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

把这个课分成两半，老师一半，自己一半，我给老师打满分，给自己打零分。 作业巨困难加超大作业量。更何况编程各种束手无策毫无思路。我觉得在巨大的课业压力下，我可能没学到些什么，是不是觉得不可思议？事实就是这样，为了平时分，那个作业就算不懂也得是抄了正确的解答交上去。评分机制和教学目标的统一性对于水平一般 >>更多

大四管统人修课私以为本课程为：数学分析+线性代数+属性数据分析+凸优化+多元统计分析+机器学习+深度学习的融合版本平时由于大四各种事没怎么到场听课，故对杰哥授课不予置评作业确实多，作业和考试也是本门课一大特色，就像今年期末最后一道大题那样，如果愿意选择‘学习’的策略，在前三个阶段得到-2的回报，扛过 >>更多

来科大上过的最有收获的课程。课程内容：今年课程主要讲了线性回归、逻辑回归、贝叶斯分类器、决策树、（简单的卷积）神经网络、支持向量机、主成分分析以及讲了一点强化学习的内容。王杰老师很注重原理的讲解和推导，备课很认真讲得也很透彻（常年在计科上那些老师念ppt的课给我搞怕了），上课来不及讲的内容会作为作业 >>更多

大二下来选的，管统专业，过来贡献一个数据点jpg. 课程难度和收获大小前面两位学长已经说过了，确实是一门需要花时间但能学到很多的课程，上学期在家又比较摸鱼，这门课上花的时间感觉 约等于 实分析+ 复分析，主要是毫无编程基础刚开始配个环境都可以弄很久，latex也手生常常写作业一两天，码latex又是 >>更多

在科大遇到的最硬核的一门课，王老师非常注重理论和原理的讲解，比如对SVM的推导讲得非常清晰，这门课硬核的地方在于作业，基本10道题中有9道数学证明题(可能略显夸张)，像我这种菜鸡一次作业基本要做几天，我记得最慢的一次是，从早上起来开始做，到晚上十点才做完两题，基本时间都花费在用google搜答案和各 >>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

这门课王老师讲的东西确实很多，内容丰富，收获不少。针对很多同学（包括我自己）目前表现出的不适，我有一些想法。1，凸优化部分其实感觉还好，主要可能是因为自己一直比较喜欢数学课，也比较能啃下去，但是其他同学未必是这样的，因为大多数同学是信院的，首先数学课学的不够多。相比于数学专业的同学，信院同学只相当于 >>更多

凸优化好难啊，这个作业和lecture note里面gap好大啊，完全是面向stack exchange写作业。为什么感觉相比之下Boyd都不算很困难...上课都是定义引理证明，对于我这种数理基础比较薄弱的同学感觉蛮枯燥. 相比于另外一门课 数字图像处理，这门课无聊太多了。不过老师的想法是好的，co >>更多

写作业写麻了啊，大四了我为什么要给自己找罪受啊(ಥ_ಥ) 话说有哪位好同学知道现在怎么退课吗 >>更多