讲义，可能有疏漏。EE3001 机器学习 第三讲：偏差-方差分解（中文翻译）.pdfEE3001 机器学习 第四讲：凸集（中文翻译）.pdf 老师上课就是纯念pdf，板书也是直接抄讲义。还整个回答问题加分。。。每次上到第二节就忍不住跑了科大特有的好课讲一坨，烂课配神仙老师 。好课配神仙老师还是太少了 >>更多

先放两个链接：（1）课程主页：EE3001 - Machine Learning (Fall 2021) | MIRA Lab。往年的课程内容、讲义和作业都可以在课程主页上看到。（2）B站上的课程介绍视频：少年班课程介绍_哔哩哔哩_bilibili。包含学科背景、授课内容介绍、课程特点介绍等等。1 >>更多

（补档）暑假里考虑到要腆脸向王杰老师组投简历，就临时把评价隐藏了，完全自愿，牢骚发过也就删了。欢迎同学们选报王杰老师的机器学习，这是西区最硬核的课程之一。你可能感兴趣的帖子（均摘自知乎）：如何对向量求导如何对二阶范数求导如何对矩阵求导更多的求导什么是拉格朗日乘子什么是逻辑回归什么是决策树什么是支持向 >>更多

这sb课凭什么这么高分 >>更多

相关文章和视频：伪逆：低秩近似之路（一）：伪逆 苏剑林LASSO和近端梯度法：最优化计算方法7.1节拉格朗日对偶：王木头的视频KKT条件：Karush-Kuhn-Tucker (KKT)条件SVD、PCA相关：如何从直觉内核上理解奇异值分解强化学习：强化学习路线推荐及资料整理、王树森深度强化学习视频 >>更多

大三路人，大二结束的时候希望未来能够从事机器学习方面的研究。我在大三下学期自学看过课程的讲义（没有选课），能感觉到王老师是在努力将这门课讲明白，真的希望同学们入门机器学习领域的。大三秋季正是一些同学开始接触科研的时间，回想起来如果我大三上学期能够抓住选课机会，那么在完成机器学习方向的科研任务的时候会 >>更多

RL学习最优策略，其余部分均转化为寻找一个函数的极值点，也叫优化，NN拟合函数也是使得损失函数最小，一样的。对于每一个优化问题，如老师所述，我们关心的是解的存在性，唯一性，连续性(未讨论)，解的存在性判定是一个非常困难的问题，这门课中学到的工具有1）连续函数在紧致集上有极值；2)对有约束问题的强对偶 >>更多

风投了属于是。只要肯下功夫学，回报一定对得起投入数学色彩很浓，课程内容含有包括但不仅限于点集拓扑/线代/实分析/泛函的知识。讲义侧重于对算法的跟脚进行分析和探讨（即理论奠基部分），会有详细的推导过程，并且作业中数学证明题含量巨大，或许利好树皮跨专业选修有七次平时作业和一个project，平时作业任务 >>更多

给个不同角度的评价，仅供参考。这课我感觉就是又难又累，最后还拉成绩，也没啥收获。可能其他评价的同学都很牛逼吧，反正我的体验就是，为了这课花了不知道多少时间写作业和复习，最后考试成绩也不咋地，课程内容考完过一段时间也都忘了。我又不走机器学习理论方向。 >>更多

科大本科生涯遇过最硬核的课，当初写作业的时候天天骂骂咧咧，甚至考完试，王杰老师给我奶上了90，我依然骂骂咧咧，因为感觉付出和回报完全不成正比，但当保研出去参加各种面试的时候，只能说万分感谢这门课，帮我复习了之前学的那么多数学课，面试问到机器学习的时候完全不怵。感谢打了个不错的底子。 >>更多