深度学习

这课6分给张老师讲得确实不错，但是实践环节真的比较拉跨

首先是N年不变的祖传作业，GitHub上看至少19级学长就在用这一套作业了，是真·一字未变

个人感觉助教批作业也很抽象，感觉有个助教很逆天，给人感觉是写的多了懒得看了就给满分，写的比较dense就说你写的太少没有分析开始扣分，既摆又恶心人，建议这种人以后能不能不要再当助教了？别拿这份钱了行不？

其次是抽象Project，在英伟达板子上写一个人脸识别/姿态识别什么的算法，限于时间紧张，自己写一个效果很好的也不太可能，大家似乎都是在调库的基础上改改，比如添加一些功能什么的，但这个作业最大的难点似乎是把代码部署到板子上，版子的系统是 Ubuntu 18 远古版本，配环境有很多坑要踩，但实在没看出来这个project对提高课程内容的理解有任何帮助

期末考试比较简单，概念题居多，这学期只有一道很简单的计算，且老师最后一节会划重点，记得最后一节课仔细听讲

个人认为，这门课从实用角度讲应该成为计系必修课之一。不过这两年的计系培养方案也一直在大改，上位的居然是编译原理，有点费解。

对于这门课的内容，前人之述备矣。这个学期临时加了个attention机制的内容，但是期末似乎没有考。张老师的讲课还不错，比较有激情和活力。你知道的，计系很多难熬的课程的根源就是半死不活的授课，这一点还是不用担心。

但是这门课的给分确实比较怪异，我是极限A-。根据我对各个计系课程的投入得分比经验，我觉得罪不至此。得分较低的原因是因为final诡异的低而且占比较大（40%），但我个人认为我的准备和答题都还算是比较完备的，不知道主要扣在了哪些部分。

我在学期开头的lab课上旁敲侧击了一下关于作业是如何给分的，zjg的回答比较抽象：“需要看到探索精神”（大概是这个意思，但具体说了什么我记不清了），我将其理解成根据先前task内容做一点额外实验。我的三次Assignment都获得了满分，这是我的仓库链接：BrightonXX\SUSTech-CS324-25F，这个理解思路供参考，并不保真。

课程总体上难度不大，适合没有深度学习经验/希望从头开始系统学习深度学习的同学。课程涵盖了大部分经典的基于反向传播的神经网络算法（MLP、CNN、RNN、流形学习等），课件较为凌乱，但是也是比较好看懂的。

作业难度不是特别的大，主要就是用NumPy/Torch进行一些toy example的编写，但是可能因为今年换了助教的原因，报告的给分（或者说是评分细则）比较迷，会因为GAN“生成效果不好”扣分，一些写了五六页的报告也会说“不够详细”。

Project比较水，在Jetson Nano上做一个实时的AI demo即可，没有要求有指标提升，pre+展示的效果比较重要。

考试虽然占比较大，但是较为简单，主要是考一些概念，复习一两天可以考一个不错的分数。

我在GitHub上分享了repo，包含了我学习课程的所有资料，有需要的同学可以自行参考。

很好的课，和上学期的描述应该差不多～
【作业】三次拿满感觉没什么难度，论文用Latex写漂亮点+逻辑数据合理即可

【项目】相对其他项目（CPU/JAVA之类）应该算体量很小的，但是jetson nano刷机配环境包括开发板自身容易出的问题应该比较有挑战，这一块是队里一个大佬包揽了我不清楚细节，我负责的数据处理很简单，象征性爬虫一下+细致整理一下开源数据格式就好，答辩时感觉比较严格～开发板性能一般般所以一般在电脑上微调好直接部署下去

【考试】文综概念细节+BP计算题，感觉和南科大CS那个大的资源库里斯坦福CS230的不定项+简答题的内容比较像，有重合的题目，但要简单很多。难点应该是BP计算里矩阵维度容易混淆，其他考了的有比如RNN LSTM的区别、AE/VAE对比、BN的流程（要写公式）、CNN过滤器对几个维度的改变公式等，概念题较多。最后还问了Resnet-50有哪5个层之类的问题，需要对理论课PPT上的内容细节熟悉。代码题只有4分，考的是多层MLP 用pytorch nn 定义时给段代码找错误，例如Size不匹配之类。

【给分】感觉挺好的，三次作业没怎么花我的时间（挂机时长不算，第二次作业在云上要挂一会）没扣分（但不代表作业给分水，我报告写的美观程度比较卷）。项目没有Bonus但是认真做应该不会扣多少，最后我是总评3.94主要扣在期末BP算错+BN/Res的细节错误～感觉认真学拿到90+应该没有难度。这学期除了16周划重点没有听过课，考前预习PPT总时长大概每章1-2小时（BP部分建议额外花时间理解一下，最好亲手算一下，带上矩阵维度）。第二章数学部分看着吓人其实都没怎么考。不知道下学期风格是不是一致滴，张老师很有热情也很可爱，快来选！理论课PPT质量还是很高的，自学起来很爽～

（同我导的课）

课程讲的东西相对还是比较少的，MLP、反向传播、CNN、RNN/LSTM、AE/VAE、GAN还有最后一节课讲了一点的GCN。平时就只有三次assignment，在一个给定的模版上实现一下课上讲的某些东西，既有手搓也有调包，总体难度不大，但是没有算力的话会很慢（课程会赠送华为☁️的算力）。期末的project是在jetson nano开发板上部署项目，总体来讲还是坑爹的，毕竟硬件…总是会有莫名其妙的问题。期末单选多选计算简答，堪称计算机中的文综，而且必须要用英语答题，不好好复习的同学有福了（不过助教海底捞爽的）。张老师上课很有激情讲的也还比较细，纯英文上课，英文有点口音但还算清楚；实验课王维语老师更是yyds，实验课也没有啥要干的活。总体来讲感觉很不戳的课

1.17更

很适合dl小白的一门课 课程覆盖了mlp 优化器 CNN RNN LSTM GAN GNN以及一些变种

可以给你一个很好的对于深度学习到底是怎么“学”的insight

不过content可能有点不那么fancy了 今年最后一节课才新加了一些transformers的内容 讲的内容也是比较浅尝辄止的 也许以后的课程内容会有所调整

作业量倒是不大 一次两三天code+report肯定能弄完了 但感觉判的还是挺严格的 多多少少都会被扣一些分 

如果你想学一些比较advance 特别是和llm有关的dl 那也许计系的nlp 统计系的高等nlp也许会更适合你

期末考试大多数都是概念题 难度不是很大 不过感觉给分一般

计系精品课程。

理论课会有张老师激情四射的理论公式推导，思路很清晰，所以听起来很爽。

Assignment不做评价。

Project感觉给的要求不是很清晰，没搞懂评分标准。

期末考试占比40%，但是难度不大，我只复习了两天，很容易拿到90+ (也可能是助教海底捞感谢)。

诚推。

平常事情不多，是上得很舒服的一门选修课。

老师上课的时候会激情写板书激情讲课，思路很流畅，感觉老师自己对深度学习有非常多深刻的理解。期末复习的时候感觉ppt的思路也很流畅，有完整的story telling。

Lab课是助教来上，讲得比较简单。

很不错的课，建国老师很负责上课讲的真的很清楚 比隔壁CS303感觉从质量上来讲高很多。

三次assignment（15%*3）基本上可能都是接近满分？但是还是需要手搓一些模型 剩下的也就是调调参

Jetson nano项目（10%）比较简单 但是毕竟是硬件 总是有这些那些很无语的问题…

期末考试（40%）考的比较全面，但是很为计系同学考虑涉及到数学证明推理的题目其实挺少 难度的话其实不大，好好看看PPT然后最后一节复习课一定好好听！ 应该不难拿不错的成绩

知识体系很清晰 涵盖Perceptron, MLP, CNN, RNN, AE, VAE, GAN等经典的深度学习模型 不过线性代数基础不好的(比如我)可能会有点理解难度

给分应该算不错吧，也不知道总体怎么样 但是貌似比前几学期的分数有所上升？ 感觉有不少A的

我导的课，要求感觉挺严格的，project虽然看起来划水，如果不好好做还是会被扣的比较惨的。

作业45%，大部分同学都被扣分了，project 15%也基本拿不了满分。

然后期末考试占40%，平均分75-80分，所以这门课极少部分同学能拿到A和A+

上课的内容的话，还是讲理论比较多，想要玩fancy的deeplearning模型的话，可能要选别的课。