Neural Networks *  COMP9444

assignment要争取达到95%的准确率，我以为我89%的准确率足够拿85分就行了，结果确只有70多分。
课程内容很多很难，但是final exam确很简单(有些过于简单了)。

建议某学期选了这门课，就不要选满3门课了，可以多留些时间消化课程内容，虽然这门课考核容易通过，但是神经网络研究起来是无底洞。

21t2还没完，忍不住来评论一下。不明白为什么有人说他讲课清晰，我觉得他根本不知道自己在讲什么。 从什么hidden units dynamics开始就一塌糊涂了，week5 开始rnn的时候第一部分他讲的那些什么鬼来的，给你几张图，也不解释概念，翻来覆去几句废话描述图片，不知道的还以为在听雅思小作文。前面几位说他清晰的以前都是什么老师教的啊，得经历了什么折磨才会觉得他讲的好？我看完cs229再学的9417，觉得已经讲的很一般了，没想到Alan更糟糕。

20T3 final给了满分

应该不存在压分的问题，piazza上分数不如预期很可能是粗心算错了导致的。

2020 T3, Alan 教。 

感觉压分比较严重，比方说占总分30分的第二个 assignment 的评分标准，如果模型准确率低于73那么你18分的 performance mark 就是0分了，但是所有 submission 里面最高的准确率也只有88%。而且这个评分标准他放 assignment 的时候并没有给出来，只是含糊了一句 performance mark 和 test case 的accuracy有关，让大家一度以为 performance mark = 18 * test accuracy/100，颇有一种看人下菜碟的意思。  

final 从 piazza的反馈看也是压了一些分。

说实话我真心希望学生给course 和 lecturer 的 feedback 能够放在考完试出成绩后，如果学校真的重视学生的feedback的话。

内容上来说，我觉得 hopfield network 和 boltzman machine 他没有讲透，让人有种感觉就是题目我都会做但还是不知道这两个模型有什么多大的卵用。  强化学习我觉得他讲的不好，lecture 里面强化学习的应用场景竟然不是Markov Decision Process，那你这样的话其实也没有必要引进 Q node这个概念了。

(19T3)「推荐」：Alan Blair教，课程节奏适中，讲课也很清晰，但同样需要对深度学习有大体了解否则会跟不上课程节奏。同样有个人和团队（二人）的Assignments，用的是Pytorch框架。个人的Assignment不难，团队的Assignment是跟据模型的准确度给分的，跟9417一样涉及的知识点非常多。考试略难，分为理论和计算两部分，理论题的覆盖面很广，计算题基本是Quiz里出现的题目，考试全部是选择题。跟9417一样需要大量时间去复习准备。

原文标题：UNSW MIT8543课程评价和选课推荐|落絮飞雁的个人网站

原文链接：https://www.luoxufeiyan.com/2019/12/24/unsw-mit8543-courses-review/

授权协议：创作共用 署名-非商业性使用 2.5 中国大陆

除注明外，本站文章均为原创；转载时请保留上述链接。

比较简单，今年换成pytorch了，考试一如既往的alan风格

当你以为你懂深度学习的时候，alan 告诉你，不懂老师别想考好。课程可以学一下，东西都不是特别的难，但是涉猎范围比较广，平时作业量也很少。想拿个高分就看你懂不懂alan了。

18s2 ass都超简单 基本上第一个作业和第三个作业人人都是满分， 第二个作业90%acc 难了点，但基本上都是85%以上，都能拿个14/15。

这个课印象中是完成了9414之后才可以选的，如果之前没接触过机器学习，个人感觉入门起来比9417轻松一些（毕竟Alan)，18s2 3个作业让你熟悉tensorflow前两个不是很难，基本网上找一下tensorflow教程可以做的出来，当然做的出来和拿高分有一定区别（我自己第二个只有12/15）。自学即可，搞不懂的lecture youtube上大把的视频讲解