huangyf2022@shanghaitech.edu.cn
获得 4 次赞同
发表 1 篇评价
机器学习引论
2024 年 春学期
赵子平
2024 春学期，赵子平担任讲师。选课时看到 CourseBench 上一些同学对赵老师的评价，心里有点忐忑，然而上下来体感还行。赵老师上次单人教学已经是 3 个学期之前的事情了，所以这个学期和往届描述相比感觉是有一些差别的，总体而言从各个维度上赵老师的这门课都在变好。
赵老师的授课方式为同学所诟病，主要原因可能来自三点：
2024 春学期，赵子平担任讲师。选课时看到 CourseBench 上一些同学对赵老师的评价，心里有点忐忑，然而上下来体感还行。赵老师上次单人教学已经是 3 个学期之前的事情了，所以这个学期和往届描述相比感觉是有一些差别的，总体而言从各个维度上赵老师的这门课都在变好。
赵老师的授课方式为同学所诟病，主要原因可能来自三点：
但在这学期的上课过程中，赵老师也意识到了自己讲课风格的问题。前半学期他会在一通数学推导后环顾一下前排同学，询问大家是否能听懂（虽然我们能回应他的唯有沉默），后半学期他更是逐渐开始说 “之前的学期这里我推过一遍，效果也不好，我们就不花时间推了吧”，转而花更多的时间讲解些不那么数学的方面，总体还是更好懂了一些的。
虽然课上讲了很多很数学的公式推导证明过程，以及一些凸优化里面的拉格朗日乘子法啊 KKT 啊什么的，但是考试 全！都！不！会！涉！及！ 考试要求的程度差不多是 “知道这个方法有啥特点和效果”、“知道这个方法与相似方法的异同”、“知道这个方法是什么操作的” 等基本概念，很少涉及到方法背后的数学原理证明（就最后一题的几分）。
更良心的是，赵老师考前最后一节课会划重点，复习只需要看这些部分就行（大概只有全部的一半不到），大大减少了复习压力。甚至有些题怎么考都会抖一点出来。题型基本看看作业，看看赵老师往年卷子就差不多了，大差不差的。
Workload 不大，作业总共 5 次，每次 5 道题，一般四道计算题，最后一题是代码题，基本就是调库复现，代码量 < 20 行。yysy 计算题不用一些智能工具难度和思考量还是有的，用了虽然不一定一次对，但基本能得到一个接近正确的思路，接着自己改改就完全理解了，也能帮助理解课上的概念。（作业基本在 GPT 能力范围内所以想水学分的大四同学快来选啊）
今年改革后，选题基本被强制规定在几个 Kaggle 项目里选择，有效杜绝了把组里工作移花嫁木，pre 现场开顶会的盛况。对于坚持想尝试自己项目的同学，也可以发邮件打申请，但会审核是否是从零开始。Report 有详细的格式和每一部分的评分标准，要求不算高。DDL 在第一周考试周之后，如果考完了，从立项到写报告，抽出 2-3 天完整时间，已经能完成一份质量非常高的项目了。
如题，出分那一刻还是比较震撼的。两个案例：同学 A，唯一的一次考试没过中位数，作业没被扣太多，proj 质量挺高，A；同学 B，期末考试刚过中位数，作业每次都被扣了一点过程小分，proj 两天冲刺完的，A。问下来周围没有 A - 的，推测可能有 50-60% 的 A 档，且基本都分配给了 A + 和 A。给分情况可以说是相当离谱了，这辈子没上过给分这么好的专业课。
总的来说， 虽然授课还有可以改进的地方，但是从作业、project、考试、给分四个维度上，本学期的这门课已经完完全全对得起它的名字了：“Introduction” to Machine Learning。