主要观点总结
本文介绍了NYU教授Kyunghyun Cho对当今大学机器学习课程的看法，他呼吁更新课程内容，强调基础概念的重要性，并提出一种独特的教授机器学习的方式。文章还提到了国内外大学AI专业的培养方案，以及学生对机器学习课程的抱怨。同时，诺贝尔奖得主Demis Hassabis给学生们的建议也引起了关注，他强调基础知识和跨学科学习的重要性。
关键观点总结
关键观点1: Kyunghyun Cho呼吁更新大学机器学习课程内容，强调基础概念的重要性。
他认为当前的机器学习课程已经抛弃了经典内容，提出教授所有能用随机梯度下降解决的问题，但不涉及LLM的内容，并鼓励学生阅读早期经典论文。
关键观点2: 国内外大学AI专业的培养方案存在差异，但都重视数学和理论基础。
例如，北大信科智能科学与技术专业和清华计算机科学与技术（人工智能班）的本科培养方案都涵盖了数学、计算机科学基础和人工智能课程。
关键观点3: 学生对机器学习课程的抱怨反映出教育体系中存在的问题。
学生抱怨课程过于抽象，缺乏深度解释，且缺乏必要的数学和统计学背景。建议学生重视基础数学的学习，并寻找优质的在线资源和教材来辅助学习。
关键观点4: 诺贝尔奖得主Demis Hassabis给学生们的建议是专注于基础知识，并培养跨学科研究的能力。
他认为学生们应该利用课余时间探索自己热爱的领域，并注重跨领域知识的结合。他还强调了时机在研究和创新中的重要性。
文章预览
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 在看完他晒出的讲座笔记和教学大纲后，不少网友表示赞叹。 有人评论说：2025年的机器学习课程里竟然还教RBM（受限玻尔兹曼机）？这绝对是独一无二的课程，太特别了。 一位哈佛的助理教授说，自己非常喜欢这个教学大纲，和哈佛的CS1810课程大纲基本类似，只是少了一些进阶主题和生成模型的类型。 要知道，想把深度学习前期的基
………………………………
