之前上了 Andrew 的创意提案，因为体验不错所以来选了这门课

小时候学过水粉和素描，算是有基础吧，这门课只有一点需要注意：课下画画会比较花时间，介意 workload 的慎选，每周要花大量时间去画（部分原因是因为我设备太垃圾了，还没有数位板，只能在拿 pad 当数位板接上电脑画）

期末作业最花时间，需要画 3 分钟的动画故事，但是可以到教室的数位板画画，这样效率高一些

暑学期上的这门课，所以没有其他学业上的压力 Andrew 是那种很 outgoing 的老外，人也很有趣，上课的形式基本就是大家围一圈坐着听课 + 讨论，有些内向的同学可能会不太适应，因为经常会被 cue 到（建议上这门课就把自己当 E 人 脸皮厚一点 hh） 这门课会有大量的英语 pre，能极大锻炼你的 —— 脸皮，对，还是脸皮（据 Andrew 这门课的初衷就是为了帮助学生学会自然、放松地做 pre）

大概是我对这门课比较感兴趣，所以比较愿意花时间，最后也是拿了 A

一些参考：本人 CS 专业 均绩 3.25，上这门课较为吃力（数学功底不好），课上一旦理解慢了后面就会听不懂，得靠课下花时间自己看课本才能搞懂。

课程的脉络较为清晰，王浩讲的很精彩，整体讲课节奏基本是：开启新的章节先科普 1-2 课时，介绍业内著名的学者，一旦进入正题节奏会突然加快。王浩讲课比较喜欢用口语化的描述（对理解能力强的同学不是一件坏事，可以培养某种直觉上的数学感知，但是我听不懂），这一点可能会构成一定听课障碍 作业极少（偶尔含简单的 coding），但正因为如此需要自己课下找往年题练手；quiz 不难且签到性质 考前狠狠突击看往年题押中了几道，考的还算满意

[写在前面的话：上这门课，你会收获：整套 DL 流程的经验 (配环境、处理数据、跑训练、调参、以及学习怎么使用学校集群)；熟悉 pytorch；学习怎么看论文；关于 learning 一些知名 / 热点技术的科普（CV 三维重建 生成式模型 自然语言处理）]

在上这门课之前下载了前几年的 slides，本来以为会按大纲讲计算机视觉的经典算法，结果实际课程内容主要围绕三维重建 & 热点技术，后半学期还岔出去讲了点自然语言处理。学的时候比较坐牢，因为高讲课时比较随心，经常出现不按 slides 讲的情况，所以需要记很多笔记。课程内容和 slides 匹配度差的另一个结果是期末很难复习，需要自己对着笔记去整理，想办法把口头讲的内容和 piazza 上给的材料关联起来，而且找不到前几年 cv 的考题（据拿到了往年题的同学说考的内容也对不上）。上面讲的这一点导致学的时候 & 复习的时候比较坐牢，经常会怀疑自己是不是没学明白，好在考试与上课讲的内容强关联，只要认真做了整理考试很简单，最后的给分也不错。

然后来讲讲作业和 project，第一份作业应该 cv1/cv2 都是一样的，用 resnet 训练网络点人头，对之前没有 DL 基础的同学来讲会有一些调试上的困难，需要花大量时间去熟悉 pytorch（以及痛苦的配环境）。其他的作业都和三维重建有关，难度不算很大，但是比较花时间，特别是这门课要求代码 + cvpr 格式的报告，推测给分和报告质量强相关，想拿一个好的分数最好要认真写报告。