先说总评

王浩老师人非常 nice! 给分据江湖不可靠传言有 50% 的 A 率，然后本研一体给分，尊都很高啊，然后回应一下标题，就是这门机器学习是研究生课程，主要内容包括传统的机器学习算法和一些王老师自己的私货，就是一些优化内容。额但是！这课 ML 的部分上的比本科生的机器学习引论简单，优化的部分上的比本科生的数值最优化简单（），如果你学过两者之一，应该都可以嘎嘎乱杀就是说（

关于 workload

ML 等一系列研究生课在学校的意见下，似乎修改成了 12 周正课 + 4 周 project 的形式，有的课甚至取消了期末考试，就包括 ML。

50% 平时作业 + 50% 期末 project，而期末 project 就是找一篇文章，写报告进行分析，有条件还可以复现。我们组没有复现，在此扣 10 分；文章的价值说的不太丰富，扣 2 分；就这样，最终是 88 分，远超预期，因为我们组的报告我确实不很满意。

平时作业应有 8-10 次，其中会有 2 到 3 次以课上 quiz 的形式进行，间接保证了出勤率。课上 quiz 大家普遍答的都不好。课下作业，多数是 learning from data 的原题，总有路子，压力不大。我课上大概都是 60-80 分，课下多数是 90+，我是满意的，因为我数学确实不好，而传统 ML 挺吃数学的。

内容： 除了优化理论，有很大一部分内容和王皓老师的数值最优化重合，再加上一些机器学习基础，除此之外要学的东西就不多了，如果学过数值最优化和机器学习引论会很轻松。 课程质量： 首先肯定不是念 PPT，课件上对于概念有很多细致的讲解，但是对于自学或许不是最优选择。如果不听课的话有可能会发现不知道课件在讲什么。 难度：

众所周知教务处要卡优秀率，所以王浩老师给 50% 的 A 率已经是大好人了。

而且课程的内容、作业、proj 真的都 workload 非常小。非常适合本科生选择（本科生不要被王浩老师讲一堆优化的数学内容吓到，实际难的东西都不考的，而且也不考优化，那只是因为王浩老师做优化所以讲的多

自学的话可以看一下台大的机器学习基石（不是台大李宏毅的那个 ML，是另外一门课），说实话讲的比王浩老师讲的好。。。。。。