机器学习(全英)

过山车强度，小小的大三上震撼从本课程开始，授课教师是Z.H Jiang

基于22级的算法设计与分析课被加入了月考这一招之后，我并不是很好预测老师接下来的这门课会搞什么新花招。按本人的上课历程的，这门课的主要内容包括教了不少机器学习的传统方法（包括简单线性回归、K-NN、决策树等等，不是deep learning的那些），从十三周开始不上课，一直都是个人汇报到结课，最后还会来一场考试，越往后强度越大😱

课程上要求大伙是这么设计课设的，9月份定义问题、找数据和特征提取，10月份就是模型训练、模型评估，到11月份就要撰写报告和做个人汇报了，但事实上大家好像都是ddl前两三星期才想起来搞这玩意，时间不够的话推荐直接去Kaggle上扒拉😥【

然后老师声明了课程里的成绩占比有考勤、项目（包括个人汇报和项目报告）以及最后的期末考试，但到最后一节课的时候是平时分和期末考试四六开，平时分占比里不含考勤，只包含项目的内容（报告+汇报）。其实老师也从来没点过名，所以理论上只要个人汇报在场即可

关于报告评价标准，这是老师在评分后才给出的（略搞，先给分后给标准，但其他课程有更抽象的），在课程总分中占比20%：

• A：自己创建数据集，提供源码，对比多种算法且相对准确，有实验结果以及图表分析，有案例讨论以及结论展望，报告书写整体质量较好。对应90-100分

• B：以上条件缺1或2，报告整体质量一般。对应 80-89分

• C：以上条件缺3或4，有明显的不足（比如算法简单），报告整体质量欠佳。对应70-79分

• D：只有方法介绍，没有实验结果。对应60-69分

• E：缺最终报告文档。对应0-60分

个人汇报部分只是汇报当前的进度，给10分钟时间汇报，要做ppt，但中英文汇报都行，这个也在课程总分占比里也是20%

最后的期末考试，老师会给一个提纲PPT，纯纯的背多分，前面的课件不用去啃，只看这个最后的PPT，全背下来就可以应付整个考试内容。我也在JNU-IS-CST-Courses中整理了一下，但其实跟最后的提纲PPT差不多，真的需要全背，反向传播，各种公式推导都可能直接考默写