10/14 的機器學習

這學期上了machine learning這門課，是一門主修ml的人必修的課，但是，是一門很槽的課。

ml在公開的課程評鑑網站上就是一直很低分，平均大約在3.2-3.3之間 (滿分5分)，在cs的課程中3.2是81門課中排61名。沒想到這學期結束，長期的平均變成了3.1。我看了一下，原來這學期的評鑑的給分中，14個同學有10個人給了1分的最低分。馬上把平均又拉下去了一點。真慘。這怎麼開課可以開成14個有評分的人中有10給最低分啊？ 然後，我還修了這門課!! 只能說好慘。

ps.  這門課最後還是拿個一個"A"。課程的問題在於學習目標不明確，四個assignment的都是open-ended，而自由選擇dataset，占學期總成績50%。open-ended看似自由發揮，每一個可以按data寫出不同的報告，但TA們背後卻是有一個評分標準，有寫到xx分析給多少分，寫到xx分析給多少分，有評分標準卻不公開，以致於大家寫完，也不知道有寫到標準裡得多少，而且每一個dataset本身的性質不同，能作的分析和分析的結果也不相同。這樣的情況下，到底會寫出什麼，同學們在選dataset的時候，那會知道？ 以致於每一次交作業像是在賭博，分數可以是0-100間的任何數字。我就很慘，4次作業的分數從30分到70幾分都有，沒有一次過80分。花很多時間分析，卻拿到30/100，但班上卻有人拿到100分。當然，拿個30分後也完全不知道TA想要看什麼，因為TA也不會公布評分標準。這樣子，學生也不知自己有什麼問題，學到東西的都是自己找出來的，然後，也不知道TA要你分析什麼東西。