课程比较粗糙，是周志华-机器学习的前12章内容，从经典的线性模型、SVM、神经网络到聚类、特征降维和特征选择。

复习按照PPT和机器学习复习PDF上就行了

2023.7.10考试试题

1. 逻辑回归和svm的区别和联系
2. L1正则化和L2正则的区别
3. Floyd最短路径算法
4. 给三个样本（3,3,1），（4,3,1），（1,1,0），求线性可分支持向量机
5. 给出5个机器学习评价指标
6. 2种线性降维和3种非线性降维
7. 网页文本余弦相似度
8. 动态聚类

教材是《算法导论》，会点名让做小测。

每周都有作业，ai就行了，不过注意写得详细一点，写得好一点，靠ai应该是全对的，可以从开天辟地开始写，过程尽可能细。作业是会计入最后成绩的，建议认真一点对待。

实验一共有五次，可以提前找助教或者老师检查，ai一下就行了，如果是不想去上实验课，可以ai实验报告去交。不过也需要认真一些，同作业。

平时分期末大概五五开。作业和实验记得一定要按时交，不然可能不计数，被狠狠扣平时分了。

期末考试那个选择题比较恶心，难度会有一点，有几个都不知道怎么写。简答题考得是很简单的，但是要用算法理论去分析就比较恶心，还是需要去记忆那些概念，然后也需要稍微知道如何去用，算起来内容就有点多，可能可以让ai大人给出例题自己去熟悉一下。
复习的话去看平时作业，晚年题目，课件，祖传资料，一起丢给ai让ai教学就可以了。本人吃的ai产出二手资料，没看过其他原始资料，最后84有点低，想要高一些就平时分抓满（如果平时分满的话本人应该是93或者94，平时分还是很好捡的），考试前知道概念之外最好知道怎么做题，好像有挺多同学吃了亏，题目很简单，但是不知道怎么用要求的概念去做。突击半个星期应该就够全看完，比较妥善，本人算上ai整理资料花了一两天，被gpt超绝生成速度害到通宵看。平时可以不上课，ai教学感觉快多了。

最后一节课会说哪些不考，以及划重点。

教材是《算法导论》，今年的课平时偶有点名，点名一般在第一节课上课。因为张老师觉得互动较少，所以后面有两次课上小测。

作业一般每周四道题左右，一般来说比较好写，有的时候几道题偏繁琐就会稍微耗时长一点，不过也是可以做出来的。

实验一共有五次，可以提前找助教检查，是一些算法题，把代码写出来把思路讲清楚就可以，工作量不大。

这些是平时分的来源，50% : 50%，但是助教最后说会酌情调整平时分占比

考试也比较简单，把平时作业都搞明白了就能得到不错的分数，高效复习2~3天足够应付考试，张老师最后一节课会说哪些不考，以及划重点