Deloitte
6 位校友岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer
COMP5318
机器学习与数据挖掘
6 学分难度 超难👥 21 人学过
课程定位 COMP5318（Machine Learning and Data Mining）是 USYD 计算机方向的重要课程，定位在基础能力到实战能力之间的关键衔接。课程强调“理解概念 + 写出可运行代码 + 完成可评估交付物”的完整学习路径，通常是后续高阶课程或实习项目的前置能力训练。 技术栈与学习内容 核心学习内容覆盖算法思维、编程实现、系统抽象与工程规范。常见工具包括 Python/C/C++、命令行、Git、自动化测试与调试工具。课程不仅考察结果正确性，也关注复杂度分析、边界条件处理与代码可维护性。 课程结构 课程一般按 13 周推进，常见考核结构是 Lab/Quiz + 2 次作业 + 期末考试。中后期作业强度明显上升，需要并行处理实现、测试和文档说明。评分通常重视完整性与稳定性，建议尽早建立“每周输出 + 复盘”节奏。 适合人群 适合希望夯实计算机核心能力的本科/研究生同学，尤其是计划继续学习算法、AI、系统、数据方向的学习者。建议每周投入 8-14 小时，根据课程难度分配刷题、作业与复习时间，避免集中在截止日前突击。
Course decision
选课先看
先看考核重心、截止节奏和入门要求，再决定这门课是否适合你的学期安排。
考核总权重
100%
4 项考核
最高单项
30%
Assignment 2
期末考试
有
以官方 outline 为准
Hurdle
未列出
当前考核表没有 Hurdle 标记
Syllabus
每周大纲
默认只展示每周独有的知识重点；节奏、考核、Tutorial 和避坑信息按需展开。
- 1
课程导入与开发环境
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 2
核心概念与基础练习
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 3
数据表示与抽象
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 4
算法与复杂度分析
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 5
工程实践与代码规范
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 6
阶段实战任务
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 7
中期复盘与错题整理
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 8
专题进阶 1
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 9
专题进阶 2
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 10
系统集成与调优
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 11
案例分析与性能诊断
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 12
期末冲刺训练
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
- 13
全课程总结与答疑
围绕 COMP5318 Machine Learning and Data Mining 的核心知识点进行讲解、实验与代码复盘。
Assessment
考核结构
Lab / Quiz
每周实验与阶段测验。
15%
Assignment 1
专题实现与分析报告。
25%
Assignment 2
综合项目或实验报告。
30%
Final Exam
期末综合考核。
30%
Assignments
作业详情
Assignment 1
完成 COMP5318 的核心主题实现与测试。
重点: 核心概念落地与代码质量
要求:提交代码、测试说明与简要分析
⏱ 预计 18 小时
Assignment 2
完成 COMP5318 的综合场景任务并做性能/结果评估。
重点: 系统化设计与问题定位
要求:提交完整报告与可复现结果
⏱ 预计 22 小时
Reviews
学生评价
3.6
难度
4.2
含金量
3.0
压力
3.6
教师评分
Susie Han
这门课介绍的机器学习内容是后续课程的基础，需要一些数学的基础，不过更需要理解各个模型，才能掌握好这门课。quiz和final难度不太大，但final题量比较大，所以一定要认真复习。
Susie Han
这门课考试基本都是理论。lab需要学会python，最好熟悉python语法来上这门课。
Susie Han
个人作业难度不大，认真写的话可以拿到比较好的分数，不会的知识点建议多去ed上问。小组作业的报告需要详细写，用的方法和调库都没啥限制，但使用的代码需要注解，得分还可以。考试有点难，但计算题和例题差不多。
Susie Han
期末考试题量很大，考的很细而且有点偏，需要好好复习。对数学不感兴趣的话这门课学起来会有点困难。
Joy Yao
机器学习的基础，重视学生对模型的理解，教学内容非常实用，推荐。作业改版后变简单了。
From Seniors
学长留下的
基础信息谁都查得到,真正值钱的是过来人的经验。
学姐说
比你早一年的学长留下的真实经验 —— ChatGPT 给不了。
这门课还没有学长经验,你可以是第一个 —— 注册后在课内分享。
往年考点 / 踩坑
这门课暂无往年考点记录。
毕业生去向(整体)
下面是匠人学院毕业生整体去过的公司分布(来自脱敏校友证言)。这是全平台的总体去向,不代表选这门课的人一定去这些公司。
统计自 317 份脱敏校友证言
Zerologix
4 位校友岗位:Frontend Dev · junior frontend developer · Front-end Developer · Full Stack Developer
Servian
4 位校友岗位:Full-stack Developer · Data Engineer · Consultant
关于这块数据,我们说实话
雇主墙来自脱敏毕业生证言（testimonials）的整体分布，无法关联到具体学员或其所选课程；仅作为毕业生去向的总体社会证明展示。
我们没有"某位学长选了这门课、后来进了哪家公司"这种可查询的个人去向档案 —— 校友证言是脱敏的,无法关联到具体的人或他选过的课。所以这里只给整体分布,不给个人路径,不编。