UniMate AI

COMP5328

Advanced Machine Learning

难度 中等👥 5 人学过

Machine learning models explain and generalise data. This course introduces some fundamental machine learning concepts, learning problems and algorithms to provide understanding and simple answers to many questions arising from data explanation and generalisation. For example, why do different machine learning models work? How to further improve them? How to adapt them to different purposes? The fundamental concepts, learning problems and algorithms are carefully selected. Many of them are closely related to practical questions of the day, such as transfer learning, learning with label noise and multi-view learning. 机器学习模型解释和推广数据。 本课程介绍了一些基本的机器学习概念,学习问题和算法,以便为数据解释和概括引起的许多问题提供理解和简单答案。 例如,为什么不同的机器学习模型有效? 如何进一步改善它们? 如何使它们适应不同的目的? 精心挑选基本概念,学习问题和算法。 他们中的许多人与当时的实际问题密切相关,例如转学,标签噪音学习和多视图学习。 本课程介绍是由往届学长学姐回忆编辑而成。 简介:编程语言为python。这是今年的新课程,实在5318基础上更难一些的东西,主要就是从machine learning的高端阶段讲起,到神经网络和深度学习,往往会结合很多的高斯变换,加上需要很强的数学基础,如果是单纯想当software engineer就不建议学习了。 Tutor简评: 1. 不容易拿分的课程,期末考试会比较容易,对于很多同学平常可能会像在听天书 2. 如果对自己的规划是data scientist这门课就是必修的

Reviews

学生评价

3.5

难度

4.0

含金量

3.0

压力

4.0

教师评分

Susie Han

这门课理论部分比较难,但考试难度适中。课程内容主要是对machine learning的一个加强,比较偏实践类型的课。

Susie Han

这门课需要很多数学知识,例如Hilbert space之类的,所以如果数学不好的同学学这门课会觉得非常的难!

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

Deloitte

6 位校友

岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer

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。