3 人评分
5
24
13
2
1
课程质量
作业用时
考核难度
给分情况
其他 (0)
郑杰 (3)
匿名用户
2025 年 春学期
郑杰
建议选课人群：想了解生信的，爱好数据科学的同学
有签到，有回放，课程从干实验讲到湿实验讲到组学，自底向上，非常有系统：
匿名用户
2024 年 春学期
郑杰
上课：
内容比较概述，大致讲述了生信用的一些机器学习模型和一些具体的生信 topic 的方法
workload:
建议选课人群：想了解生信的，爱好数据科学的同学
有签到，有回放，课程从干实验讲到湿实验讲到组学，自底向上，非常有系统：
目前机器学习（大模型）是风口中的风口，而生信更是经典的交叉学科，和神经网络、数据科学等融合非常深，不管是生院同学还是信院同学，听下来（至少看 lecture slides 下来）都应该增加了不少甚至是对自己学科的理解。郑老师也是信息科学出身去做生信的，所以对神经网络这方面的理解确实很好。而且大部分都是科普级别的，内容方面并没有多难理解，但是考核有点复杂了
project 三选一，需要组队（不超过 3 人）选了个看起来简单的但是原论文难以复现，化身调参侠疯狂调参占用了很大的 workload；project 要求的另外期中需要中期汇报（虽然不算分，但是算评分依据），要找 4-5 篇参考文献的同时录个视频，这个工作量有点小大。截止日期是 16 周。
随着中期汇报同一时间，最后一节课有个开卷 quiz 相当于期末考，但是占分不高（12%），然而只能查看纸质资料，也就是说要打印一大堆 slides 或者靠记忆 / 抽一堆时间提取出核心知识点。
不过很好的是复习过程比较简单，看一遍加上考试的时候查 ppt 就行了，但是需要有比较强大的彩打能力……
作业都比较简单，这次比前几年难了，HW3 用时不少，算上 pj 的 workload 虽然也不少了，但是处于专业课平均线以下，这点而言也可以推荐了。HW3 比较好的一点就是开了 kaggle，让我们感受到了数据科学竞赛之美。
2 月中开学，差不多 5 月就（上课）结课了，后面还有 project 的报告之类的要写。工作量大就大在这门课会在结课的同时有个 workload 尖峰，然后和其他课的 workload 尖峰爆在一起有点难受。但是总体而言还是不大的
郑老师备课十分认真，课程内容与时俱进。课堂能够同时照顾到生院和信院的同学，没什么基础也可以修读。课堂主要内容包括一些生物学知识，生信中各种算法的介绍，以及常用的数据库的介绍。
作业内容主要是对各种算法和 pytorch 库的演练。当然，难度不是很大，也是补全一部分代码即可。
Project 任务量很大。课程有 4 分，因为平时作业比较少，主要工作量基本都集中在 Project 部分。这学期任务是二选一：
在任务中，你需要获取各种生物信息学数据，创新深度学习算法。在 project 中，会有几次小会议来跟踪进度。最后有一个 pre，也要提交一个最终报告。总之非常爆肝。对数据科学、深度学习没有什么基础的同学来说可能会比较有挑战。你将面临的包括但不限于：
如果选课，你后四周的 workload 会很大。以及，找个好队友。
上课：
内容比较概述，大致讲述了生信用的一些机器学习模型和一些具体的生信 topic 的方法
workload:
作业 workload 非常低，一共就 3 次。 基本就是一些非常基础的书面计算和几乎框架都给你的一些机器学习 coding （当然，处于爱好可以试着调调模型玩玩，比如搓个 resnet 什么的） 里面有 viT 的 hw，不过对于给的数据集其实和我自己尝试的 cnn 比起来没什么优势 hhh
proj
主要是 proj，2 个可以作为 research 级别的 topic，工作量较大，但比较有意思（如果想做这方面的 research 的话）, 可以进行实战的科研训练 一个是 ai 生信中比较火的蛋白质相关，主要是给 ai 从头设计的蛋白质打分的一个项目，看上去改进空间挺大，但根据做的组的反馈来看难度不小。 另一个是 SL（癌细胞合成致死基因预测），这个内容本身就有一定困难，仅给的数据集信息量比较少，需要结合知识图谱，运用 GCN 神经网络，包括结合一些多模态的数据（比如基因的表达，esm 得出蛋白质相关的数据）进行联合运用预测。 当然 DL 是非常玄学的，根据我 dalao 队友（就是另外的那位评论的同学捏）消融实验跑下来的结果看。emm，其实感觉还是基础的图神经网络最有效，esm。共表达等其他部分不是很显著，甚至可能有副作用呐。。。 提供了集群作为算力，不过如果有不错 N 卡的本地跑基本是没有问题的，集群环境不太好配。 （我是菜菜一只，那个队友几乎自己 carry 了） 我试着跑了一点其他的 baseline，发现由于版本问题（有些甚至用的非常老版本的 tensorflow）导致如果是想改进已有的代码的话仍然需要重构比较多的部分 （MVGCNiSL 这个 baseline 到很不错，开局就能跑，稍微改改表现也不差，另外一组同学就是基于这个改进的项目）
关于团队合作
建议商量好具体的任务分工并对需要改进的代码进行模块化，进行任务分配，同时数据收集也是一个困难的地方，所以建议每个人改进一部分并收集需要的数据，正好也当消融实验了.jpg 不然搞不好就出现突然发现队友已经做了好多而且没什么可以帮忙分工的地方了.jpg
给分：
还可以，但是 不过选课人数比较少，而且 hw 没有区分度，基本看 proj 导致如果大家都挺好的吃 b + 概率也不小。