写评价返回顶部
Ratings & Reviews
-
/5
数据不足
1 人评分
5
4
3
2
1
课程质量
数据不足
作业用时
数据不足
考核难度
数据不足
给分情况
数据不足
排序和筛选
发布时间
20142026
廉黎祥 (1)
其他 (0)
1 人评分
5
4
3
2
1
课程质量
作业用时
考核难度
给分情况
廉黎祥 (1)
其他 (0)
Overview
不要被课程代码的 EE 欺骗了，这是门数学课！但换句话说，这门课适合数学基础好，但是不喜欢电路相关的计算机学生完成跨学科选修。廉黎祥老师人非常 nice，是我的书院导师，每次请本科生吃饭都会带她的研究生来，让研究生学长学姐分享经历。
课程内容
学习压缩感知的基本概念: sparse signal, RIP, phase transition, Proximal Gradient, Sparse Bayesian Learning, Message Passing…
课程教科书
“High-Dimensional Data Analysis with Low-Dimensional Models: Principles, Computation, and Applications" by John Wright and Yi Ma （Can be downloaded through https://book-wright-ma.github.io/） 课程内容涵盖前八章（课程只上 12 周）
课程评价体系
作业 50 分（3 次纸质作业 + 1 次编程作业） 课程项目 50 分 开题报告 5 分 （第八周前提交，1-2 页） 展示表现 25 分（第 13-16 周） 报告撰写 20 分（英文、大于等于 4 页）
学习建议
1、不要翘课，数学课翘了一节，下一节就听不懂了。 2、好好做作业，作业有一半的分，都是课上的证明，编程作业不难。 3、课下及时看书复习，请尊重陶哲轩和马毅的研究成果，有点难度的。
本课程对数学要求较高，本人能适应不代表全体学生都适应，请大家三思而后行。
我是狄海川，实名评教，推荐好课和好老师，祝大家门门 A+！