NYU教授开炮：美国大学ML课太离谱！学生炮轰课程垃圾，全靠自学

主要观点总结

本文报道了关于NYU机器学习教授对大学机器学习课程现状的看法。他认为现在很多大学的机器学习课程已经抛弃了基础概念和经典，导致学生和网友纷纷抱怨。教授强调在LLM和大规模计算力普及的今天，机器学习一年级研究生课程应该注重基础概念，并推荐了一种独特的教学方式。此外，文章还提到了国内外大学AI专业的培养方案、学生抱怨以及诺奖得主Demis Hassabis给学生的建议。

关键观点总结

关键观点1: NYU机器学习教授对大学机器学习课程的看法

他认为很多课程抛弃了关于ML和深度学习的基础概念，这很危险。他提出了一种独特的教学方式，强调基础概念，并推荐了经典论文阅读。

关键观点2: 国内外大学AI专业的培养方案

国内高校如北大和清华的AI专业培养方案涵盖了数学、计算机科学基础和人工智能课程，重视数学和基础理论课程，同时安排了丰富的实践环节。

关键观点3: 学生和网友对大学ML课程的抱怨

学生和网友纷纷表示大学的机器学习课程过于抽象，缺乏深度，缺乏必要的数学和统计学背景知识，导致他们难以理解和完成项目。

关键观点4: 诺奖得主Demis Hassabis给学生的建议

他建议学生专注于基础知识，并培养跨领域的专业知识。同时，他强调了适应能力的重要性，建议学生探索自己热爱的领域并结合自身兴趣发展。

文章预览

   新智元报道   编辑：编辑部 ZNH 【新智元导读】 NYU 机器学习教授痛心表示，如今很多大学的ML课程，已经抛弃了基础概念和经典。他晒出的课程大纲，引起了哈佛CS教授的赞同：很高兴我们并不孤单，想在大纲中保留基础概念可太难了。甚至，印度和美国的大学生都在抱怨，学校的机器学习课太垃圾了，全靠自己自学！ 就在刚刚，NYU教授Kyunghyun Cho呼吁：如今大学的机器学习课程，已经抛弃了经典！ 在他看来，很多课程都抛弃了关于ML和深度学习的基础概念，这很危险。 他提出了一个深刻的议题：在LLM和大规模计算力普及的今天，机器学习一年级研究生课程该教些什么呢？ 对此，教授给出了一种独辟蹊径的方式—— 教授所有能用随机梯度下降（SGD）解决，但又不是LLM的内容，并且让学生去阅读一些早期的经典论文。 上下滑动查看 在看完他晒 ………………………………