机器学习

课程信息

一门基于西瓜书的硬核机器学习课，理论性很强。PPT 里全是概率论公式，真正要啃懂需要有相关知识积累。但实际是上课造火箭，考试拧螺丝的纸老虎。大部分内容是智科那边的李文斌老师上的。

数据科学方向必选选修课。

主要内容：线性模型、决策树、KNN、SVM、NLP、NN、CNN、小样本学习、无监督学习、高斯混合模型、持续学习、贝叶斯分类器和集成学习。

授课老师：李文斌、冯奕
课时：3 学分。每周一次课 3 个小时。
成绩：期末考试(40%)，期末大项目(30%)，平时小实验(20%)，考勤(10%)
教材：Stephen Marsland, Machine Learning An Algorithmic Perspective(机器学习算法视角)、西瓜书、李航统计学习方法、Christopher Bishop PRML

上课会点名，一次没到考勤里扣一分。一学期点了四五次。

主要是李文斌老师在讲，NLP 是冯奕老师讲。有时候助教会来讲一些相关工具的使用、git 和 linux 基础。

上课内容讲得十分理论，从零用公式推导。难度很高，有概率论和统计学基础可能会更轻松。

平时有三次小实验：决策树、SVM、CNN。

配环境、调库、写报告。

手搓模型的话会有加分。想要速通的话，GPT 是你的好朋友。

选择题+简答题+大题。

期末考试前会划重点，尽量理解重点模型就行。期末考得相当简单，不过也还是要复习一下的。

照着 PPT 复习就行，不是很需要笔记。

期末似乎比前几年更简单了。主要因为选修课不算保研，大家都没怎么认真学。