SsagerR
zhongzhch2023@shanghaitech.edu.cn
成就
获得 1 次赞同
发表 4 篇评价
评价 (4)
凸优化
还可以
2025 年 秋学期
石野
如果修读过数值最优化或者本科生凸优化，这门课的学习曲线会非常平缓。课程中有一半左右的内容与本科基础课高度重合，对于有功底的同学来说，这部分几乎不需要投入额外精力，整体 Workload 极小。
至于剩下的那一半内容，确实很有难度，挑战性较强，但是这些比较难的部分基本不会在考试中涉及。这意味着如果你只是为了应付考试，并不需要在这上面耗费太多心血。
全学期一共包含三次作业、一次 Quiz、一个 Project 以及一次期末考试，不会在短时间内造成巨大的压力。
深度学习
春学期课程质量更高一些
2025 年 春学期
曹迎
看到不少关于 xl 老师的差评。本人是在春学期选择的 cy 老师的课程。我认为授课质量是完全过关的，讲解比较扎实。
工作量中规中矩。一共 4 次作业、10 次 Quiz 和 1 个 Project。任务密度适中，不会特别轻松，但也不会压力特别大。
虽然老师教得不错，但整个学期的学习反馈几乎为零，体验非常差。所有作业和 quiz 的提交都石沉大海，直到最后也没收到过任何批改反馈。助教在 Piazza 上的回复非常不及时。期末只给了一张表格看作业和 Quiz 完成情况，根本看不到具体分，不排除助教根本没批改的可能性（如果是这样那么最终的给分依据也就无从得知了）。
在线优化与学习
建议学过RL再来选
2025 年 春学期
刘鑫
这门课和强化学习一起学的，说实话学得非常吃力。由于自己基础比较薄弱，课程内容有七成左右都没跟上。刘鑫老师的教学风格可能确实不适合大部分同学，个人感觉讲的甚至不如他在教 CS 101 的时候清楚，选了就做好全程自学的准备（比如 UCB 算法的 regret upper bound 推导，上课听没听懂，私下自己看原论文反而看懂了）。
Workload 在研究生课程里绝对算小的。一共 3 次作业，前 8 周上课，9-12 周做 Project。我在当时完全没接触过 Diffusion Model 的情况下跟着学长学姐做了 Online Posterior Sampling with a Diffusion Prior 的题目。由于水平有限，全程基本 0 贡献，非常感谢学长学姐带飞。
只能说给分好到离谱。学得一塌糊涂，最后竟然拿了 A，自认为是不配拿这个等第的。但是建议不要为了给分选择这门课，非常建议学完 SI 252（强化学习）后再来选。
强化学习
总体来讲非常好的课程
2025 年 春学期
邵子瑜
课程质量极高，上过 SI140A 的应该都知道 szy 老师负责的课程的教学质量，毋需多言。
美中不足的就是课程的时间安排可能有点小问题。概率论回顾和 MCMC 部分的内容讲了很久，占用了较多时间。课程过了半程才开始讲 Bandit，真正开始讲 RL 核心内容的时间就更晚了，导致最后几节课几乎一节课就要讲一个课件，节奏非常快。
这门课的定位是一门数学课，因此对数学推导过程的讲解非常细致，但实际动手操作的比较少。推荐同时修读强化学习工程实践或充分利用好 Hugging Face Deep RL Course资源。