无论是想学东西还是想混 3 个学分，都是不错的选择。这门课据说是在计科的 011119 人工智能基础 上改革的，降低了 ML、DL 的占比。未来可能会和 229003 机器学习概论 合并成 AI3002 人工智能与机器学习基础，目前这些课（还有 AI3001 机器学习A）不确定有没有什么替代关系…… >>更多

更新：计算机是傻β专业，快跑！！！！！！！开学初抱着旁听学学的心态加了课程群 潜水一学期，课程群看到最后 只能说幸好这学期没选机器学习俺也一样不过要说教材还是不错的……虽然我就看了一小半。因为没上这个课，所以给的都是平均数。听说他们最后一个实验设计分类器，一共有4个类，听说最好的做到了正确率29%还 >>更多

我于2023年修读这门课(连老师班), 这是当时的评课: https://icourse.club/course/19042/#review-83442。 2024年的课程内容相比往年删去了贝叶斯和概率图, 新增了强化学习(MDP, RL, Gaming)。目前来看是符合当前时代趋势的, 今年的o1 >>更多

作业表述有点迷惑，难道只有我一个人看不懂题目想让我干什么吗┭┮﹏┭┮另外反向传播不就一个链式法则的事情吗，感觉这辈子只会在上课和作业里手算😅 有必要讲这么久吗？我已经是人肉计算机的形状了感觉不是一门适合数院宝宝体质的机器学习😭 我怎么只学到了一堆名词😭其实讲的东西挺多的，这也导致了很多东西没有深究， >>更多

首先是不推荐计科的同学来选修，这门课需要理解的数学概念非常的多，可能涉及到一些泛函的知识。其次是这门课程的实验和理论的差距是非常大的，理论没有办法得到很好的实践。其次最想要吐槽的是使用的课本，西瓜书就是**********，建议大家去看PRML。连老师挺好的，但是感觉不太喜欢那种推导全都在PPT上的 >>更多

lab5，10000个sample，120个feature，4分类问题。其中有十多个是真实特征，一百多个是助教生成的假特征，想考我们怎么降维or特征选择。然而学生里没一个能做出良好的特征选择。4分类问题，我们得到的accuracy只能稍微超过25%，最高的也不超过30%。负责lab5的助教竟然认为这 >>更多

2025-09-09 机器学习Aの后日谈因为我本人没有在24秋修读这门课，因此取消评分，仅发表一点个人看法。学过了jjm的人工智能基础后，主包还是感觉自己对人工智能一无所知，于是从暑假开始陆陆续续补了这门课的录课、作业和实验，刚刚正好结束了本门课“云学习”的ML部分，还剩RL部分，遂写一点简评。公平 >>更多

学生投票闭卷我真的笑嘻了，选闭卷是要多卷啊，一些学院保研已经紧张到这个程度了吗？（没有对其他学院的恶意，单纯吐槽讽刺半开卷的那个货 >>更多

回忆版期末试卷 ml_final.docx还没出分，懒得等了，关于实验，lab5应该是数据给错了，跟原始数据集匹配程度只有24%，所以50%的可以歇歇了，难怪不给开源数据集。关于考试：纯数学，概统、线代不行的慎选。关于平衡计科和数院：为什么要平衡？不是自己选的课吗？哦忘了拷打某助教：习题课敷衍、一道 >>更多

两星观望，感谢助教趁着快过年了给出的教学事故级别的lab。 后续考完试出总评后会取消匿名并追加正常点评。 虽然之前有人猜到是我了，不过先实名回来，点评会在后续更新。这门课总体而言还是值得一个9分来拉拉的，毕竟个人觉得主要的锅应该是部分助教去背） 某摆了一学期的原生生物突然想起还有一个机器学习概论的点 >>更多