yysy， 4.5个实验3.7 给分基本就和实验挂钩 但是作为计科人还是得推荐一下这门课， 好好学收获还是挺大的 还有就是这课好像越来越卷了，意味着要想得高分要做more多more多的实验 >>more
由于幸存者偏差的原因，其实给分中等吧，没有特别奶，属于是认真复习了就能得高分那种，老师线下课的几个ppt一定要认真看，一定会出概念题（都是原题），其他的内容都在视频里 作为一个公选课来说在我这里可以给7分（？ （ps助教小姐姐超级认真负责所以再加一分 >>more
考试内容基本都在ppt上，现在看每年考点也都差不多，调分貌似是一点不调，严格37开，只有一个论文和期末考试，平常没有作业，老师讲课中规中矩吧（我没怎么听过），还有就是ppt是英文的有点烦，不怎么在意gpa水学分的话倒是个不错的选择 >>more
老师非常nice，上课很幽默风趣，而且很关心同学们的听课感受，虽然这学期是在线上上的课，但是仍然能感受到老师的用心成绩占比：50考试＋40实验+10作业作业部分：本学期只有两次书面作业实验部分：总共两个大实验，实验文档相当详细，最多可以三人一组，第一个是和爬虫和基于用户的推荐相关的，第二个就是知识图 >>more
出分了，3.0和4.0两点分布啊。。。 如果不是缺学分快跑 占个坑目前给7分，还没出分 平常类似讲座性质，不点名捏，没平时作业 最后只有一个课程报告需要写 作为公选课比较推荐入手 ~~不过我个人感觉真的学不到什么啊~~ >>more
基础分9分，等出成绩来改（笑） 期末考试个人感觉真的挺基础（连我这个垃圾都感觉基础那就是真基础了） 老师是纯板书讲课，不点名无小测，只有一个期末（×） 呃呃呃，如果不追求极高分数的话速成完全是够的（） 基本定义+算法再+一套往年卷就够了 我也就前一天晚上8点开始复习第二天下午六点就考试，大概能看完， >>more
个人感觉，这门课学起来收获应该是很多的，但这种教学方式有点（） 不说给分的问题，毕竟谁叫我期中炸了（） 如果完善好教学体系的话这门课还是能学到不少东西的 包括实验用到的git，cmake什么的 （最后的加分实验救我狗命） 最后开源个我的实验吧 https://github.com/zzx6869/i >>more
这个必须满分好吧 李老师学识渊博，而且鼓励同学们和他交流（有和老师交流的机会），讲课水平很高（个人感觉比隔壁班老师好一点勿喷），有n次实验题基本就是每个数据结构adt的实现，没有大作业（隔壁班好像有） 期中炸了期末80多最后应该3.0吧 （mdB树忘了直接10分没了） 题型前面是填空选择覆盖面很广 >>more
本评课前提：我是一个菜逼 老师讲课语速较快，基本每节课都会有一个彩蛋（课外内容），作业挺多的（好像都很多）ppt一般般吧，复习不要指望ppt了 给分真的好，期末30多的大垃圾被拉到了70多分 >>more
给个7分吧虽然这是俱乐部最后一年了，但还是要说一下排协的人选这门课真的很占便宜平常就是自由打比赛（前面老师会分组后面就不怎么管了）一周是两次课，打卡不能少于18次目前看来只要打的不错很容易优秀但要更高就很难很难了出分再来看麻，真就ying看打卡次数，排协的还有特权捏 >>more
本课程是较为硬核的选修课之一，仅为学分慎选是既得利益者关于课程结构，课程的前半段主要讲解的是python的基础语法，数据结构等等内容；后半部分主要讲解一些库的使用，以及其他功能代码的利用，涉及很多前沿知识，要求是可以不理解但要会使用，包括人脸识别，动作识别等等人工智能相关内容。关于作业，是一个大作业 >>more
宁老师真的超好我一个大菜逼都能给我捞回来平常作业有点多会有一次期中（小测性质）给分很好，关键PPT炒鸡详细啊（菜逼福音）选就对了，不会吃亏 >>more
怎么说呢。。 有优秀率限制了... MOOC和线下课真的没学到啥东西 想拿优秀感觉很简单背题库就好 考试都是智慧树上的原题... 但毕竟如果大家都卷优秀也不是很容易。。。 >>more
崔老师人挺好的 喜欢和同学们交流， 平时在我们打比赛时也会认真看和指导 不过这课挺吃练习和球感 有基础很容易高分，没基础就要多练了，光靠上课拿优秀还是有一定难度的 考核方式为1km+发球+互垫+平时 老师应该挺注意每个人平时比赛状态的，所以平时比赛发挥好一点给老师留个好印象很重要 1km 4min1 >>more