CMU MSECE 三学期 ML 向选课
49507
本科细电 ece 相关背景，方向偏ML/DL 理论加少应用, 我们这届开始选课大大受限，所以发一个自己好不容易苟下来的课单及课程评价。因为疫情原因，入学各种推迟，所以 2020 Fall 录取的，现在才快要毕业。
************* 求加米线 **************
2020 Summer
18613 Introduction to Computer Systems；
都说是招牌课的 15213/15513 的 18 cross-list 版， 课程内容基本一直，教授是 14 的 Gregory 来讲的。周围对教授讲课评价非常不一致，个人非常喜欢。每节课上课都很开心。 后来还做了这门课的TA，感觉还不错。
2020 Fall - Gap
2021 Spring - Gap 不动了必须要选课 - 在线远程
18845 - Internet Services
强烈推荐！！教授是 David!! seminar （？） 形式的课，每节课选定几篇论文，(google search, dynamo db 这种)， 内容很广，每年都不一样，每节课交论文 critique, 然后大家轮流领导讨论。 作业 项目都比较水， 但是上课其实挺开心的， 除了有点累， 我白天要上班，下班后通宵写 critique， 凌晨三点开始讨论，下课后再 office hour 给学生debug 15-213 的 C code。。。
11785/18786 Introduction to Deep Learning
强烈推荐！！ 教授是 Bhiksha, 教授人超级超级超级好，之前看地里评价，其实有点忐忑，但是实际接触发现真的是人生中接触过最好的教授了。课程内容从 MLP - CNN -RNN - 其他模型，课程内容近几个学期加了 attention, transformer, autoencoder, GNN etc. 所有lecture 教授讲的极其细腻，之前接触过相关内容，上课后还能是刷新认知的状态。
4个作业，每个作业 p1 是coding，实现课上讲的算法， p2 是 卡狗榜，训一个模型 按分排序。 都说 workload 极大，个人感觉其实还好。
2021 Fall - 课程不多的一学期
10715 - Advanced Introduction to Machine Learning
前半程课 SVM + learning theory, 后半程课讲很多小topic； 教授 Nihar 本身是做 learning theory 的 所以 这方面讲的还挺多。 课程难度不大不小，但是总结下来，感觉不如别的替代课 / 更好的做理论的课。 推荐拿 36705, 10701, 替代，院外不够 unit 的可以拿 18661 替代。
18797 - Machine Learning and Signal Processing
课程内容基本全程靠 线性代数，work load 不大，算是推荐选。 课程内容后面很多面试时候都用到过，教授还是 Bhiksha，内容讲的非常透彻。
18781 - Speech Recognition and Understanding
内容其实非常全面 从 signal processing 人体识别，一直讲到 DL 为基础的 方法。 如果自学能力较强的 比较推荐上。
2022 Spring
10716 Advanced Machine Learning Theory and Method
课程前半主要讲 non-parametric methods, 后半程讲一些10715 剩下的 topic。主要是为了瞻仰教授选的这门课，内容讲的很深，适合想做theory 方向的同学。
10708 Probabilistic Graphical Model
课程中间 probabilistic 貌似网站上拼错了，导致我一直不会拼。 内容从 UGM/DGM 基础，到变分， causality 以及最后的一些应用，其实涵盖很广，这个学期 5个作业，每个作业巨多 15 - 20+ 页的量 + 3个考试。 TBH, 这门课这个学期负担远超 11785. 听别的同学说只有这个学期这样，之前的学期work load 非常小。 但是其实看到作业量 就知道两个老师 + TA组非常有诚意，如果认真学真的能学到很多东西。
10745 Scalable Machine Learning
课程内容 偏theory 方向， 讲的算法 其实大多时候都能用得到，work load 不大，算是有趣的一门课。 考核 比较水， 虽然有 5个作业 + 4个 minitest + 2 个test + project etc，但是其实算是水课。需要 scalable 落地方向的，其实更推荐替代课 10806.
Note: 2021 Fall 2022 Spring 分别选了两门research 课为了凑18 的学分。
其他自己关注过没有机会上的课单，这里也推荐一下： 36708 - Stats for ML, 10703 - RL, 11711/ 11747 - NLP, 11860 - Quantum.
************* 求加米线 **************
希望有帮助把
1
************* 求加米线 **************
2020 Summer
18613 Introduction to Computer Systems；
都说是招牌课的 15213/15513 的 18 cross-list 版， 课程内容基本一直，教授是 14 的 Gregory 来讲的。周围对教授讲课评价非常不一致，个人非常喜欢。每节课上课都很开心。 后来还做了这门课的TA，感觉还不错。
2020 Fall - Gap
2021 Spring - Gap 不动了必须要选课 - 在线远程
18845 - Internet Services
强烈推荐！！教授是 David!! seminar （？） 形式的课，每节课选定几篇论文，(google search, dynamo db 这种)， 内容很广，每年都不一样，每节课交论文 critique, 然后大家轮流领导讨论。 作业 项目都比较水， 但是上课其实挺开心的， 除了有点累， 我白天要上班，下班后通宵写 critique， 凌晨三点开始讨论，下课后再 office hour 给学生debug 15-213 的 C code。。。
11785/18786 Introduction to Deep Learning
强烈推荐！！ 教授是 Bhiksha, 教授人超级超级超级好，之前看地里评价，其实有点忐忑，但是实际接触发现真的是人生中接触过最好的教授了。课程内容从 MLP - CNN -RNN - 其他模型，课程内容近几个学期加了 attention, transformer, autoencoder, GNN etc. 所有lecture 教授讲的极其细腻，之前接触过相关内容，上课后还能是刷新认知的状态。
4个作业，每个作业 p1 是coding，实现课上讲的算法， p2 是 卡狗榜，训一个模型 按分排序。 都说 workload 极大，个人感觉其实还好。
2021 Fall - 课程不多的一学期
10715 - Advanced Introduction to Machine Learning
前半程课 SVM + learning theory, 后半程课讲很多小topic； 教授 Nihar 本身是做 learning theory 的 所以 这方面讲的还挺多。 课程难度不大不小，但是总结下来，感觉不如别的替代课 / 更好的做理论的课。 推荐拿 36705, 10701, 替代，院外不够 unit 的可以拿 18661 替代。
18797 - Machine Learning and Signal Processing
课程内容基本全程靠 线性代数，work load 不大，算是推荐选。 课程内容后面很多面试时候都用到过，教授还是 Bhiksha，内容讲的非常透彻。
18781 - Speech Recognition and Understanding
内容其实非常全面 从 signal processing 人体识别，一直讲到 DL 为基础的 方法。 如果自学能力较强的 比较推荐上。
2022 Spring
10716 Advanced Machine Learning Theory and Method
课程前半主要讲 non-parametric methods, 后半程讲一些10715 剩下的 topic。主要是为了瞻仰教授选的这门课，内容讲的很深，适合想做theory 方向的同学。
10708 Probabilistic Graphical Model
课程中间 probabilistic 貌似网站上拼错了，导致我一直不会拼。 内容从 UGM/DGM 基础，到变分， causality 以及最后的一些应用，其实涵盖很广，这个学期 5个作业，每个作业巨多 15 - 20+ 页的量 + 3个考试。 TBH, 这门课这个学期负担远超 11785. 听别的同学说只有这个学期这样，之前的学期work load 非常小。 但是其实看到作业量 就知道两个老师 + TA组非常有诚意，如果认真学真的能学到很多东西。
10745 Scalable Machine Learning
课程内容 偏theory 方向， 讲的算法 其实大多时候都能用得到，work load 不大，算是有趣的一门课。 考核 比较水， 虽然有 5个作业 + 4个 minitest + 2 个test + project etc，但是其实算是水课。需要 scalable 落地方向的，其实更推荐替代课 10806.
Note: 2021 Fall 2022 Spring 分别选了两门research 课为了凑18 的学分。
其他自己关注过没有机会上的课单，这里也推荐一下： 36708 - Stats for ML, 10703 - RL, 11711/ 11747 - NLP, 11860 - Quantum.
************* 求加米线 **************
希望有帮助把
1
- 31
7条回复