IML

Final Grade: A+

在神经网络大行其道的时代，IML像是一股透露出数学古典气息的清流，用优雅的优化思想来在数学框架指导下展开训练、建模等。IML依然是人工智能时代不可缺少的一环。

今年授课老师的风评褒贬不一，但是同学们还是普遍评价授课老师其实还是很认真地对待这门课程的授课的。虽然我去上课的次数，抛开不得不去的project presentation，其实一只手都能数得过来，但是每一节课的ppt我都会跟着西瓜书认真推一遍，确保知识点不会落下。其实IML的各个知识点之间的联系还是很多的，不像某些课程那样藕断丝连，因为很多思想其实都是一样。比如说perceptron中的更新公式，虽然ppt没有介绍更新公式是怎么来的，但是其实这个答案藏在梯度下降中。而期末考试就考了这一点，如果没有意识到感知机公式更新与GD的关联，那么那一道大题的至少一半的分数就GG了。

西瓜书是个好东西，而且其配套的南瓜书也是很有用的。很多公式的推导其实是很有意思的，而且对于算法本质的理解有帮助。ZZH，YYDS！

Project普遍观察下来是一带飞二，或者是二带飞一，因为不是所有人接触过集群、且玩得转torch库。当然在人工智能时代下，写torch代码尚可还能由AI提供，但是debug、PATH、conda、tmux等技巧都是需要经验积累的。这些经验对于进组之后的工程考验是相当有帮助的。