sb大作业随机分组，遇到摆子你就活该受着

实验和报告基本都自己写的，但报告又不得不均匀分工；有人想抄个开源方案随便应付应付，有人想至少把自己能想到的方法试一试，这本来就是组队时应进行的互相筛选，谁也没道理强迫谁。但你凭什么要这样不讲道理地随机分组，这样来折磨人、浪费人时间呢？到底怎么想的？

目前还没出分。

本学期 五次 日常作业，一次大作业（课程实践项目）。

课程任务基本都挺简单的，对着 PPT 怎么都能做完。课程内容涵盖数据科学导论、数据挖掘、机器学习、深度学习以及 LLM，东西很多干货拉满。何老师水平很高，上课可以非常流畅地一路讲下来。

学期中线下签到两次（很可能是学期中“教学督导”的强制要求），线上讲座两次、一次课程实践项目分享，也都有签到。没有期末考试还是挺好的，早早就把除了最后一次作业以外的任务布置下来，不会给年末的投稿期增加压力。

值得吐槽的点：

1. 大作业强制组队，不能自己找队友。遇到摆子十分难受，连报个名提供额外提交机会等最基本的事情都不做。一路 coding、实验、报告都需要自己做。
2. 很多作业是手算算法，一部分可以很好理解算法原理和流程，一部分（尤其是数据挖掘部分）更多的是折磨。往往详细写完要写一面纸。一次作业 8-10 道题，完全手写基本需要一下午到一天。在 LLM 时代可以考虑合理使用 LLM 加速这一流程，另外很多题目网上有答案。一部分早期“古老”题目有点莫名其妙奇奇怪怪看不懂意思也不知道怎么做（但作业的绝大部分都正常）。

总的来说，瑕不掩瑜，是一门比较好的课。

比起信智学部大量的逆天课程，这门课简直是完美。

出分了，给分超高。感觉是认真就有收获，体验非常好。

给何老师打call。虽然课程分数还没有出来，虽然感觉应该拿不到太好的分数，但是个人觉得这门课还是值得一选的。首先是何老师个人上课比较认真，虽然后面有时候觉得有些赶的样子，但是综合一学期的选课来看，不水真心想教点什么的老师也是难能可贵了。

课程作业设置我觉得比较合理，可以对所学的知识恰当的回顾。这门课21年没有考试，最后按照作业还有一次大作业的成绩计算。大作业也就是参加机器学习的竞赛，这学期是datafuntain的个贷违约预测竞赛，最后成绩据说竞赛占比不小。

一句话总结：如果有时间和编程基础的话还是挺值得选的。

作业不是很难，但是很费时间，上学期的课印象里好像接近十次作业吧。每次作业大概需要3-7小时（越往后越难的一个趋势）。

上课内容比较浅，如果对相关知识感兴趣可以考虑听听隔壁统计学习，两门课从知识点上有很多重合的部分。

大作业是参加一次数据科学的比赛，挺有意思的，小组作业。参加比赛的部分大概需要20小时以上的工作量。再加上pre和报告的话总共的工作量大概花了三个周末把（我们组之前基本都没接触过，如果做过相关的东西可能会快一点）。所以靠谱的组员和足够的时间缺一不可。

给分参考：pre老师有表扬，作业也交齐，大作业名次班里前10%，组长拿了90出头。只能说一般吧，跟工作量比起来可能只能说给分正常，有付出就会有回报的程度。

作业设置的比较合理（能学到东西，ddl不是很紧），给分也正常，但是上课讲的比较浅，而且后期拖堂过于严重，所以打了个7分。

这不是一门水课，不要看没有考试就盲目选择，不然课程作业直接让你做到怀疑人生，助教和老师会进行查重，平时也会提醒你不能抄袭，抄袭就是0分。

1. 老师的实力是很强的，课程更多强调的是引导你的兴趣而不是手把手教你。这可能会让很多人觉得老师上课教1+1，课后作业要求造火箭。课后题很多理论和知识都是需要你自己学习的，不要觉得自己学过人工智能和cv就能很轻松，感觉没有太多交集。

2. 上课不点名，你来不来都没有关系，但是课后作业要交，最好自己写。

3. 原来说有两次实践作业，但是只做了一次。https://www.datafountain.cn/competitions/530

这是比赛的网址，也是不能抄的，但是程序员的事情能叫做抄吗，叫开源！我本身cv方向，这个比赛还是老老实实的用数据基础的分析方法吧，用数据之间的关系来做，很多东西都是第一次见。

4. 这门课的教授不是很徐徐渐进，虽然看得出来老师助教很努力认真准备，试图教懂我，但是第一次接触真的好难啊，要花的时间挺多的。

总的来说，如果你只是想选一门选修课凑学分，不推荐！如果你真的感兴趣数据科学，我觉得该课入门挺不错，真的学到了不少东西。

如果你自己做了，竞赛名次不错的话，给分可以，拿到了90。