uci ml选课指南
32872
本帖是针对uci的machine learning方向课程，结合个人经历做的总结。希望能帮助想最快rush ml courses的同学。fall有intro to optimization,intro to AI, machine learning三门课。ml课堂录视频所以可以不去上课在家看视频，作业自己做会达到比较好的学习效果，答案网上都有。optimization可以配合stanford的凸优化学习，难度不适合入门。AI课可以不选，跟ml内容很多重复。这学期可以把基础打好，tensorflow或者pytorch用用熟。有考试。
winter probabilistic learning，老师喜欢板书，但是课堂网站上有提供笔记。我的建议是不去上课，直接翻花书写作业。statistical nlp跟ml一个老师，看视频学习即可。这学期是前一个学期的进阶版，有更多数学，要稍微花点时间。有考试。deep learning种种原因不建议选。
spring 有graphical model, deep generative model和几门cv的课可以选。graphical model建议直接买BRML这本书自学，亲测比上课听更高效。作业看上去比较难但书看懂了还是能做出来的。deep generative model是ap新开的课，很照顾0基础的同学，已经上过之前课程的可以直接看ppt不去听课。自己搜GitHub跑跑gan的model理解得更快。这学期比之前的要更深入一些，接触更多的奇技淫巧，理解也会更深入。无考试，但作业和项目workload大，特指graphical model。generative model workload可大可小。
这些课上完基本上基础知识也攒的差不多了，有余力的可以在拿到实习后跟着老师在winter/spring做项目攒经历。
作为一般通过路人，不求有多深的造诣，只求在掌握知识的前提下实现快速rush，仅供参考。时间充裕的同学还是建议每堂课都去的。
p.s.除python外建议熟练掌握matlab，不然写作业会很痛苦。
补充内容 (2019-5-11 00:43):
面向general sde的话，偏系统的课感觉要么是给纯粹0基础的同学提供的，要么就是难度来自人为原因(口音,作业混乱而不是知识本身(几门数据库的课)，所以建议挑水的选，自己上youtube搜cmu的课上，或者其他online课
winter probabilistic learning，老师喜欢板书，但是课堂网站上有提供笔记。我的建议是不去上课，直接翻花书写作业。statistical nlp跟ml一个老师，看视频学习即可。这学期是前一个学期的进阶版，有更多数学，要稍微花点时间。有考试。deep learning种种原因不建议选。
spring 有graphical model, deep generative model和几门cv的课可以选。graphical model建议直接买BRML这本书自学，亲测比上课听更高效。作业看上去比较难但书看懂了还是能做出来的。deep generative model是ap新开的课，很照顾0基础的同学，已经上过之前课程的可以直接看ppt不去听课。自己搜GitHub跑跑gan的model理解得更快。这学期比之前的要更深入一些，接触更多的奇技淫巧，理解也会更深入。无考试，但作业和项目workload大，特指graphical model。generative model workload可大可小。
这些课上完基本上基础知识也攒的差不多了，有余力的可以在拿到实习后跟着老师在winter/spring做项目攒经历。
作为一般通过路人，不求有多深的造诣，只求在掌握知识的前提下实现快速rush，仅供参考。时间充裕的同学还是建议每堂课都去的。
p.s.除python外建议熟练掌握matlab，不然写作业会很痛苦。
补充内容 (2019-5-11 00:43):
面向general sde的话，偏系统的课感觉要么是给纯粹0基础的同学提供的，要么就是难度来自人为原因(口音,作业混乱而不是知识本身(几门数据库的课)，所以建议挑水的选，自己上youtube搜cmu的课上，或者其他online课
