拟,MMA,an style="color:#B22222;font-weight:bold;">机器学习an>,并行计算。每部分内容都是蜻蜓点水,更像是一门公选课。考试包含大量概念性内容(默写)。相比于计算物理A确实轻松很多。 >>更多

早知道这门课讲不明白就改选A了!计算物理学本来是一门很有意思的学科分支,但这门课的wys老师有一种化神奇为腐朽的能力:教材上讲不清楚的、没讲的,他的ppt课件上也讲不清楚。本来我还是以为这门课上我是能学到东西的,结果呢,蒙卡部分还好(概统的知识可以直接应用),mma完全靠大一以来自己操作的经验;机器 >>更多

Wanglulu 更新了点评 AI博弈方法实践(马麒超)

知补课地点巴巴博弈二分制,但是下学期有强化学习,这学期感觉需要先接触一下人生也是强化学习吗?一年前,我在概率论和随机过程一知半解的情况下硬吃人工智能与an style="color:#B22222;font-weight:bold;">机器学习an>基础。现在,我在人工智能与an style="color:#B22222;font-weight:bold;">机器学习an>基础一知半解的情况下硬吃优化理论基础和强化学习。时间太少,要学的东西太多,每天接触到的信息又在不停地提醒我得 >>更多

stardust_math 点评了 运筹学(陈士祥)

平心而论,期末考试不算很难,老师讲的也很好,讲义也很有层次。但是这学期真的是学不动了,自从考完an style="color:#B22222;font-weight:bold;">机器学习an>A之后感觉整个人被抽空了,原本以为中间两天能好好准备,结果还是做不到。感觉可能会是我目前考过最低的一门,只能把这门课放辅修里了😭 >>更多

哒哒哒jun 更新了点评 计算物理B(吴雨生)

第一题的第二类舍选法就是当头一棒,随之而来的叠加原理抽样,龙格库塔法证明,有限元素法过程,分子动力学过程以及对关联函数意义,和最后的an style="color:#B22222;font-weight:bold;">机器学习an>不得不说都看起来有些复杂。 这其中,除了叠加原理和龙格库塔的证明(考这个有点离谱,计算方法不是仔细看过的很难憋出来)都在老师的划重点PPT上,但是并不在前一年“ >>更多

P.A.I.M.O.N 点评了 机器学习A(王杰)

由于教务处偷偷摸摸往量信培养方案塞了一门an style="color:#B22222;font-weight:bold;">机器学习an>B,本人就在教务系统上申请了用A替代B。这门课的上课和作业体验感觉有些糟糕,并且似乎让助教代课似乎不合教务处规定(可能因为高新区没有教学督导巡视),但是总而言之上这门课还是可以学到很多东西的,至少比那个两学分的人工智能导论好多了。期中考试前讲凸优化的基 >>更多

嘿嘿嘿 点评了 机器学习(王杰)

整个架构应该是参考了诸如CS229这样的国外优质an style="color:#B22222;font-weight:bold;">机器学习an>课程。主要分为三个部分: 监督学习:linear regression, logistic regression, SVM, naive bayes, gradient descent, decision tree, NN、学习理论...大约占 >>更多