互联网信息抽取技术

课程内容：塞给你一把自然语言处理的碎片知识，虽然老师已经预判了非CS来搞交叉的同学多、特意打了个折，但折完还是有点深奥，属于听课时长脑子、脑子却想逃跑那种 这课每周只上1次课（2节），偏偏挂着3学分，老师说多出来那1学分是大作业的课外时间——结果这课外时间短得像泡面里的牛肉粒，根本用不了多久 上课自由度：偶尔签到，有几次小测（会提前通知今天有quiz），但答案全在PPT里，人到了、手别抖，全对就跟白给一样 考核标准：40%平时（基本都给满）+60%大作业（20%pre+40%报告） 大作业是给一个有160w条数据的训练集，训一个情感二分类模型（不限制方法，你能让ChatGPT完成这项任务也可以），会比较看重有没有什么自己的创新点——但现实是我和队友两个完全不熟悉AI的人，只是把任务跑完就拿了92，稍微懂一点能加一点东西应该很轻松满绩吧（） 大作业本来是有5分的性能分（根据全班模型准确率排名给3-5分），后来也取消了，等于那块悬在头顶的刀自己先躺平了 授课质量：对CS同学有点水，对交叉同学有点难（好在你并不需要听懂），2学分的上课时间拿3交叉学分·，性价比极高

课程内容：讲实话这节课的语速就没追上过我的耳膜 上课自由度：高得像开放式厨房，会有签到和canvas上发的题目，不过这课搞的是小组组队逃荒，团队里哪怕活一个也成，题基本都给得很雷锋，PPT上一翻就有现成答案，里应外合地把你本本分分的平时分给保住 考核标准：平时分40+大作业60（pre 20+实验报告&代码 40，抱团完成） 今年干的大作业是捂着twitter评论做文本情感二分类，一眼看过去几乎每个组都在清一色掏出bert，虽说我上课天天飘着发愣，但回去老老实实跑完train出来，捞过手的知识点真还有二两沉。pre上就能看到各届cs大佬当场神仙互砍。系里正统cs出身搞这个应该是常规越障，跨专业抢滩的也能蹭进码类的队伍里，那画风应该也还凑合？ 实验报告拿latex盘一下就足够有那种范儿，国语舶来语本人，该盘不该盘的统统往里招呼，页数硬生生垫好，这回路演反而不扫大作业的ranking，就是盯你实验内容厚不厚实，所以狠狠写才是正经路子。最后40分大作业报告赏了我39，整体分数猛一抬来到了95。 授课质量：场面上流转的内容已经是一整套NLP流水线，从原理基座、传统套路到大模型全扎堆扫一波。可惜我平时漂着没往耳朵里搁，确实做不出足够详细的评析。大作业搞下来感觉30h左右差不多就这电量，人肉train模型能薅出不少经验和知识，想真心下场折腾的反手选这门不太亏。

课程内容：不知道，没听过，全程在打瞌睡。前几节扯语言系统的玩意儿，感觉跟课程标题在谈异地恋。 上课自由度：不知道签到多少次，中间还穿插好几次小测，最骚的是最后严格给分，非常严格的那种。 考核标准：很高，小测+大作业+项目汇报+项目报告，全家桶给你安排得明明白白，给分挺低。要想得很高分，得砸下差不多必修课的功夫，肝败下风。 授课质量：那就算很高吧，反正我没听，假装它高。

课程内容：李芳负责统计机器学习，王瑞负责深度学习，收官是一记期末大作业。上课自由度：主打一个高，课前有签到但课上不点名不提问。考核标准：平时小测+签到+读两篇论文的作业60，小组大作业40。讲课质量：李芳的部分我是真困，很多时间就是在朗读ppt，难点就跟捉迷藏似的也没讲清楚，但王瑞的深度学习讲得确实超棒！至于大作业，由于这学期选课人数少得跟限量款一样，班里一半是外专业，所以本系同学嘛....懂的都懂。