硬核课程，2.5学分但远不止2.5学分，愿意花时间认真学的可以选。 关于课程内容：这门课最硬的地方是优化理论，关于这方面别的评论已经介绍的很详细了。凸集分离定理这部分会涉及一些开集闭集的东西（信院好像没怎么讲过），不过愿意啃还是可以啃下来的。课程后期难度骤减，深度学习部分主要难点在反向传播，但其实也 >>更多

这门课是目前人工智能班体验最佳的课！在这门课上第一次感受到什么是扎实的数理基础233333旁边数院选修同学上课看起来也没有很轻松。和一般的以简单样例为主的机器学习入门课不同，王杰老师的课贯穿矩阵分析，概率统计，凸优化，泛函分析。使得一个在饱受离散数学三部曲折磨的人重新get到数学之美。对看paper >>更多

先说结论：这是我这个学年，甚至是在科大本科三年感觉到收获最大的一门课。 关于课程内容：这应该是王杰老师第3次或者第4次开这门课，显然对于整个课程框架的设计要合理了许多。整个架构应该是参考了诸如CS229这样的国外优质机器学习课程。主要分为三个部分： 监督学习：linear regression, l >>更多

求助一下，本人只上了大约一个半月的机器学习，然后因为时间冲突退了，请问这门课有哪位同学录屏了吗？或者是bb系统的回放链接？蹲一个佬为了不影响评分，就打一个平均的八分了 >>更多

以前在夏令营或者冬令营上过另外两个学校的机器学习教程，一个是哈工大的，一个是佛罗里达大学的，嗯，理论实践并行，学习快乐又有热情，觉得收获挺多。这门课嘛，，单纯就课程内容来讲，上得比较纠结。老师从选课起就不断给你施压，意思是你抗不住你就别选我的课。一开始特想上，觉得大四打好基础肯定研究生小赚，可能就我 >>更多

本人旁听，统计，发表一些意见。1，课程内容：目前，统计（简略），凸优化（偏机器学习，量多）。会出现一些矩阵求导之类的新定义的东西。建议：对讲的内容，每一步都定义好。 课时：相对课程内容量来说，应改成分成每周两天，每次两节。或者分两个学期，一学期的课打概念基础，一学期着重讲机器学习的研究和应用 课件错 >>更多

这门课贼硬，磕牙！！！老师的作业贼多，但都布置得感觉很合理，属于那种一道题想10min，然后想通后会有那种茅塞顿开的感觉。但与之对应的作业量以及耗时就会非常惊人，基本上每周至少得去图书馆泡半天来看懂上课的ppt，再泡上一天去写作业。上他的课不可谓不痛苦，但也是收获满满。非必修的话，有胆色的可以去挑战 >>更多

首先，建议教务处将这门课学分提高至6到8学分，这门课讲的东西很多，但是因为时间太少，以及老师前边讲一些基础的东西速度稍显过慢，一些内容（比如pca）一节课就讲完了，这样显得在不同内容之间跳跃的跨度过大，频率过快。其次，老师在备课与讲义的整理方面确属一流。几位助教也都是好助教。作业量很大，而且由于不能 >>更多

和诸位所说相同，课和作业都超难 好在考试不难，全部都是课件例题，每章都有，最后一章没怎么细看，考了原题没做上。 自己按照公式预估75给了83，肯定是调分了，总体来说收获是有的。 >>更多

吹爆王杰老师，课程内容比较重视基础，有亿点点难不过给分超好（期末卷面炸了 + project用的naive Bayes = 85），适合数学基础扎实（雾）的童鞋学习 >>更多