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
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
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
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
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