悉尼大学COMP5318 Final怎么复习？Machine Learning and Data Mining期末重点与难度分析

　　在悉尼大学读过 COMP5318(Machine Learning and Data Mining) 的同学，基本都会对这门课有一个共同评价：

　　“内容特别多，而且 final 很吃理解和做题速度。”

　　尤其是近几个学期，COMP5318 的课程内容明显加深，深度学习、Transformer、强化学习等内容的占比越来越高，导致不少同学在期末阶段压力非常大。

　　本文会结合近几个学期的考试趋势，帮助大家更有针对性地准备 final。

　　COMP5318 Final考试形式

　　在悉尼大学，COMP5318 final 通常为：

　　Final占比：60%

　　Hurdle课程

　　2小时线下笔试

　　考前有10分钟reading time

　　题型以计算题 + 简答题为主

　　这意味着：

　　即使平时分不错，如果 final 没过 hurdle，依然可能整门课 fail。

　　所以 final 一定不能轻视。

　　COMP5318为什么越来越难?

　　很多学生觉得这门课“比以前难”，其实不是错觉。

　　近几个学期课程有几个明显变化：

　　1. 深度学习内容增加

　　以前 DNN、CNN 部分占比不算大，但现在：

　　DNN

　　CNN

　　RNN

　　Transformer

　　都被明显强化。

　　尤其是 Transformer，现在几乎已经变成高频重点。

　　2. Week 7加入更多计算

　　Perceptron、MLP、Back-propagation 以前偏理解，但现在：

　　计算明显增加

　　推导题变复杂

　　更考验做题速度

　　3. 强化学习开始频繁出现

　　以前 Reinforcement Learning 基本不怎么考。

　　但近几个学期：

　　RL 出现频率明显增加

　　难度也不低

　　很容易成为拉开分数的部分

　　COMP5318 Final重点章节分析

　　下面是目前比较核心的高频考点。

　　Week 1–2：机器学习基础与数据预处理

　　重点包括：

　　Data preprocessing

　　Classification

　　KNN

　　Rule-based algorithms

　　这里属于：

　　“基础但高频”

　　尤其：

　　数据预处理

　　KNN计算

　　很容易出现在计算题里。

　　Week 3：回归与过拟合

　　这一部分是整个课程的核心基础。

　　重点包括：

　　Linear Regression

　　Logistic Regression

　　Overfitting

　　Regularization

　　Ridge/Lasso

　　其中：

　　Overfitting 几乎属于必考概念。

　　很多简答题都会围绕：

　　如何避免过拟合

　　bias-variance tradeoff

　　regularization作用

　　展开。

　　Week 4：朴素贝叶斯(NB)

　　这一部分属于：

　　“必考计算大题区”

　　尤其：

　　概率计算

　　条件概率

　　分类推导

　　一定要熟练。

　　很多同学的问题不是不会，而是：

　　算太慢。

　　Week 5：决策树与集成模型

　　这一部分历年都非常重要。

　　重点：

　　Decision Tree构建

　　信息增益

　　Gini Index

　　Ensemble methods

　　尤其 Decision Tree：

　　几乎年年都有计算题。

　　Week 6

　　1. 支持向量机 SVM(内容比较无聊、不常考且考法较为固定)

　　2. 降维算法 Dimensionality reduction(了解即可)

　　Week 7：MLP与反向传播

　　这是最近变难最明显的部分之一。

　　重点：

　　Perceptron

　　MLP

　　Back-propagation

　　现在不仅考概念：

　　还会加入复杂计算。

　　如果这部分不熟，很容易在 final 被卡时间。

　　Week 8–9：DNN、CNN、RNN、Transformer

　　这是目前整个课程：

　　“最容易拉开差距”的部分。

　　尤其：

　　Transformer

　　Attention mechanism

　　RNN

　　最近出现频率越来越高。

　　很多冲 HD 的同学：

　　都会重点准备这里。

　　但如果目标只是 pass，可以优先掌握：

　　CNN基础

　　DNN结构

　　基础RNN概念

　　Week 10：聚类(Clustering)

　　相对来说属于：

　　“性价比最高”的部分。

　　因为：

　　内容不难

　　计算模式固定

　　经常送分

　　重点：

　　K-Means

　　Density-based clustering

　　clustering evaluation

　　建议一定拿下。

　　Week 11：Markov Models

　　这一部分属于：

　　“重中之重”

　　尤其：

　　状态转移

　　概率计算

　　经常直接出大题。

　　Week 12：强化学习(RL)

　　很多同学最怕的部分。

　　原因：

　　概念抽象

　　更新公式复杂

　　最近几年开始高频出现

　　如果目标是：

　　HD → 必须掌握

　　Pass → 可适当战略性放弃部分细节

　　COMP5318 Final最容易挂科的原因

　　很多人在悉尼大学 COMP5318 fail，并不是因为完全不会。

　　而是：

　　1. 题量太大

　　很多人：

　　会做

　　但写不完

　　2. 计算不熟练

　　尤其：

　　NB

　　Decision Tree

　　Backpropagation

　　计算速度慢会非常吃亏。

　　3. 后期内容没时间复习

　　很多学生：

　　前半学期学得还行，

　　但：

　　Transformer

　　RL

　　RNN

　　完全来不及复习。

　　如果复习不完怎么办?

　　这是现在很多学生最真实的问题。

　　如果已经出现：

　　进度严重落后

　　后半课程没看

　　真题来不及刷

　　不要再试图“全学完”。

　　而是：

　　第一优先：保核心计算题

　　必须熟练：

　　NB

　　Decision Tree

　　Regression

　　K-Means

　　因为这些最稳定。

　　第二优先：抓高频简答题

　　例如：

　　Overfitting

　　Regularization

　　Ensemble learning

　　CNN vs RNN

　　第三优先：战略性取舍

　　如果时间不够：

　　Transformer 和 RL 不一定要全部深挖。

　　至少先保证：

　　基础分拿到

　　常规计算题能做

　　是否需要额外辅导?

　　COMP5318 属于：

　　“自己学容易越学越乱”的课程。

　　尤其是：

　　后半学期内容跨度很大

　　真题逻辑变化快

　　计算与理论混合

　　不少在悉尼大学读这门课的同学，到了 final 阶段会选择额外梳理重点。

　　例如有些学生会参考像海马课堂这样的课程辅导资源，进行：

　　高频考点整理

　　真题讲解

　　计算题训练

　　final冲刺规划

　　本质上是：

　　帮助自己缩短整理重点的时间。

　　FAQ 常见问题

　　Q：COMP5318 final难吗?

　　A：整体难度属于偏高。

　　尤其最近几个学期：

　　深度学习内容增加

　　Transformer与RL强化

　　计算题变复杂

　　final 对理解能力和做题速度要求都很高。

　　Q：COMP5318最重要的章节是什么?

　　A：目前高频重点包括：

　　Naive Bayes

　　Decision Tree

　　Regression

　　MLP & Backpropagation

　　Markov Models

　　Transformer

　　Q：Transformer一定会考吗?

　　A：近几个学期出现频率非常高。虽然不一定每次都出大题，但几乎已经属于重点内容。

　　Q：如果后半学期完全没复习怎么办?

　　A：建议优先：

　　保计算题

　　刷past paper

　　抓高频概念题

　　不要继续陷入“补所有lecture”的循环。必要时也可以借助一些final辅导资源，提高短期复习效率。