搜索点评「凸优化」 搜索点评「凸优化」 搜课程 搜课程
共 69 个点评(当前第 5 页)
助教 点评了 机器学习(王杰)

1,课程内容:目前,统计(简略),凸优化(偏机器学习,量多)。会出现一些矩阵求导之类的新定义的东西。建议:对讲的内容,每一步都定义好。 课时:相对课程内容量来说,应改成分成每周两天,每次两节。或者分两个学期,一学期的课打概念基础,一学期着重讲机器学习的研究和应用 课件错误:不多,但是影响阅读,对学数 >>更多

呼呼哈嘿大面包 更新了点评 机器学习A(王杰, 冯文杰)

大概内容就是默认你只学过数分线代,然后一直往下讲直到讲完凸优化。12周后总算开始赶机器学习的内容了,不过也和代码没关系,还是在讲数学原理。决策树,贝叶斯分类器,逻辑回归,梯度下降和随机梯度下降,支持向量机,主成分分析,神经网路,强化学习,上次学内容量这么大的课还是离散数学。所讲的和作业做的还有考试考 >>更多

dg 点评了 实用统计软件(温灿红)

后面比较进阶的内容,优化和bootstrap难度较大,优化讲得比较粗,应该是老师默认同学们都同时选了凸优化吧,没有基础的不太容易跟上,bootstrap需要数理统计偏后部分的内容做前置,对没有学到的也不是很友好。后面Python讲的都是基操,比较简单。总的来说课程内容过多过杂,非常需要重新合理调整课 >>更多

gbb 点评了 机器学习(王杰)

其中有监督学习应该算是最重点的模块,既包含了大部分最重要的传统机器学习算法,也包含了很多凸优化理论。(2)这门课的一大特点,就是重视理论基础。所有的算法,都是从要解决的问题出发,到做了哪些假设,到公式的推导,再到最终的结果,这些步骤都是一步一步在黑板上写出来的。这样的讲课逻辑,目的是能够让学生真正能 >>更多

巴拉巴拉嘿呦 点评了 机器学习(王杰)

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帮助也很大。收获是真的大,耗时也是真的多,堪比微积分,学期内基本一般学习的时间都在学这门课lol。一共七八次平时作业,平均每次作业 >>更多

Starry 更新了点评 最优化算法(宋艳枝, 陈士祥)

课程从凸优化的数学基础到对偶理论,再到各类经典的优化算法,并且还会涉及一小部分的前沿工作介绍,内容上来说是完全足够的。课件也是写得很详细的,各种定义定理数学推导、每个算法的具体收敛性分析、具体算法的应用举例基本上说是一应俱全,我认为即使到了AI数学能力如此强大的今天,依然可以把这个课件当作参考资料翻 >>更多

li 点评了 机器学习(王杰)

1,凸优化部分其实感觉还好,主要可能是因为自己一直比较喜欢数学课,也比较能啃下去,但是其他同学未必是这样的,因为大多数同学是信院的,首先数学课学的不够多。相比于数学专业的同学,信院同学只相当于学过两学期弱化版数学分析,以及一个学期的线性代数。我拿我自己举个例子,我是信院的,大一的时候线代考的不错,这 >>更多

Rengin 点评了 人工智能基础(吉建民)

学习部分分为机器学习部分和深度学习部分,今年机器学习部分为实现决策树和SVM,不允许调库,实现SVM允许使用凸优化库cvxpy;深度学习部分为实现感知机(不允许使用pytorch,只能使用numpy),调包实现CNN。两个实验对于初学者而言都是有一定难度的,尤其是第二个实验处境有些尴尬,python >>更多

stardust_math 更新了点评 最优化导论(尼克)

大致看了一下内容,基本上数院的《运筹学》、《机器学习A》或者《凸优化》之类的都能覆盖,而且都是一些基础内容,没有太深的拓展。如果想要上课尽可能听懂老师讲的,可能需要对一些基础词汇的英文比较熟悉,或者课前先看一遍教材。课前听了一些这个老师的录课,感觉口音很重听不懂。但实际上课感觉会清晰很多,大部分还是 >>更多

我一道最难题目靠借鉴的情况下依然耗费了我至少24小时(不要怀疑这个数字,因为当时我为了这个作业甚至还通宵),同时在这一学期还有随机过程,泛函等硬课以及凸优化这门课的情况下,这个作业所花的时间是不太能让人接受的;老师只能说是很乐意听取我们的意见的,但是当然就像初高中一样,所有老师都会认为自己的作业并不 >>更多