ototsuyume

广东 深圳

感兴趣的主题: 码农

4个粉丝

ototsuyume 的课程评论

ototsuyume 评论了课程: Cloud Computing Concepts

2015-03-19 22:31

先声明一下,这不是一门入门课程,一点cs背景的人可以无视掉。

这门课跟大部分mooc的入门课程不同,从slide和project来看是uiuc的cs425 Distributed Systems(https://courses.engr.illinois.edu/cs425/fa2014/lectures.html)相当原汁原味的版本,换而言之就是一门大三大四甚至是研一的课程。课程分为两部分,第一部分重点是p2p,在第一周简单介绍了一下cloud computing的一些热点、概念和mapreduce后,第二周讲解的gossip protocol,第三周介绍了几个经典的p2p system,第四周介绍的cassandra也是经典的p2p kv database,第五周再讲解了几个经典的分布式算法。总而言之,讲解的虽然简略但其实精髓都介绍到,一些细节需要自己搜索维基百科和论文来看。作业设计的都不错,难度都有但其实消化好了不在话下,能把作业做好对课程的理解非常的大。

要说缺点就是paxos讲解的太简单,作为分布式系统中最重要的一个协议(没有之一),lamport给这个协议写了好几篇论文来解释,而后来也一直有其他学者做改进,但这门课只是对paxos做了非常简单的介绍。另一个缺点就是project是实现gossip membership协议,给出的程序有点坑爹,输出的地方有个溢出会覆盖掉一个变量导致输出的log被覆盖,而且说实在话现在业界的体系都是centralize的居多,p2p由于维护和开发都比较麻烦所以实际应用的比较少,从这点来看这个project才意义并不是十分大。

另外顺带推荐一下mit的6.824 distributed system(http://nil.csail.mit.edu/6.824/2015/),跟这门课程相比,mit的几乎是没有理论的讲解,全部都是根据各种system的论文来讲解,这其实是一个非常不错的切入点,毕竟这是一个非常工程化的方向,不过还是建议配合coursera的两门cloud computing一起食用会更佳。这门课的亮点是project采用了go作为开发语言,有人形容go是分布式时代c语言,用go来做项目可是令你省去一些细节上的理解。而这门课的project也是实打实的有意思,分别是实现mapreduce、paxos和kv store,在完成这些project的过程中遇到的那些问题很有可能就是你以后在实际开发distributed system中遇到的问题,https://github.com/ototsuyume/mit-6.824-distributed-system-2014spring这个是我完成的代码。

再吐槽一下,课程论坛上有一个讨论帖很热,大意就是对这门课程不满,那个楼主的理由大致是:
1、slide有拼写错误
2、老师有口音
3、太过理论,跟云计算没什么关系
4、作业居然用C++,为什么不是python,python是地球上最好的语言
5、太难,老师讲解是一带而过,跟作业的难度完全不相符。mooc应该是任何人都能学懂的
6、uiuc是野鸡大学,这门课没什么价值
第一二点其实没什么好吐槽的。第三四五点值得一战,而在那个楼主跟一群人战的时候他抛出了第六点的言论,下面立刻有人泪有满面:usnews上面cs排第五仅次于四大牛校的cmu/stanford/berkeley/mit的uiuc都算野鸡大学了,我们这种在自己国家都排不上号的大学算什么...

ototsuyume 评论了课程: Computing for Data Analysis

2014-01-21 00:05

对有编程基础的人来说是很轻松的一门课程,不看video光看pdf再加上google就能应付作业了,想赚证书的不容错过。但学了这门课后只是懂了R的语法,想要用R做更牛逼的数据分析事情貌似还是需要统计功底,hmmmm

ototsuyume 评论了课程: Introduction to Finance

2013-10-03 14:03

这门课跟ng的机器学习貌似是coursera最热门的三门课之一,内容很基础,连期货期权这些都没涉及到。但是作业有点难度,主要是老师上课的讲的例子太少也很简单。给的资料不是很多,课后作业的题解也只给了一道题目的讲解。要是给的资料啊题解什么的多一些就好了

ototsuyume 评论了课程: Competitive Strategy

2013-09-01 22:34

其实就是简单易懂的博弈论入门,课程量少老师讲得作业难度不高而且每道题都有说明,大概是大学里面公共通选课的难度,有空可以看看

ototsuyume 评论了课程: Coding the Matrix: Linear Algebra through Computer Science Applications

2013-08-08 20:47

值得吐槽的很多:
1.老师讲课水平不咋样,课程内容也有问题,很多基本概念没有说清楚
2.作业量偏大,而且大部分是重复的计算,比如上上周作业是要实现matrix类各种运算,然后作业里面还要用另外的方法算matrix的乘法,不明白这样做的意义何在
3.课程介绍说这门课很偏向应用,但貌似基础概念讲不好应用讲得也很浅,从作业上没看到这点,你将线性变换好歹在作业里让学生拉长一张图片都比实现vector、matrix类要好吧
4.svd分解等内容因为课程长度问题不会讲,这门课的含金量进一步降低。
另外虽然吐槽的是这个老师主页上还写着拿过布朗大学的优秀讲师奖项的,从他讲课的方式来看我不明白这个奖到底是怎么评的...

ototsuyume 评论了课程: Discrete Optimization

2013-07-01 22:28

课没上完,不过开始了两个星期,可以给这个课程一个评价。
优点:老师讲课很有激情,内容很丰富,每个星期的作业都是一道np-complete的问题,要想拿满分十分有挑战性(但是对于参加ACM的高手来说这些题目应该不难)。
缺点:最大的确定是各个作业的解法分散在不同阶段的视频里,老师推荐看视频的顺序跟作业的阶段不太一致。
总的来说十分推荐想在算法上更进一部的同学去学,虽然这门课的介绍性质居多,但光是视频长度就是其他课程的两倍,压力还是有点大的

ototsuyume 评论了课程: Introduction to Data Science

2013-06-26 16:50

我来泼泼冷水,只上了三个星期课,感受如下:
1、老师讲得不清楚,不流畅,这是最大的问题。
2、课程结构有问题,什么都想讲但什么都讲不清楚,简单而言就是大杂烩。像sql、nosql这种东西没有必要专门花一两个星期去讲,而且讲不了什么内容,让学生专门去上一下数据库这门课效果不是更好吗?
3、参考文献很丰富,应该算是这门课唯一值得称赞的地方了。
总而言之,不太推荐。

ototsuyume 评论了课程: Machine Learning

2013-06-25 15:36

非常好的一门入门课程。很多人诟病作业的代码给得太全,但我认为作为一门入门课程,编程作业设置得十分好,各种机器学习的作用能很直观地展示出来,这样很能激发学习兴趣。试想一下,假如不给你任何框架代码让你从头开始写,写完后得出的结果是一堆用来提交的无味的数据,对于一名初学者来说,这多么打击积极性。
这门课程极其简化了各种数学的证明,类似svm跟pca中间的求解过程都讲得很简略。要求的数学基础是低得不能再低了,所以即使是毕业几年后概率矩阵忘得差不多的人都能看懂。除去初学者之外,这门课程也很适合工作中需要用到一些机器学习但不打算深入研究的程序员。

ototsuyume 评论了课程: Microeconomics Principles

2013-06-19 18:00

感觉coursera上面人文经济类的课程人气不高?
总的来说这门微观经济学是不错的课程,即使只完成quiz也能拿到证书。假如时间多又想锻炼一下英语的话也可以去做project,每个project都完成了后据说证书上有特殊的标识。不过这门课没有ppt,老师提倡的做法是反复观看你不懂的那部分的视频,看到懂为止,这就是mooc的好处,问题在于对于时间不多的人来说,这是十分花费时间的过程

ototsuyume 评论了课程: Algorithms: Design and Analysis, Part 1

2013-06-07 18:28

这门课一个值得吐槽的地方就是ppt写得太潦草了。值得一提的是编程作业的运算量很大,假如用python这种语言去做作业又不留意哪些地方开销很大的话会导致跑很长时间才能跑出结果。这变相是强迫你去优化程序避免在大运算量的时候出错而难以debug。就算是大学学过算法的仍然值得一试。

ototsuyume 评论了课程: The Hardware/Software Interface

2013-06-07 18:14

当初被这门课的名字被骗了,还以为是硬件的课程,实际上用的教材是CSAPP,讲解得很好,编程作业设计得的也很有挑战性。特别是那个老头子教授的英语很清晰而且咬字发音很准确,像我这种英语瘸腿的不看字幕几乎能听清楚每一个词。另外传说CMU这门课程更好,学完后有脱胎换骨的感觉

ototsuyume 评论了课程: Natural Language Processing

2013-05-13 21:46

跟斯坦福那门nlp比起来,这门的理论性更强,学起来也稍为枯燥一点,但是各种模型讲得很简单明了,推荐看了斯坦福的nlp后再来学这个

更多评论

ototsuyume 关注的课程

更多课程