返回課程列表
[COMP4332]对大腿和找到大腿的人来说是门轻松好龟课
課程時間：2016年spring季
授課教授：CHEN, Lei
我覺得教授： 猴轻松~大家一起轻松~
這門課的Grade：较好
这门课内容挺多的，主要是理论，课件博取众长。没考试，只有两个project(借用case comp题目，要编程)和一个paper读后感的presentation。
总结陈词，对大腿和找到大腿的人来说是门轻松好龟课(姚明脸)。
[COMP4332]对大腿和找到大腿的人来说是门轻松好龟课
課程時間：2016年spring季
授課教授：CHEN, Lei
我覺得教授 猴轻松~（i.e.大家都轻松~）
這門課的Grade：較好
这门课涉及内容广，课件博百家之长。没midterm，也没final， 只有两个project和presentation（presentation其实就是阅读理解，总结别人research干了啥；project用的是case comp的题目，需要编程。）
总结陈词，对大腿和找到大腿的人来说，这是门轻松好龟课。
[COMP4332]教授就是在报复社会
課程時間：2016年春季
授課教授：Lei CHEN
教授不认真上课，就是来报复社会的
這門課的Grade：較好
这门课prerequisite是COMP4331/COMP4211，official上的说明是在学生掌握基本的data mining算法后教一些实际DM项目中需要的知识（例如pre-processing，ROC curve等）。还会介绍DM在应用方面的前沿技术（例如text mining，social network mining，recommendation system等）。理论上来说还是可以学到东西的。
可是这门课却被开得很烂。
workload：一次midterm20%，两个data mining project60%，一次presentation10%，一篇term paper10%。project，pre3都是组队的，三个人一队。 （可以看得出来workload还是挺大的）
教授前半个学期讲知识，但所有算法都只一带而过，完全不讲details。上完半个学期的课只是知道一些概念术语（例如什么叫sentiment analysis，什么叫node classification），和你自己去google一样。
讲完课就是midterm，只要把notes理解了就不难考。
然后后半学期教授就不上课了，让各个组在课上pre3。pre3是看两篇ACM或者IEEE上发表的paper后来讲解其中的内容。可是丧心病狂的地方在于每个组pre3的得分是其它组给的分数的平均数。教授和TA完全不参与评分。我实在不能理解为什么要这样设计评分标准。这难道不是逼每个组都给其它组零分吗？唯一能解释的可能就是这样教授可以不用来上课了。
Term paper也是和看的两篇paper有关，主要让你写对其中的方法的评价呀，其它相关的paper呀之类的，比较简单。
project也是槽点多多。project直接选用KDD比赛用过的case。连data，最后评分标准都没变。个人觉得这样的选择很大的一个问题是以往选手的code都是公开的，和容易就拿来模仿，影响评分的公平性。
project的评分：最后model的accuracy占30%，code占30%，一份记录你们组在整个project中做的事情（选取了哪些feature，用了什么model和算法等）占40%。
因为DM这个东西最后的accuracy高低具有一定运气成分，很有可能你花了很多时间做了training但最后的结果也不好。并且accuracy的评分还是把所有组得到的accuracy进行从高到低排序后，各个组的得分依次递减得到的。既然accuracy得分高低是看运气的，所以教授也说如果你在training过程中尝试了许多model，即使你最后accuracy不高，你的code和report也会得高分的。可是丧心病狂的地方是，你的code和report的分数还是在于其它组的code和report的：TA还是会把所有组的report和code按他的标准进行排序，排第一的组得分最高，然后其他组的一次递减。问题是TA也没有一个十分明确的“好坏”标准。他是看比如report的篇幅，是否有图表等丰富表达方式来确定你的努力程度。这种评分就让我们组的小伙伴在做project时感觉像个无底洞，不知道要投入多少时间进去。。。
最后的grade也还算不错，但是这个学习过程实在不堪回首 = =
总的来说，这是一门workload大，教授上课完全不认真，评分标准画风诡异的课。大家慎选。
