RL学习最优策略，其余部分均转化为寻找一个函数的极值点，也叫优化，NN拟合函数也是使得损失函数最小，一样的。对于每一个优化问题，如老师所述，我们关心的是解的存在性，唯一性，连续性(未讨论)，解的存在性判定是一个非常困难的问题，这门课中学到的工具有1）连续函数在紧致集上有极值；2)对有约束问题的强对偶 >>更多

20240129更新：新的梗图：课程：人工智能专业唯一一门有用的专业课（悲。课程属于导论性质，有一定难度，但并不是特别难，可能更适合在大二开设。讲义很好，我基本没听课。作业：在线性代数方面，可提前学习MIT线性代数和《矩阵论》的前半部分，最起码要搞清楚列空间、零空间、行空间、左零空间以及它们之间的关 >>更多

给个不同角度的评价，仅供参考。这课我感觉就是又难又累，最后还拉成绩，也没啥收获。可能其他评价的同学都很牛逼吧，反正我的体验就是，为了这课花了不知道多少时间写作业和复习，最后考试成绩也不咋地，课程内容考完过一段时间也都忘了。我又不走机器学习理论方向。 >>更多

作业怎么这么难，要死了，这课零基础真能上吗 期中考也太难了，考得好累 >>更多

（补档）暑假里考虑到要腆脸向王杰老师组投简历，就临时把评价隐藏了，完全自愿，牢骚发过也就删了。欢迎同学们选报王杰老师的机器学习，这是西区最硬核的课程之一。你可能感兴趣的帖子（均摘自知乎）：如何对向量求导如何对二阶范数求导如何对矩阵求导更多的求导什么是拉格朗日乘子什么是逻辑回归什么是决策树什么是支持向 >>更多

求助一下，本人只上了大约一个半月的机器学习，然后因为时间冲突退了，请问这门课有哪位同学录屏了吗？或者是bb系统的回放链接？蹲一个佬为了不影响评分，就打一个平均的八分了 >>更多

这门课的内容给我的印象是：机器学习导论（介绍性的）+回归分析+凸优化+贝叶斯推断。作为数学系的大四老狗，在学这门课的时候对内容比较熟悉，对算法原理也比较了解，所以最后获得了一个相当高的分数。 先说一说我学这门课的收获。老师上课的时候对许多经典的模型的动机和原理都讲得比较透彻。对数学或者统计系的学生来 >>更多

学这门课感觉像是喉咙被塞了两块大馒头，吐也吐不掉，咽也咽不下去，也不能怪馒头太大，只能怪喉咙太小。 期末考试题量巨大，考试时间三个半小时，难度倒没有想象中的那么高。只要把讲义看明白，定理证明背熟，作业题好好看看大概还是能考个不错的分数的罢。 >>更多

只想感叹一下西区怎么会有这么难的数学课…… ML=Machematical Learning 计科的，数分线代都学的很一般甚至可以说很差，这门机器学习纯坐牢。 但不得不说王杰老师本身水平很高，讲义质量是我见过所有老师最高的，相当用心。 纯摆烂人，没咋去上过课，全靠讲义异步学习。每次作业都是ddl前狂 >>更多

大三路人，大二结束的时候希望未来能够从事机器学习方面的研究。我在大三下学期自学看过课程的讲义（没有选课），能感觉到王老师是在努力将这门课讲明白，真的希望同学们入门机器学习领域的。大三秋季正是一些同学开始接触科研的时间，回想起来如果我大三上学期能够抓住选课机会，那么在完成机器学习方向的科研任务的时候会 >>更多