好像不太适应老师的讲课风格…后面看能不能调整一下听课方法吧。概统学的还行，但是这门课到目前为止都听不太懂。其他点评提到的提前布置作业是真的，上周作业有问题的地方这节课全讲了，确实印象深一些，就是写作业的时候有点痛苦。出分了，比较满意，毕竟后半学期没怎么学过全靠考前速通。不知道卷面分，有个别题目不太确 >>more
学到的东西不多，主要是关于Excel的。个人认为这个课程的设置不太合理我们组三个人每次作业分工都差不多，最后分别是3.7 3.3 3.0。我是3.7那个，89分，这个给分给我整无语了2024.7.5现在回头看看，大一的时候拿3.7还那么大意见，有点乐记得当时是觉得再给高一分就能4.0，而4.0没有比 >>more
这门课是管统的专业课，同时是大数据学院的专业选修，所以我就选了。作业实验都相对简单，不过考试我感觉写的不太好（主要原因还是平时没听课），大作业是做数据分析，我做了下聚类，另外用决策树训练了一个预测模型，本来打算做关联规则分析但是Apriori算法写出来跑不通遂放弃。最后总评也比较满意。半开卷考试，C >>more
上课的一个明显特点是很多东西在讲第一遍之后就很少会讲第二遍，如果讲的话也是旁敲侧击，不会明说。已经懂了的人知道是在讲什么，不懂的话大概率还是不懂。老师会要求你去问别的同学，别的同学有可能也是不懂。如果能确实听懂上课中讲到的所有方法并且考试当中体现出来，那么分数不会低。老师会发表观点性看法，其中有一些 >>more
后天期末考试，今天来写点评价。 这门课难度很大。包含了很多内容但是受限于一门课的体量没有办法深入介绍，这一点其它评论也有提到。 授课方面相当出色。邵帅老师会把证明过程以非常有逻辑且合理的方式一环扣一环地呈现给同学，手把手教同学如何处理问题。在听完之后不会有任何形如“为什么要这么做”的问题，而是会觉得 >>more
从课程本身的内容来说相当不错。学完之后可以对“计算机是怎么工作的”这个问题有一个初步的了解，从我个人的角度来说确实学到了很多东西。教材也很好，写得浅显易懂，非常适合自学（建议读英文版教材）。期末考试前能把Appendix C读透就没有太大问题。 在实验方面，根据对往年评论的观察，今年的变化是取消了附 >>more
授课质量很高，是纯板书上课，思路非常清晰。虽然是三节的数学课，我每次基本上都能全程专注（其它很多课都做不到）。最后复习的时候对着笔记过一遍不会有太多遗漏（然而我遗漏的某个知识点恰好考了道填空哈哈哈）。作业布置的不多，并且难度不大。期末考试估分80-85，总评92，给分是不错的。这门课前半部分是概率论 >>more
期末考试结束了先来写两句，出总评之后可能会更新。老师的“主业”应该是科研而不是教学，这从平时上课的风格等等可以看出来，但是并不影响教学的质量，主要的知识点讲解都很清楚。另外上课时有很多次在解释证明思路的时候能感觉到老师希望从数学研究的角度告诉我们类似的问题在科研中一般采取什么做法（当然只是一句话带过 >>more
因为包括疫情在内的各种原因，大部分的准备都拖到了2023春，不过工作量并不大。我们组做了我比较感兴趣的神经网络和机器学习，我负责原理部分，内容基本上是根据3b1b的视频组织的。最后我们组给分应该都不错（一个4.3，一个4.0，剩下两个不太清楚） >>more
全勤 机考94 小组作业也是认真去做的 最后绩点3.3 看到不少人说摆大烂还拿了优秀，有点难绷考虑到线上课漏刷了一节，分数不好也不能说很意外顺便提一下线上视频课，纯属形式主义，每个人都知道不会有人认真看，但是仍然是成绩评定的一部分，如果真的想客观评价，不如把这部分权重给到机考，毕竟是真的要了解才能拿 >>more
老师人很不错，发现同学们不怎么听课觉得是自己的问题，实际上是课的问题。给分不错，总评91，相比道法课可以说相当满意了。当然给分方面的评价是从我个人角度而言，看到有同学认真准备结果分数不好，感觉是思政课通病吧。 >>more
相比我秋季学期选的另外一门英语课「学术英语读写」，这门课压力小一些，主要内容有对某些话题的讨论、展示，后期会有英文辩论，个人认为比较不错。Richie是苏格兰人（记得他自我介绍的时候说"Maybe we'll be independent next year."），但是英语发音是美音，不知道为什么。 >>more
利益相关：4.3先说一下课程的形式阅读部分为每节课两篇800词左右的文章，课前会有小测，内容是这两篇文章里的词汇，有英译汉和根据英文意思写单词。上课时会有与文章相关的几个问题，每个问题随机抽一位同学回答，回答过的同学大概率下节课不需要回答。在这个过程中Thomas会对文章进行解释，并且可能会补充一些 >>more