考試形式與編程題趨勢(shì)

　　根據(jù)往年情況，考試中通常會(huì)出現(xiàn)編程相關(guān)內(nèi)容。盡管上學(xué)期因機(jī)考形式取消了手寫代碼，但仍以選擇題或簡(jiǎn)答題的方式要求理解代碼邏輯。本學(xué)期預(yù)計(jì)將延續(xù)往年授課教師的風(fēng)格，可能出現(xiàn)偽代碼或書寫類題目，具體是否完全取消手寫內(nèi)容仍需以教學(xué)團(tuán)隊(duì)通知為準(zhǔn)。

　　Quiz 與簡(jiǎn)答題要求

　　Quiz 部分約為 15 道題，即便遇到不會(huì)的題目也應(yīng)保證作答。教學(xué)內(nèi)容通常會(huì)覆蓋往年相關(guān)題目，并補(bǔ)充其他來(lái)源的題目進(jìn)行講解。簡(jiǎn)答題與 Quiz 權(quán)重相同，但評(píng)分更側(cè)重關(guān)鍵點(diǎn)的完整呈現(xiàn)，因此需要在有限時(shí)間內(nèi)做到“信息完整但不冗長(zhǎng)”。

　　本學(xué)期課程結(jié)構(gòu)回顧

　　本課程以機(jī)器學(xué)習(xí)為核心，內(nèi)容按照由淺入深的順序展開，包括：

　　基礎(chǔ)模型：Linear Regression、Logistic Regression

　　神經(jīng)網(wǎng)絡(luò)：基礎(chǔ) Neural Network、Advanced Neural Network、Bayesian Neural Network

　　Ensemble 方法：Boosting、Bagging、Stacking、Random Forest

　　Unsupervised Learning：Clustering、PCA 及其他

　　深度學(xué)習(xí)擴(kuò)展：CNN、RNN 等結(jié)構(gòu)(占比不高)

　　AI 治理：常出現(xiàn)于選擇題，更偏向常識(shí)性理解

　　復(fù)習(xí)時(shí)宜從基礎(chǔ)概念入手，再逐步推進(jìn)至對(duì)應(yīng)題型與代碼實(shí)踐部分。

　　考試時(shí)間與作答策略

　　期末考試時(shí)長(zhǎng)為兩小時(shí)，時(shí)間較為緊湊。答題策略上，應(yīng)避免在單題上停留過(guò)久，以確保后續(xù)題型的完成度?？傮w而言，今年整體難度與往年一致，不會(huì)因形式變化而影響主要考點(diǎn)。

　　上學(xué)期考試事故回顧(供理解題型變化)

　　上一學(xué)期因更換為機(jī)考，出現(xiàn)機(jī)房技術(shù)問題、考生無(wú)法準(zhǔn)時(shí)進(jìn)入考場(chǎng)等情況，導(dǎo)致大量學(xué)生需申請(qǐng)補(bǔ)考。出題也因教師更換而出現(xiàn)偏難、偏異常的情況。該情況已在本學(xué)期恢復(fù)正常，不再影響當(dāng)前結(jié)構(gòu)。

　　第一節(jié)課重點(diǎn)：Data Mining 與 Machine Learning 區(qū)分

　　課程復(fù)習(xí)從 Linear Regression 之前的基礎(chǔ)概念開始，包括：

　　1. Data Mining

　　面向海量數(shù)據(jù)挖掘結(jié)構(gòu)、規(guī)律和隱藏關(guān)系

　　核心在于“挖掘”而非模型選擇

　　類似從龐大數(shù)據(jù)庫(kù)中提取信息

　　2. Machine Learning

　　人工智能的重要分支

　　通過(guò)數(shù)據(jù)訓(xùn)練模型，實(shí)現(xiàn)自動(dòng)預(yù)測(cè)與分類

　　強(qiáng)調(diào)模型自動(dòng)改進(jìn)

　　包含回歸、分類、聚類等任務(wù)

　　二者的差別可從定義與目標(biāo)直接說(shuō)明，常作為考題出現(xiàn)。

　　機(jī)器學(xué)習(xí)的主要分類

　　監(jiān)督學(xué)習(xí)(Supervised Learning)

　　含標(biāo)簽，學(xué)習(xí)輸入與輸出的映射關(guān)系，應(yīng)用于疾病診斷、圖像識(shí)別、價(jià)格預(yù)測(cè)等。

　　無(wú)監(jiān)督學(xué)習(xí)(Unsupervised Learning)

　　無(wú)標(biāo)簽，自動(dòng)發(fā)現(xiàn)數(shù)據(jù)結(jié)構(gòu)或模式，如 K-means、PCA、異常檢測(cè)等。

　　強(qiáng)化學(xué)習(xí)(Reinforcement Learning)

　　基于獎(jiǎng)懲機(jī)制，但課程涉及不多，了解即可。

　　完整的機(jī)器學(xué)習(xí)流程

　　標(biāo)準(zhǔn)流程包括：

　　數(shù)據(jù)處理

　　特征工程

　　模型選擇

　　模型訓(xùn)練

　　模型評(píng)估

　　優(yōu)化與部署

　　模型監(jiān)控與維護(hù)

　　考試中常以選擇題形式測(cè)試流程順序是否正確。

　　數(shù)據(jù)預(yù)處理要點(diǎn)

　　數(shù)據(jù)預(yù)處理雖為基礎(chǔ)內(nèi)容，但屬于高頻考點(diǎn)，主要方法包括：

　　處理缺失值(刪除或填補(bǔ))

　　適用場(chǎng)景：缺失量較少時(shí)可刪除行;缺失過(guò)多會(huì)影響結(jié)果客觀性