排序和筛选
其他 (0)
齐海坤, 王乾 (7)
齐海坤 (3)
有用的好课，但是一定要准备quiz啊qaq
2026 年 春学期
齐海坤
bme 大二选课，不准备走 ai 方向，所以选了这样一门包罗万象的 ai 课用作 ai 素养提升，拿分不算很好，但是学整门课收获很大，课堂内容详实且相对来说跟得上时代，比较有用，感觉对 bme 人工智能的各个方向有了一定的认知。不走 ai 方向当开拓眼界提升能力选是可行的，一课包治百病。 提醒大家一定要好好准备 quiz 是因为楼下有一些早期的评价提到 quiz 不好也能拿好分，占比不大啥的，然后我就信以为真了没好好准备 quiz，但是现在选这门课的人数多了，估计竞争会激烈一些，本人一次 quiz18/20，一次 12/20，在所在小组的两个项目都被点名表扬的情况下依然吃到了某个 skd 标志性绩点，引以为戒。
压力挺大的好课
2026 年 春学期
齐海坤
本人 bme 大二选课，4.0，选课之前征询学长学姐的建议其实推荐旁听，但是还是头铁选了。以前这门课的压力可能还是 coding，但是现在 ai 基本包办 coding 问题，最大的压力其实是创新和汇报（但是前提是你对深度学习常见的这些网络要有基本理解，否则凭空纯想创新点没任何前置知识我觉得很难）。这门课明显的体验是 bme 的同学做的比信院同学卷很多很多很多，加上一个组 5 个人，在 quiz 拉不开的情况下基本上就是 proj 定绩点，curve 政策感觉也就两个组能 4.0（总共好像 8-10 个组），所以一定要认真组队，找靠谱队友，proj 也不是很在意模型的性能指标，更关注你的创新点和 idea，汇报也一定要把 ppt 和报告做的精美一点（比如 ieee 的格式）。还是很建议 bme 想做 ai 的同学选的，有前置知识也能系统的帮你梳理一遍框架，好课
大一慎选
2026 年 春学期
齐海坤
大一 cs 对 cv 比较感兴趣遂选。结果发现简直硬到没边，前四周直接讲完了≈iml 的内容，quiz 前熬了两个大夜才复习完（当然是因为上课没听懂）。后半个学期讲了一些进阶的模型，但是吃了教训后平时多学习了一些，感觉难度还是蛮大的。不过 quiz 都是开卷这点还不错。最后两次 quiz 接近满分，proj 被学长学姐们带飞了，给了 4.0。
选课前看到 cb 上大家说这个是友好的 cv 入门课才选（毕竟有 pnp），可能对于大一学生还是不那么友好，给分可能比较友好。不过这门课还是占据了本人平时的很多时间学习，建议大一同学还是慎选，毕竟 workload 已经很大了。对自己时间管理有自信的可以试试。但是带来的收获还是蛮大的，还是打满分吧。
感受是 bme 大神好多，一学期就能学完一门等价 iml 青春版 + cv 青春版 + 各种应用的课程。btw 感觉这课应该改成 4 分。bme 的同学也建议先了解一些基础知识再来。
匿名用户
好课
2025 年 春学期
齐海坤 王乾
好课。quiz 时间略赶，这回几乎都是一堆填空题。
信院的同学不少，但是不一定项目完成的更好，反而 BME 的同学似乎这学期的完成情况更好。所以 BME 同学不用被评价这么多信院人吓到 hhh 班上信院人不少但是摆烂的也不少，找到合拍的队友好好做项目就行了，课程给分很好，完全不用担心，quiz 适当准备一下。
老师上课有点容易把人讲困了，自己对着 ppt 学，d2l 的那本书就是很好的参考资料。
匿名用户
适合信院的跨学院选修
2024 年 春学期
齐海坤 王乾
课程内容
前半学期涉及一些经典的人工智能算法，与机器学习引论相比，这些轻推导，更多是概念的了解，对数学要求并不高。后半学期讲述深度学习在医学影像的应用，包含网络架构的介绍，还有一些医学影像的应用方向。内容来说，不太会有听不懂的地方，老师也会常常问同学有没有不清楚，或者是进度如何。
作业
三次 project，两次需要写代码，最后一次只要读论文。project 是组队形式，最多一组五个人。代码难度不算高，助教会有两次课上讲解一下大概需要的步骤，然后照着助教给的代码改改能完成大部分，所以每次耗时并不会特别大。虽然说每次 project 号称有 bonus，但是似乎并没有小组会不做这部部分。到时候的评分也跟算法的性能没什么关系，只需要把每个步骤实现清楚就可以了，然后实验的效果符合常理，不然你 pre 的时候就要想好怎么解释。第一次 project 是一个 MRI 重建，bonus 要求 construct an unrolled deep learning reconstruction network；第二次是要求用 unet 做分割任务，bonus 是换点别的损失或者网络尝试分割任务；最后一次 project 就是看看论文，自己选相关主题做个 pre。
给分
比CV更适合入门的CV课
2024 年 春学期
齐海坤 王乾
先说总评
个人认为这课内容和 project 的项目非常适合作为一门 CV 入门课，虽然我修这课的时候已经上过 CV 了就是说（）, 上课内容在计算机视觉的知识上涉猎非常广，涉及了 KNN，SVM 等传统机器学习算法，也涉及了 CNN，U-net，GAN 等经典网络架构，也会引入一些比较前沿的 SAM，Diffusion model 等，然后在 CV 任务上讲了经典的重建，去噪，分割任务，然后会具体讲这些任务在医学影像语境下的实践与应用，感觉整体逻辑上非常棒！上下来确实至少会对 CV（DL）在医学影像中应用有一个相对全面的认知。给分上来说，我们组几次 project 效果上都比较好，然后该创新的点也创了，然后 presentation 应该算是讲的非常不错的，然后 quiz 一次满分一次 55/75，最后拿了 A，身边采样同组同学也都是 A，然后隔壁组好兄弟 quiz 和我差不多，pj 稍微低一点也是 A，整体上来说给分应该是非常不错的捏！
建议修读人群
匿名用户
中规中矩的专业课
2024 年 春学期
齐海坤 王乾
背景
BME 大二，之前没接触过深度学习相关内容
上课体验
虽然每种算法之前都没接触过，但是好在老师讲的还算比较细致，内容比较丰富，涵盖了多种机器学习和深度学习的算法，感觉是一门不错的导论课。但是缺点是老师上课语速较快，并且有点枯燥，并且作为生医工专业课，生医工的同学不到 10 人，绝大多数都是信院的同学，学起来压力比较大。
学到的知识点
匿名用户
BME入门课，信院刷分课
2024 年 春学期
齐海坤 王乾
上课体验
虽然是一门生医工的专业课，但是信院的同学占了 60-70%，信院同学上课应该能看到好多认识的人。这课评分标准就是 quiz+proj，没有签到，所以很适合不想上课的信院同学刷分。齐老师上课语速有点快，没学过的同学上起来可能会有点吃力，而且语气比较平淡，可能会有点无聊。王老师会稍微好一点，上课更有激情。但总体这门课毕竟是专业课，不会很有趣，就是学校的平均水平，上课不能说有趣，但也不至于听不下去。
上课内容
前半学期会讲一些经典的机器学习的算法，后半学期是相对先进一些的深度学习的方法，然后中间穿插与医学图像的结合的应用。总体来说当作生医工的人工智能入门课是比较合适的，但是信院的同学大多数的算法应该都接触过，可以学到一些在医学图像中的应用。