Postmortem

#ارائه‌مطالب
#کسایی

خب اول از همه درس به طرز عجیبی لود داره. یه سری از تمرینا مثل نامه‌اداری و cv شاید خیلی زمان نگیره ولی بقیه تمرین‌ها اکثرا خیلیییی وقت می‌گیرن و پوینتی هم ندارن. مثلا من متوجه نمیشم ما چرا باید اینفوگرافیک درست کنیم و انقدر با جزئیات سنجیده بشه.
یچیز دیگه اینکه واقعا استاد منصفانه نظر نمیدن. ممکنه دو تا ارائه که تقریبا یکسان باشن رو استاد واسه یکیش کلی ایراد بگیرن و از یکیش کلی تعریف کنن که خب این باعث بایاس در نمره‌دهی میشه.
کلا درس اینطوریه که ممکنه کلی وقت بذاره ادم واسه یه تمرین و الکی یه بخش زیادی از نمره رو ندن بخاطر چیزی که سر کلاس حتی بهش اشاره هم نشده.
کلا هم نیم نمره امتیازی داره و با وجود طرز نمره دادنشون ۲۰ گرفتن ساده نیست (مگر اینکه کسی ارائه برتر بشه و اینم باز برمیگرده به اون تعریفای استاد و بایاس ذهنی ای که به وجود میاد)
من نمرم حدود ۱۹ - ۱۹.۵ میشه که فکر میکنم با ارشدی هم برمیداشتم با یک دهم این لود میتونستم ۱۹ بشم.

برندارید بنظرم.

#ساختار
#اسدی
موردی که به نظر من اذیت کننده بود این بود که پاسخنامه امتحانا و تمرینا رو منتشر نمی‌کردن و باعث شد اونطور که خودم انتظار داشتم یه سری از قسمتای درسو یاد نگیرم. البته یه کلاس حل تمرین برگزار میشد ولی زمانش یه وقتی بود که من نمیتونستم شرکت کنم و ضبط هم نمیشد تا جایی که میدونم. اینو گفتم چون شاید با شرکت تو اون کلاسا این مشکل برام به وجود نمیومد ولی بازم واقعا خیلی کمک کننده بود اگه پاسخنامه رو در اختیارمون میذاشتن.

#اسدی
تجربه‌ی کلاس‌های ایشان معمولاً با فشار روانی خیلی زیادی همراه است. تدریس حجم زیادی از مطالب در زمان محدود، عدم پاسخگویی به سؤالات در امتحان، طراحی سؤالات نامتعارف، برگزاری کوییزهای پیش‌بینی‌نشده، تکالیف سنگین و کم‌فایده، و حتی نبود شفافیت در نمرات کلی از جمله مشکلاتی هستند که دانشجویان با آن روبه‌رو می‌شوند.

نمی‌دانم چرا نظرسنجی‌هایی که هر ترم پر می‌شود تأثیری ندارند و همچنان ایشان درس‌هایی را ارائه می‌دهند که معمولاً جایگزین مناسبی هم ندارند. بهتر است راهکاری برای این موضوع در نظر گرفته شود تا تنها دانشجویانی که به دروس ایشان علاقه زیادی دارند، آن‌ها را اخذ کنند.

#ساختار #اسدی
سلام
یک سری دوستان میگن لود درس متوسط بوده و درس معقول بوده و اینا من یکم بیشتر شفاف سازی میکنم:
درس ۸ سری تمرین داشت هر تمرین حدود ۰.۳۵ نمره داشت تمرین اول و دوم با یکی دو روز تلاش کار در میومد اما از تمرین بعد که تمرین عملی هم اضافه شد کار سخت تر شد.
حالا جزئیات تمرین ها:
از تمرین دوم به بعد هر تمرین حدود ۶ ۷ تا سوال تئوری و ۵ تا کد اسمبلی داشت از سوالات تئوری معمولا ۳ الی ۴ تای آن ها با پیگیری مداوم از gpt میشد یه چیزی بنویسی اما اون دو سه تای دیگه gpt چرت و پرت تحویل می‌داد مثلا یادمه یه کد بود گفته بودن چه عملیاتی انجام میده ۷۰ ۸۰ خط کد بود جوابش میشد یه xor یا مثلا یه کد دیگه داده بودن که چه عملیات ریاضی انجام میده مثلا ما بعد یه روز فهمیدیم که کف لگاریتم یه عدد ۶۴ بیتی را در مبنای ۲ به توان یه چیزی داره میگیره که gpt گل واژه هایی زیبا در این موارد به شما تحویل میداد خلاصه بگم که فکر نکنین با gpt همه چی در میاد گاها برای یک سوال تمرین که حدود ۳ ۴ صدم نمره داره یه روز دارین ضجه میزنین .
سوالای عملی هم که از حدود ۵ تا کد حداقل نصف شون سخت بود (که البته دو تا تمرین آخر اینتل و ibm تقریبا همشون سخت بودن) در این سوالای عملی چون gpt سورس درست و حسابی از assembly نداره ۹۰ درصد کدهایی که میداد حتی ران نمیشدن البته این عددش برای اینتل و ibm به ۱۰۰ میل میکنه پس حداقل دو روز کامل هم برای تمرین های عملی وقت میخواد بازم تاکید می‌کنم کل یک تمرین با سوالات تئوری و عملیش با هم 0.35 نمره داره.
تدریس استاد:
تا زمانی که استاد مباحث میپس رو درس میدادن مشکل اساسی در یادگیری زبان و اینا نداشتیم اما به علت کمبود وقت سرعت تدریس استاد در مباحث اینتل و IBM چندین برابر شد طوری که توی ربع ساعت ۴۰ ۵۰ صفحه اسلاید پر محتوا رو به شدت سریع درس میدادن (بدون مبالغه) و تقریبا همه بچه ها برای یادگیری و تسلط روی اینتل و ibm خیلی اذیت شدن چون اولا استاد به شدت سریع درس دادن دوما باید توی سه چهار روز یاد می‌گرفتیم که بتونیم تمرین رو برسونیم سوما خیلی تفاوت های بنیادی با میپس داشتن که یادگیری شون رو زمان‌بر می‌کرد
حالا این فقط از تمرین های این درس بود. پروژه و اینا چون ۴ نفر بودیم توی سه روز نهایتا کار در میومد.

پیشنهادم اینه اگه واقعا به این مباحث علاقه بسیار دارید و از وقت زیاد گذاشتن روی چنین مباحثی لذت می‌برید این درس رو با اسدی بردارین مگرنه اگه بردارین به خودتون فحش میدین

‌                                                 ‌ ‌‌‌    ‌
#ساختار #اسدی

درس ۸ تا تمرین داشت که از اول تعدادش معلوم نبود گفتن ممکنه ۱۲ تا هم بشه ولی خب شانس آوردیم فقط ۸ تا شد :)
تمرین اول و دوم فقط تئوری بودن و بشدت خیار، تمرین سوم به بعد عملی هم داشتن که از سوم تا شیشم شامل میپس و هفتمی ibm s390x و هشتمی اینتل x86.
سختی تمرینای تئوری کم بود با یسری سرچ ساده و یا جی بی تی در میومد‌.
تمرین های عملی ولی ۲ نفره بود و هر نفر حدود یکی دو روز سر هر تمرین وقت میذاشت در میومد و لودش رو متوسط میتونم بگم اگه از جی بی تی استفاده بکنید تعدادی از سوالارو در میاره به خوبی بخصوص میپس هارو و اینتل و آی بی ام رو خوب در نمیاره و میتونن نسبتا سخت تر باشن.
حالا پروژه چی بود؟ خب بخش اصلیش که تقریبا نا مرتبط با درس بود هرچند جالب بودش با این ardurino و raspberry pi کار کردن پروژه ما آردورینو بود و با ی شبیه ساز کار دو روزه تقریبا در اومد.
ی پروژه امتیازی هم داشت که ارتباط بیشتری با درس راشت و یا باید ibm میزدی یا x86 که اینم ی روزه دراومد.
از بین ۶ تا پروژه اصلی و ۶ تا هم امتیازی که هر کدوم هم ۵ تا گروه ظرفیت داشت باید یکی رو لنتخاب میکردیم و ی رقابت ریزی سر انتخاب اینا بود ولی خب تقریبا لود تیما متعادل بود ضمنا تعداد تیم پروژه هم ۴ نفره بود.
و حالا بارم بندی هایی که استاد اعلام کردن تقریبیه و در نهایت به روشی که اعلام نکردن محاسبه کردن نمرات رو و ثبت کردن:
۵ نمره امتحان میانترم
۷ نمره پایانترم
۳ نمره کوییز ها (شامل ۳ کوییز تمتیازی و ۲ کوییز اصلی)
۳ نمره پروژه اصلی
۱.۵ نمره پروژه امتیازی
۳ نمره تمرین ها
و تقریبا نمرات در همین حدودا بود ولی خب احتمالا کوییز های اصلی از ۱ نمره بودن و ۱ نمره هم برای امتیازی که به طور قطع معلوم نی چقدرش رو دادن.
سقف نمرات ۲۳.۶ اعلام شد.
میانگین حدود ۱۷ شدش بنظر هرچند دقیقش رو اعلام‌نکردن.
در کل بخوام بگم درس اوکی ای بود نسبت به سخت افزار بودنش جالب بود و یادگیریشم متعادل بود طبیعتا نمیشه انتظار خیلی زیادی در این زمینه داشت ولی خب اوکی بود :)

#ساختار
#اسدی
خب سلام، توضیحات راجع به نحوه ی توزیع نمرات رو دوستان دادن فقط من از دید خودم مواردی که گفتنو دوباره بررسی میکنم:
کوییز های امتیازی مشورت آزاد و جزوه باز بود که عملا نمره مفت حضور و غیاب بود

کوییز اول درس نسبتا سخت بود و جایی بود که اکثرا متوجه شدیم سوالات درس تو چه سطحی گرفته میشه هرچند که نمراتش خیلی بد نشد فکر میکنم میانگین حدود ۶۵ از ۱۰۰ بود

کوییز دوم بدیهی بود و سوالات ساده تر از تمرینات داشت جوری که اکثرا فول کردن بچه ها

میانترم طولانی بود و اکثرا برای نوشتن حداقل یک سوال زمان کم اوردن ولی از لحاظ سختی تفاوتی با تمرینات نداشت
پایانترم کمی از تمرینات پیچیده تر بود اما زمان کافی برای فکر کردن روی سوالات وجود داشت

درکل میشه گفت امتحانا خوب توزیع شده بودن و اینجوری نبود که شما امتحان رو خراب کنی و همه چیز تموم شه خصوصا اکر تمرینات رو خودت حل میکردی.

درمورد تمرینات، ۸ سری تمرین داشتیم که اگر اشتباه نکنم ۶ سری توشون عملی هم داشت که بخش عملی گروهی و دونفره بود.
بخش عملی:
۴ سری میپس
یک سری x86 و یک سری ibm
میپس بخشیش برای تسلط و یادگیری نحوه کدزدن و تفکر توی اون سطح بود که جالب بود در نوع خودش و بخشی هم مربوط به توابع و توابع بازگشتی میشد که مفاهیم مهمی هستند و برای ۴ سری تمرین، نمیشه گفت زیاد از حد بوده و به نظرم لازم و کافی بود برای تسلط به برنامه نویسی اسمبلی
این تسلط تو دوسری تمرین بعد مشاهده میشد که بخش چالش برانگیزشون سینتکس ها و دستورات جدید بودن که بخشیش بخاطر تفاوت سطح سادگی بخش سخت افزاریشون بود.
تمرینات تئوری تعدادی سوال کاملا از مباحث داشت که یادگرفتنشون برای امتحانات هم فوق العاده بود و کامل پوشش میداد مفاهیم رو و تعدادی سوال تحقیقی هم داشت که بعضا خالی از لطف نبود ولی این بخش گاهی فقط مناسب افراد علاقه مند میشد.

پروژه های امتیازی مربوط به درس بودند ولی بخاطر کمبود منابع و سورس، پیاده‌سازی سخت تری نسبت به پروژه های اصلی داشتن.
پروژه های اصلی بخاطر کمبود امکانات دانشکده به جای بورد، روی نرم افزار های شبیه ساز پیاده سازی شد که این یعنی ارتباط پروژه با درس کاهش پیدا کرد و تعدادی از پروژه ها صرفا کدنویسی تو زبان های پایتون و ... بود که باعث سادگی پروژه شد.

درکل یادگیری درس فوق العاده بود
نمره نهایی هم خوب شد
لود درس هم اونقدر که اول ترم میگفتن عجیب و ترسناک نبود و درکل پیشنهاد میکنم

#ساختار
#اسدی
خب سلام،
صرفا اولش بگم من آدم سیستم فن نیستم خیلی، لود درسم صدها بار فراتر از انتظارم بود😂، بخاطر همین پیام یکم بایاس منفی داره (هرچی تلاش کردم مثبت تر شه نشد)
درس از ۲۱ نمره بود، ۵ نمره میان ترم، ۷ نمره پایان ترم، ۳ نمره کوییز (۲تا که تاریخشون مشخص بود) ۶ نمره تمرین و پروژه (اگر اشتباه متوجه نشده باشم، ۳ نمره تمرین، ۳ نمره پروژه)
اما جدا از ۲۱ نمره
۳ تا کوییز امتیازی هم داشتیم که مجموعا یه نمره امتیازی بودن اگر اشتباه نکنم (یا هر کدوم ۰.۲۵) که مشورتی بودن (البته بعضیا میگن این ۳ تا کوییز همون نمره ۲۱امه)
پروژه امتیازی هم داشتیم که استاد گفت حدود نصف نمره پروژه اصلی نمره داره
مسابقه asm هم نمره امتیازی داشت
در مورد تدریس استاد، یکم کلاس خواب آور بود بعضی مواقع، ولی در کل بیانش قوی بود و مطلب جا میفتاد، اسلاید داشت و از رو اونا میگفت، برایند سلابس درس هم جالب بود
در مورد تمارین:
به شدت پرلود، منتها به نظرم یادگیریش در قبال لودش پایین بود (نه اینکه یادگیری نداشته باشه) اول ترم میرفتم کلیدواژه های مربوط به سوالارو تو سورس سرچ میکردم، منتها چیز مربوطی گاهی پیدا نمیکردم، آخر سر به همون gpt رو آوردم که خب گاهی یا غلط میگفت یا سوال اینقدر سنگین کلا نمیشد فهمید چی میگه، صرفا کپی پیست والسلام بخش قابل توجهی از سوالات رو نمیشد از مطالب کلاس و اسلایدا درآورد یا حداقل اینقدر نزدیک باشه که با فکر کردن و سرچ کردن خودت بفهمی
از تمرین سوم هم بخش عملی داشت تمارین، که تو ذوق میزد اونم، مثلا یه تمرین برای اسمبلی ibm s390x که از خود تی ای ها گرفته تا هر آدم سیستم فنی میگفتن آشغاله، و خب وقتشم کم بود و ماسمال کردیم، ولی یه تمرینم برای arm (که هم به نظر کاربرد دم دستیش بیشتره، میتونست جذاب تر باشه کانسبتش) نداشتیم. خیلی رو میپس مانور زیاد از حد بود به نظرم، تا سه تمرین مثلا استفاده از تابع مجاز نبود اگر اشتباه نکنم که به نظرم میشد اون وقت و انرژی رو روی آرم یا اینتل گذاشت، یعنی از یه جا به بعد یا در بعضی از سوالات، حس کردم صرفا دارم کد میزنم. اینکه اون پشت چه اتفاقی میفته بی اهمیته و فکر نمیکنم میپس زبونی باشه که بیرزه صرفا کدزنیشو یاد بگیری :)
پروژه اصلی هم تو ذوقم زد اگر چه مستقلا چیز جالبی به نظر میومدن، اما هیچ ربطی مطلقا به مباحث تدریس شده نداشت، درحالی پروژه امتیازی که ما انتخاب کرده بودیم داشت و در واقع پروژه امتیازی جذاب تر بود :)
بورد هم بهمون ندادن که یا باید خودمون تهیه میکردیم یا شبیه ساز میزدیم که خب جالب نبود اینم
در مورد نمرات، یه ایرادی دیگه که هست عدم شفافیت نوع محاسبشه، مثلا نمیدونیم asm چقدر اثر گذاشت، کوییز امتیازیا چقدر (حتی نمیدونیم چند شدیم) پروژه امتیازی هم همینطور و....
در نهایت نمره اومد و خب من از‌ نمره مستقلا راضی بودم، اما به زحمتش نمیرزید به نظرم برای این درس


در کل به نظرم درس ساختار مثل معماری نیست که به لود اسدیش بیرزه برای هر کسی😅، به آدمش بستگی داره ولی خب نمره ها به نظرم در نهایت بد نشد، درس به شدت پرلود بود و محتواش هم به نظرم میتونست خیلی بهتر باشه
و امیدوارم این پیام شروعی باشه محتوای بیشتری در مورد ساختار اسدی تو کانال بیاد
و معذرت بابت طولانی بودن پیام :)

‌                                                 ‌ ‌‌‌    ‌
#ابطحی
کلا این استاد توی یه باغ دیگه ای زندگی می کنه
مطالبی که درس میده اکثرا تاریخ انقضاشون گذشته و کاربردی نداره
متاسفانه طرز بیانشون هم واقعا خوب نیست ( یعنی خوب درس نمی‌ده )
سوالاتی رو هم که بلد نباشه میگه یکی از بچه ها جواب بده و اصلا کلا بحث به یک سمت دیگه می‌بره و پافشاری هم کنید فایده نداره

روی کلمات بشدت تأکید فلسفی دارن و اصرار دارن معنی اصلی هر کلمه رو بلد باشید ( توی جامعه امروزی علت برپایی و دلیل برپایی یک معنی رو میده اما ایشون قبول نمی کنند) وگرنه نمره ازتون کم میشه
مطالب اسلاید رو هم عینا بنویسید قبول نمی کنند و میگن شما باید به مفهوم اون اسلاید پی ببرید و در غیر اینصورت قبول نمی‌شید

حجم و لود درس به نسبه بالاست و حقیقتا بدردتون نمی‌خوره
آخرش هم یکسری نمرات رندوم بهتون میدن
بعنوان مثال اول ترم یک جدولی از نمرات تمرین اول می نویسند که دانشجو ها به ترتیب نمره سورت شده اند و در آخر ترم هم با همون ترتیب بهتون نمره داده میشه ( یعنی شما جات توی جدول عوض نمیشه برای همین تلاش نکن نمره بیشتر بگیری)

توی کلاس هم استاد شوخی های مسخره زیاد می کنه که خب شاید واقعا خنده دار نباشه

در کل اگر دلتون می خواد لیمیت های صبرتون رو بسنجید و ببینید تا کجا تحمل دارید استاد خوبیه

اما اگر دنبال یادگیری هستید و می خوایید سلامت روانتون حفظ بشه این استاد بدردتون نمیخوره(حالا مهم هم نیست چی درس میده مشکل از خود استاده)

#هوش_مصنوعی
#فریدونی

https://t.me/Postmortem_CE/516

در ارتباط با این پیام، خواستم با آقای فریدونی مقایسه کنم.
تعداد حاضرین سر کلاس ایشون هم از نیمه‌ی ترم به بعد کم شد. اما واقعاً استاد خوبی بود و ارتباط خوبی با دانشجوها گرفت. به نظرم برای کسی که می‌خواست بیاد سر کلاس و یاد بگیره خیلی خوب بود. تدریسشون خسته‌کننده نبود.
یک نکته‌ی خیلی مثبتش این بود که هر جلسه یک recap از محتوای حداقل یک جلسه‌ی قبل رو می‌آورد و باعث می‌شد همه چیز یادآوری بشه و ارتباط بین مطالب درک بشه.
در کنار اسلایدها از ابزارهای دیگه مثل بلاگ‌پست‌ها، ابزارهای اینتراکتیو و ویدیوهای مکمل استفاده کردند. خیلی خوب بود. حتی هر چند جلسه یک بار، از اخبار روز هوش مصنوعی در مقاله‌ها و صنعت برامون می‌گفتند.

هر جلسه اسلایدها رو داخل کانال می‌ذاشتند و خلاصه‌ی اون جلسه رو برامون تایپ می‌کردند که باارزش و مفید بود.

خودشون هم توی گروه حضور داشتند و احیاناً به سؤالات جواب می‌دادند. حتی توی پیوی هم می‌شد باهاشون صحبت کرد. من یک سؤالی داشتم و ایشون به پیشنهاد خودشون برام میت گذاشتند و کمک کردند.

تمارین هم که مشترک بود و همونطور که می‌دونید ۱ و ۲ عملی نداشت.

خلاصه به نظرم رسید آقای فریدونی تمام تلاششون رو برای اینکه دانشجوها درس رو خوب یاد بگیرند انجام دادند. هر کسی که می‌خواست استفاده کنه فرصت خوبی رو با ایشون در اختیار داشت.

جا داره از دستیارهای عزیز هم تشکر کنم، در پشت صحنه خیلی زحمت کشیدند :)

#هوش_مصنوعی #رهبان
من درس هوش مصنوعی رو ترم پاییز 403 داشتم .
درس ۵ تا تمرین و ۲تا کوییز و یک میانترم داشت.
درس بنظرم با برنامه و منظم بود و سطح تمرین های تئوری بنظرم خوب بود و یادگیری داشت ولی تمرین های عملی یکم داستان داشتن.
تمرین های عملی ۱و۲و۳ منطقی بودن(یعنی میتونی از یک دانشجویی که درس هوش مصنوعی برداشته توقع داشته باشی بتونه با گذاشتن وقت و سرچ کردن و تلاش بتونه پیاده سازی کنه!و یادگیری هم داشته باشه!) ولی تمرین های عملی۴و۵ سخت بودن و اعصاب خوردکن.تمرین امتیازی تمرین ۴ ام اومده بودن از RNN(!) سوال داده بودن! نمیدونم چی با خودشون فکر کرده بودن .درسته این تمرین امتیازی بود ولی RNN? و آسون هم اصلا نبود و خیلیا نتونستن درست بزنن !
در رابطه با تدریس دکتر رهبان میتونم بگم که تدریسشون خوب هست ولی مشکلی که هست جو کلاس یکم خواب آوره و جمعیتی که سرکلاس میرن به طور نمایی کم میشه و تقریبا همه از روی فیلم های سال های قبل دنبال می کنن.
در رابطه سطح کوییز ها بنظرم منطقی بودن و بیشتر به قصد این بودن با درس همراه بشی و عقب نمونی.
سطح میانترم درس مثل ترم قبل (بهار 403)بود یعنی متوسط رو به سخت و سوال مبهم نداشت.
ولی در رابطه با میانترم یکم بحث فرق داره و سخت بود و سوال مبهم هم داشت و ترم قبل هم سخت تر بود . و این درحالی بود که امتحان گروه دکتر فریدونی خیلی خیلی ساده تر بود . واقعا دلیل این تفاوت سطح امتحان رو نمی فهمم! که دوتا گروه که تمرین های یکسانی داشتن این قدر باید تفاوت سطح امتحان هاشون(میانترم و پایانترم) باشه! و این اصلا منطقی نیست .
امیدوارم تیم تی ای بدونن حداقل دارن چی کار میکنن.
اگر برگردم عقب این گروه رو انتخاب نمیکنم.

‌                                                 ‌ ‌‌‌    ‌
#آز_سخت
#انصاری
برندارید!!!!!
به شدت بی برنامه به شدت بی ربط به سخت افزار به شدت آشغال
تازه الان بعد از پایانترما ایمیل زدن که خب بیاین فاز دو رو تکمیل کنید تا ۱۵ بهمن!!!! در صورتیکه ددلاینش اوایل دی بود و از اونجایی که قابل انجام نبود اکثر گروه ها نتونستن تکمیلش کنن و عملا الان هم شرایط فرقی نکرده، فقط دانشجو قراره اذیت بشه.

‌                                                 ‌ ‌‌‌    ‌
#صامتی
#بازشناسی_گفتار
درس پنج سری تمرین تئوری و عملی داشت که بعد از هر ددلاین یک کوییز گرفته میشد تقریباً هر دو هفته یک کوییز داشتیم. مباحث تمرینا روال بود و با مطالب کلاس میشد یک روزه جمعشون کرد ولی خب کوییزا یک مقدار مطالعه سورس رو نیاز داشتن ولی آنچنان هم سخت نبودن اگر خوب میخوندیم قابل جمع شدن بودن!
سر تمدید کردن تمرین ها هم استاد خیلی راه میومدن.
درس میانترم نداشت ولی پایانترم داشت که ده تا سوال بود و حدودا دو ساعت و نیم تایمش بود سوالای ایده ای داشت سوالای روال هم داشت در کل یه مقدار سطحش متوسط رو به بالا بود.
یه پروژه داشت که ددلاینش بعد از پایانترما بود و باید یه مدلی رو برای بازشناسی زبان فارسی بهبود میدادیم که لودش متوسط داشت.
هنوز نمره ای ثبت نشده از هیچ بخشی برای همین فعلا میانگین کلاس و وضعیت نمرات مشخص نیست.
راستی همه ی کوییزا و پایانترم هم جزوه باز بودن بدون محدودیت تعداد برگه.
در کل درس، لود متوسط مثل بقیه درسای دانشکده داشت و برداشتن‌اش خالی از لطف نبود.

‌                                                 ‌ ‌‌‌    ‌
#تربیت‌بدنی #سمیرا_پورمیرزایی

از من به شما نصیحت اگه از جایی فهمیدید این استادتونه درس رو حذف کنید هرطور شده سر ترمیم
افتضاح بود
همه نمره هامون ۱۰ ۱۱ بود. فکر کنم نمره بالای ۱۴ نداشتیم
سر کلاسا هم خیلی اذیتمون میکرد بی دلیل و کلا استادی این چنین عقده ای تو عمرم ندیده بودم
امتحان ما از بقیه کلاس های تربیت بدنی خیلی سخت تر بود
هیچ وقت باهاش کلاس بر ندارید

#محاسبات_عددی
#حسین‌قربان

اگه به ریاضی علاقه دارید و نمره‌ی خوب با شرایط معقول (حتی آسون) می‌خواید این درس رو بردارید.

تدریس: به نظرم اهمیت زیادی نداره. مطالب انقدر سبک و کم هستند که نیازی به حضور در کلاس ندارید. از یه کتاب معمولی یا اینترنت بخونید به راحتی یاد می‌گیرید! جزوه (لکچرنوت) از سال‌های قبل هم موجوده.
کل درس درمورد روشهای عددی هست. شامل: سری تیلور، روشهای درونیابی، برازش، مشتق‌گیری و انتگرال‌گیری عددی، حل عددی معادلات غیرخطی، حل عددی معادلات دیفرانسیل و حل عددی دستگاه‌های معادلات (کلش شبیه درس ریاضی ۱ میمونه و حتی پیشنیازی خاصی به دیف نداره. یه کوچولو جبرخطی شاید نیاز بشه)

تمرین: ۵ تا تمرین تئوری و ۳ تا تمرین عملی (در مجموع ۶ نمره) داشت. تئوری‌ها نسبتاً آسون بودند و پیچیدگی خاصی نداشتند. عملی‌ها هم به صورت نوت‌بوک بود. در کل لود زیادی نداشتند.

امتحان: یک امتحان میان‌ترم (۶ نمره) و یک امتحان پایان‌ترم (۸ نمره) داره که سطحشون سخت نیست و میشه چیت‌شیت برد.

تمدید: نیاز زیادی به تمدید نبود. ولی هر موقع نیاز بود انجام شد.

خلاصه درسیه که با گذاشتن زمان کم و لود معمولی و امتحان‌های معقول میشه نمره‌ خیلی خوبی گرفت.

#هوش_مصنوعی #فریدونی
من توی ترمی که گذشت درس هوش مصنوعی رو با آقای فریدونی داشتم.
بارم‌بندی اعلام شده ۶ نمره برای ۵تا تمرین تئوری و ۳تا تمرین عملی، ۸ نمره برای پایان‌ترم و ۶ نمره برای میان‌ترم به‌همراه ۲ نمره کوئیزهای غیرتصادفی امتیازی بود. نمره‌های درس هنوز نیومدن و طبیعتا راجع‌به اون‌ها نظری ندارم.
لود درس قابل‌قبول بود. مشخصا از گروه دکتر رهبان لود کم‌تری داشتیم که نمودش دوتا تمرین عملی کم‌تر و نداشتن پروژه/ارائه‌ست. از جلسه‌ی اول ترم برداشت من این بود که هدف آقای فریدونی اینه که درس پرلود هوش رو با لود کم‌تری برای دانشجوهایی که لزوما الان علاقه‌ای به فیلد ندارن ارائه بده و نهایتا هم خیلی موفق بود. البته که باز هم به‌هیچ‌وجه درس سبکی نبود ولی مدت‌هاست که درس هوش مصنوعی سبک ارائه نشده و این گروه هم لود نسبتا معقولی داشت.
یادگیری درس خیلی خوب بود. من کم دیدم استادهای جدید توی ترم‌های اول ارائه‌شون به خوبی آقای فریدونی درسی رو ارائه بدن. از اول ترم سر خیلی از جلسات و حتا توی صحبت‌های خصوصی سعی می‌کردن از دانشجوها فیدبک بگیرن و واقعا هم نظرات دانشجوها رو اعمال کردن. سر کلاس‌شون کاملا احساس می‌کنید که کسی که داره مطالب رو بهتون درس می‌ده هم روشون مسلطه، هم بهشون علاقه‌منده و دوست داره به شما هم منتقل‌شون کنه و این چیزیه که خیلی کم می‌بینم.
نهایتا یه انتقاد کوچکی که کلا از درس هوش مصنوعی دارم سیلابس وسیعشه. متوجهم که درس بسیار مهم و اساسی‌ایه و منطقیه که مطالب زیادی توش گفته بشه اما نمی‌فهمم چرا باید مطالبی فراتر از کورس مشابه برکلی گفته بشه. البته من صرفا براساس ویدئوهای سال ۲۰۱۹ این کورس توی یوتیوب دارم نظر می‌دم و جا داره اگه اشتباه می‌کنم بهم این رو بگید. آیا من واقعا نیاز دارم بیش‌تر از یک دانشجوی میانگین برکلی مفاهیم هوش مصنوعی رو بشناسم؟ فکر نمی‌کنم این‌طور باشه. البته مطالبی که اضافه‌تر گفته می‌شه اصلا زیاد نیست و یه‌سری‌شون مثل Computation Graph اتفاقا به یادگیری سایر مطالب کمک می‌کنن اما طرح بعضی مطالب مثل طراحی توابع مختلف با شبکه‌های عصبی منطقی به نظر نمیاد. شاید وجود این مطالب چند سال پیش که دروس یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی به خوبی الان توی دانشکده ارائه نمی‌شدن منطقی بود اما الان هر دانشجویی که به این مباحث علاقه‌مند باشه می‌تونه این دروس رو برداره و عمیق‌تر یادشون بگیره.

#دیبی #پایگاه_داده
#ورمزیار
دیدم برای دیتابیس اخی و رمض درخواستی زدید خواستم بگم که این دو بزرگوار رو رها کنید و دیتابیس رو فقط و فقط با ورمزیار بردارید
تجربه مفرح ترین کلاس‌ها در طول دوران تحصیلتون رو خواهید داشت انقد که این استاد بینظیره.
از لحاظ درسی هم واقعا قویه. خیلی خوب تدریس میکنن. اسلاید منظم دارن. چیزایی مهم و خوبی هم میگن. خلاصه از لحاظ تدریس و درسی و یادگیری هم اکیه
از لحاظ نمره و اینا هنوز حقیقتا نمرات نیومده. ازموناشم راااااحت نبود ولی خب بنظرم اگه وقت بذاره ادم و ... میتونه ۱۸ به بالا بشه راحت.
لود نرمالی داره و اصن زیاد نیست لودش

اپشن اصلی این استادم اینه که واقعا به معنی واقعی کلمه سر کلاسش خسته نمیشی و ما با اینکه کلاسمون ساعت ۴ و نیم بود و باید ولی به عنوان زنگ استراحت بهش نگاه میکردیم انقد فان بود کلاس.

خلاصه که دیتابیس حتما با ورمزیار بردارید

#تحلیل_طراحی
#الهه_حبیبی

با توجه به شرایط ارائه شدن این درس در دانشکده، بهترین انتخاب هست. جلسه اول که بارم بندی و جزئیات درس رو میگن ممکنه فکر کنید درس لود زیادی خواهد داشت ولی اصلا این طور نیست. درس لود روانی اصلا نداره و لود بقیه بخش هارو به ترتیب میگم. همچنین گروه های 5 نفره تشکیل میشه.

- تمرین:
3 تا تمرین هست که دوتاش کاملا تحقیقی هستند و باید درباره ابزارهای مختلف و مرتبط مثل ترلو تحقیق کنید. از اونجایی که تمرین ها گروهی هست، تقریبا برای هر تمرین کافیه 2 الی 3 صفحه درباره ابزار دلخواهتون تحقیق کنید که لودی نداره واقعا. تمرین آخر البته خلاصه ارائه درس هست که همون چیزی رو که تو بخش ارائه میگید، اینجا خلاصش می کنید. هر تمرین 0.5 نمره درس بود.

- کوییز:
کوییزها امتیازی و گروهی هستند. ابتدا قرار بود 3 تا کوییز داشته باشیم اما آخریش حذف شد. کوییزها خیلی سوالات خوبی دارند و سر کلاس برگزار میشن و نمره گرفتن ازشون اصلا سخت نیست. هر کوییز 0.6 نمره درس بود.

- ارائه:
در مورد یک استاندارد نرم افزاری به طور گروهی تحقیق و در 10 دقیقه باید ارائه کنید. نمره دهیش اصلا سخت گیرانه نبود و 3 نمره درس رو تشکیل میداد که امتیازی هم داشت و با کمترین زمان میشد نمره کامل و حتی امتیازی رو گرفت.

- پروژه:
طی 4 جلسه و کاملا حضوری سر کلاس به طور گروهی برگزار میشه. 4 نمره درس رو داره و باورتون نمیشه که چقدر راحت میشه نمره کامل و حتی امتیازی ازش گرفت. پروژه نیاز به یک خط کد زدن هم نداره تقریبا مگر اینکه نمره امتیازی بخواید بگیرید.

- مقاله:
یک ارائه مقاله هست که امتیازی هست و 1 نمره داره و ددلاینش هم آخر ترم هست و این هم گروهی هست و لود خاصی نخواهد داشت.

- میانترم:
تکی و اوپن بوک هست. کاملا مشابه کوییز اول هست. سناریو یک مقدار کاملتر داده میشه اما سوالات دقیقا مانند کوییز اول هست و با حضور در کوییز اول، نمره بالای میانترم قطعی هست. میانترم 5 نمره درس هست.

- پایانترم:
سوالات کاملا مشابه کوییز اول و دوم بود ولی سناریو جدید داده شده بود. امتحان از 110 هست و امتیازی داره. اگه کوییزهارو  شرکت کرده باشید، نمره بالا گرفتن از پایانترم تقریبا کار راحتی میشه. برای مثال میانگین پایانترم ترم گذشته، 90 بود. پایانترم 7 نمره درس هست.

- محتوا و تدریس:
استاد کاملا فضای صنعتی دارن و از فضای آکادمیک دور هستند و این باعث میشه مثال های بسیار جذابی از تجارب خودشون سر کلاس بیان کنند. به طور کلی تدریس به نحوی هست که با مفاهیم درس به طور درست و معقولی آشنا خواهید شد و حتی اگه علاقه به این حوزه نداشته باشید، بهتون سخت نمیگذره.

میانگین ترم قبل 18 بوده. میانگین همین ترم هم بدون 8 نمره ای که نیومده هنوز، فعلا 12.4 هست. تنها سختی درس، زمان برگزاری کلاس هست که اون رو هم اگه فقط کلاس های کوییز و پروژه رو شرکت کنید، به نظرم کافی هست (هرچند که امتیازی حضور و غیاب رو کامل نمیگیرید).
در کل به نظرم تا وقتی ایشون تدریس میکنن، زیاد منطقی نیست با استاد دیگری این درس رو گذروند. با کمترین لود، منطقی ترین سطح دانش و بهترین نمره رو میتونید بگیرید.

#ارسالی
ادیت: ارسال‌کننده اضافه کرد که «جاست فور فان»

#تحلیل_طراحی
#رمضانی
استاد دلسوز هست و سعی میکنه مطالبو به دانشجو بفهمونه. اما آیا این کافیه؟ مساله اینه که رمضانی سواد کافیو نه تو جبرخ داره نه دیبی نه تحلیل. عملا شما یک دانشجو رو ورداری که این درسارو ۲۰ شده و ترم بعد بگی بیا اینارو درس بده در همون حد رمضانی میتونه تدریس کنه. استاد باید مثلا متخصص باشه تو فیلدی که درس میده نه اینکه خودش بزور مباحث کلاسو حفظ کرده باشه. متاسفانه این کم سواد بودن استادا اپیدمی شده تو دانشکده و خب نمونه بارزش رمضانیه و دلیلشم اینه که دیگه مثل قدیم استاد خوب نمیاد شریف.

#مالتی‌کور #رایانش‌_چندهسته‌ای #ابراهیمی
من این ترم درس چند هسته ابراهیمی رو داشتم. اولین ترمی بود که آقای ابراهیمی این درس رو ارائه میدادن. باید بگم که درس جذاب هست و کاربردی ولی متاسفانه کلاسها بسیار بی نظم تشکیل میشن و دو جلسه ای که اصلا تشکیل نشدن. باقی جلسات هم بجای ۷.۳۰ از ۸ شروع میشه و کلا مباحث زیادی سر کلاس تدریس نمیشه. هد تی ای هم که برای آموزش کد میاد نسبتا خوبه ولی خب بازم بخاطر بی برنامگی تقریبا فرصت نمیشه که مباحث زیادی آموزش داده بشه. میانترم و پایانترم تیک هوم هست که البته یه پایانترم حضوری هم داشت که امتیازی بود. تعداد تمرین ها ۳ تا بود که سخت هم نبودن. میانترم تیک هوم هم سخت نبود. فعلا نمیشه درباره نمره دهی استاد نظر داد ولی درس از نظر لود درس منطقی ای بود و صرفا تدریس استاد مناسب نیست. برای همین اگه قصد یادگیری دارید برندارید.

#امنیت #امینی #خرازی

درس میانترم و پایانترم داره با ۴ سری تمرین‌. امتحان حذفیه و تو هر کدوم یک برگ چیت‌شیت می‌تونین ببرین. دو سری اول تمرین‌های عملی‌تری‌اند و مربوط به بخش‌های دکتر خرازی‌اند و دو سری بعد تئوری‌تر و مربوط به دکتر امینی. هر تمرین حدود ۴-۵ سوال داره. دو سه سوال ساده‌تر داره که با اسلایدها و محتوای کلاس پاسخ داده می‌شه و دو سه سوال که نیاز به سرچ داره. امتحان‌ها اگر تسلط خوبی داشته باشین به اسلایدها سخت و حل نشدنی نیستن. مقداری زمان امتحان فیکسه و خیلی فرصت فکر کردن و سر امتحان فهمیدن نیست.

مباحث درس واقعا حاصل مرج شدن دوتا درسه و خیلی حذفی نداشته. اما یه چیزی که مهمه اینه که دوتا درس جدا نبودن. قبلا یه سری موضوعات رو دکتر امینی به صورت‌ تئوری‌تر می‌گفتن و دکتر خرازی به صورت عملی‌تر و الان این رو مرج کردن. این مسئله تو بعضی سرفصل‌ها باعث می‌شه از جزئیات صرف نظر کنن و انتظار ندارن دانشجو اون جزئیات رو بدونه.
به طور خاص ریاضیات رمزنگاری که بالاتر گفته شده بود، سر کلاس تاکید می‌کنن که لازم نیست و کافیه روند رو فهمیده باشید. هرجا هم سر امتحان لازم باشه جزئیاتی داشته باشید خودشون می‌دن.

یه مشکلی که درس داره اینه که ته چارته و معمولا وقتی پاس می‌کنیم که حوصله، وقت و توان درس‌های پرلود رو نداریم.کلاس رفتن، فهمیدن و تمرین زدن این درس حدود ۰.۸ ایپی می‌تونه لود داشته باشه. اگر ترم‌های آخر داریم فکر می‌کنیم فقط پاس کنیم بریم و هزار کار مهمتر داریم، واقعا می‌تونه همینقدر سخت باشه و واقعا انتخاب (البته خیلی انتخابی هم نیست) مناسبی به نظر نمی‌آد.

ولی واقعا هر دو استاد مباحثی رو درس می‌دن که خیلی مسلطن و نیازی به دیدن ویدیوهای MIT نیست. یعنی اگر سر کلاس نبودید هم دیدن ویدیوهای خودشون خیلی ایده‌ی بهتریه. هر دو استاد واقعا خوب و مفهوم درس می‌دن.

#شبکه
#میزانیان
درس ترم بهار ارائه شد، تا همین چند روز پیش نمره ای داده نشده بود، درس تعداد زیادی تمرین به همراه یک پروژه "امتیازی" داشت که وسط تابستون انجامش دادیم و قرار بود ۲.۵ نمره باشه. چند روز پیش استاد بدون داک و در شرایطی که تی ای ها میگفتن یکی دوتا از تمرین ها تصحیح نشده نمره رو در EDU قرار دادن. نمره ها رندوم به نظر میرسه، و به نظر فقط لود بی فایده به درس اضافه شده. پیشنهاد میکنم به گزینه های دیگه برای این درس بیشتر فکر کنید.

‌                                                 ‌ ‌‌‌    ‌
#NLP
#عسگری

در جواب این پیامه:

https://t.me/Postmortem_CE/479

آقا من دو ترم پیش ان‌ال‌پی داشتم و حس می‌کنم کلاس حتی نزدیک به این بدی‌ هم نبود.

اولا اینکه تدریسش خواب‌آوره رو نمیدونم، ولی یادمه که سوال میپرسیدیم حتی سوالای خیلی مسخره رو هم با حوصله جواب میداد.

بعد تئوری واقعا چقدر نیازه؟ خود ترنسفورمر رو نسبتا برای intuition و ضرب ماتریسیاش وقت کافی گذاشت که توضیح بده، یعنی اگه از سلیمانی تو دیپ بیشتر وقت نگذاشته باشه کمتر هم وقت نذاشت. تئوری از یه حدی بیشتر بشه مردم بجای یادگیری میرن به سمت کپی کردن تمرین و بهینه کردن چیت‌شیت برای امتحان. مثلا تو دیپ سلیمانی diffusion دقیقا همین شد.
حالا من نمیگم آدم کلا نباید هیچ شهودی داشته باشه bi-lstm یا adapter داره تو کدوم تیکه‌ی پارامترا تغییر ایجاد میکنه (در حد شهود رو سر کلاس میگفت) ولی بیشتر بچه‌ها مثلا lstm رو بدون مشکل استفاده میکنن بدون اینکه بدونن مشتق‌گیری دقیق اون ۴ تا گیت‌ها چطوری میشه. نمره هم ۱/۳ کلاس ۱۹.۵ به بالا شدن درحالیکه نمره گرفتن مفت نبود، یعنی باید برای تمرینا وقت میذاشتی ولی اگر وقت میذاشتی به احتمال زیاد حل میشد که این توی همه‌ی درسا صادق نیست. کلا عسگری با چیزایی که دیدم و شنیدم از نظر روانی آدم نسبتا سالمیه که خب لزوما همه استادا یا همه آدما اینجوری نیستن. بنابراین به اون سختی‌ای که فقط رنک‌ها بتونن ۲۰ بشن نبود که با توجه به چیزایی که تو کانال خوندم احتمالا باعث نارضایتی میشه :))

کوییزو قبول دارم ولی خب اصولا درسایی که تمرین و پروژه‌هاش زیادن قابل‌انتظاره که تی‌ایا برای طراحی کوییز زیاد وقت نذارن و یه سرچی کنن و تمام. ولی پایانترمش منطقی بود. اتفاقا این مدل از هر دری سخنی باعث میشه شما بتونی به همون نسبتی که خوندی نمره بگیری و دیگه این اتفاق نمیفته که شما مثلا ۱۰ درصد مباحثو نخونده باشی یهو از شانست دو تا سوال از همون بیاد یهو ۲۰-۲۵ نمره‌ت بپره.  
بنظر من که خوب بود🤔

‌                                                 ‌ ‌‌‌    ‌
#بیوانفورماتیک
#شریفی
ترم ارائه: فرد سال ۱۴۰۳
یک سری مواردی که درمورد درس خوب هست که بدونید رو بصورت لیست میگم:
۱. مهمترین مشکلی که درس توی این ترم داشت، عدم وجود اسلاید بود. یعنی برخلاف ml ای که همین ترم ارائه شد، توی این درس اسلایدی نبود و دم کوییز ها یا امتحانات دیگه، تیم تدریس اسلاید های ترم های پیش رو میفرستادن. سر کلاس هم خود استاد جلسه اول رفتن توی مکتبخونه و از درس بیوانفورماتیک پیشرفته اسلاید هاشو دانلود کردن (پیشنهاد میکنم شما هم برید اون اسلاید ها رو ببینید که چقدر بد هست) و از روی همان ها گفتند.

۲. چون اسلایدی موجود نبود استاد یک سری مورد را روی صفحه می‌نوشتن بصورت مختصر و آن ها را ارسال می‌کردند. که البته گفتند که این فایل ها بدون توضیح بی‌فایده هستند و بخاطر همین جلسات از یکجایی به بعد ضبط شدند.

۳. بارم بندی درس بدین شکل بود:
۶ تمرین
۴ پروژه + ۱ نمره مازاد
۴ میانترم
۶ پایانترم
۲ کوییز
۱ کلاسی (پاسخ دادن سوالات سر کلاس)
همچنین ۸ روز هم تاخیر مجاز برای تمارین لحاظ می‌شد

۴. تمرین ها ۴ تا بودند که هم عملی و هم تئوری را شامل می‌شدند ولی به حد خوبی با مسائل کلاس بی‌ربط بودند و یک حالت تحقیقاتی داشتند و خیلی کمکی به درک بهتر مطالب تدریس شده نمی‌کردند.

۵. ترمی که درس ارائه شد افراد زیادی بصورت مستمر آزاد درس را داشتند و همچنین درس بصورت مشترک برای کارشناسی و ارشد ارائه شد و خیلی افراد کلاس سطح دانش های مختلفی داشتند. مثلا یکسری افراد تماما به بخش های زیستی مسلط بودند و الگوریتم بلد نبودند این موجب می‌شد که یکسری بخش ها سریعتر رد بشن و یکسری بخش هایی که مربوط به الگوریتم می‌شدند چندین جلسه طول بکشد. (که همون الگوریتم در کلاس های کارشناسی شاید در یک ربع تدریس میشدند.)

۶. نمره کلاسی به این صورت داده می‌شد که اگر یک سوال را جواب می‌دادید یا یک سوال جالب می‌پرسیدید ۰.۲۵ می‌گرفتید. که این موجب می‌شد که یکسری افراد بدون اجازه گرفتن جواب بدند و نمره بگیرن و همه افراد عملا نتواند مشارکت کند‌.

۷. تیم تدریس با مطالب گفته شده در کلاس هماهنگ نبودند و این هم در بخش تمرین مشهود بود هم در سوالات طرح شده در کوییز و امتحان.

۸. اول هم گفتم که استاد جلسه اول آمدند و سر کلاس اسلاید های ترم های پیش را دانلود کردن. این رفتار کلا مشهود بود در جلسات دیگر هم. یعنی استاد (بر خلاف ml) خیلی برنامه‌ای نداشتن و بیشتر این طوری بود که بریم ببینیم چی میشه و کافی بود یکنفر سوال بی‌ربطی بپرسه و کلا کلاس جهتش عوض می‌شد.

۹. ترتیب ارائه مطالب خیلی واضح نبود و خیلی پراکنده گفته می‌شد و می‌تونست ترتیب بهتری داشته باشه.

خلاصه بخواهم بگم: درس خیلی بی‌کیفیت ارائه شد چه توسط تیم تدریس چه توسط استاد

این مواردی که گفتم بیشتر نقد های کلاس بود اما نکات مثبت زیادی هم داشت. بطور مثال دو بار برنامه بازدید فراهم شد تا دانشجو ها با فضای این گرایش بیشتر آشنا بشوند.
تیم‌تدریس و خود استاد تا جای ممکن و تا جایی که لطمه ای به کسی وارد نشود با دانشجو ها سر تمدید راه آمدند و اگر یک تعداد معقولی از افراد خواهان تمدید می‌شدند، تمرین تمدید می‌شد.
همچنین با صحبت با استاد و رای‌گیری ای که انجام شد ددلاین پروژه که اول در آخر زمان فرجه بود به بعد از زمان امتحانات موکول شد که زمان برای پروژه نرود.
یک نکته مثبت دیگه هم حضور استاد در گروه تلگرامی درس بود که موجب می‌شد ارتباط مستقیمی با ایشان داشته باشیم.

در کل درس جالبی هست و اگر با کیفیت ارائه بشود واقعا افراد زیادی را می‌تواند به این گرایش جذب کند.

#شی‌گرا
#رامسین

قبل تمدید چند جلسه برید سر کلاس تا با اخلاق استاد آشنا بشید حتما
درس تمرین نداره عملا ولی پروژه گروهی داره که فاز‌هاش باید در طول ترم انجام بشه ولی تو تابستون هم چندتا فاز داره
دقت کنید که در نمره دهی خود کد زیاد مهم نیست و اکثر نمره برای مستندسازی و نمودار کشیدنه (اگرچه که حجم کد هم کم نیست) و استاد هم روی پروژه درس حساسه

زیاد معلوم نیست که روش نمره‌دهی در امتحانات به چه صورت هست چون باید حرف‌هایی که سر کلاس زده شده رو بنویسید و پاسخنامه و منبعی هم موجود نیست

محتوای درس UML و UP هست که اگر صادقانه بخوام بگم چیزی نیست که ارزش یادگیری بالایی داشته باشه (بجز برای افرادی خاص) و اگر به نرم‌افزار علاقه دارید درس الگوهای رامسین واقعا مناسب‌تره برای عموم و این درس به عنوان درس تخصصی کمی بیخوده بنظرم یعنی بهتره جابجا بشه

خود UML‌ رو خیلی دقیق بررسی میکنید تا جایی که در مورد باگ‌های خود UML حرف زده میشه و اسلایدها هم پر غلط هست چون استاد میخواد با ایرادات کتاب و سایر منابع آشنا بشید و اصولا باید سر کلاس حاضر باشید یا فیلماشو ببینید

جلسات درس ۹۰ دقیقه هست و چیزی حدود ۱۰ ساعت کلاس اضافه هم میذارن که بجز بخش الگوها در امتحان هم میاد همش و حجمش مثل ocw هست اگر مایل بودید یه نگاه بندازید

میانگین درس حدود ۱۴ بود و به شخصه زیاد حال نکردم و برگردم عقب درس رو برنمیدارم

#شبیه‌سازی
#صفایی

برخلاف چیزایی که شنیده بودم مطالب تدریس شده بسیار کاربردی و مفید بود (حداقل برای من)

بخش قابل توجهی از درس مربوط به احتمال هست و کلا درس ریاضیاتیه و به شدت تلاش میشه که مفاهیم رو کامل و عمیق یاد بگیرید

بخش‌های مرور توزیع‌های احتمالاتی برای کسایی که آمار و احتمال مهندسی رو خوب یاد گرفتن چیز چندان جدیدی نداره ولی مرور خوب و با کیفیتی هستش و اگر قبلا خوب یاد نگرفته باشید کاملا میشه بخش‌های مربوط رو جبران کرد

بخش‌های مربوط به زنجیر‌های کارکوف هم بسیار جذاب هست و ممکنه خیلی بکارتون بیاد (بسته به گرایش و حوزه کاری)

مبانی خوبی از نظریه صف‌ها هم یاد میگیرید که کاربرد‌های زیادی در سیستم‌عامل، شبکه و … داره و به فهم عمیق‌تر این دروس هم کمک میکنه

دو فصل هم در مورد تولید اعداد تصادفی داره که بنظرم آشنا بودن باهاش برای تمام کسانی که مهندسی و علوم کامپیوتر هستن و یبار شنیدنش خالی از لطف نباشه

درس چهارتا تمرین داشت که بخش نظری و عملی داشت ولی زیاد سنگین نبود و جنبه یادگیریش پررنگ بود
چون با تمدید و تاخیر هم میشد ارسال کرد آرامش زیادی داشت درس و بجای کپ زدن از اینترنت همه میتونستن واقعا به سوالات فکر کنن که کیفیتشون هم انصافا خوب بود

درس تم digital twin داشت که پروژه درس در این حوزه بود و دو جلسه آموزشی هم داشتیم براش ولی چیز خاصی نداشت و آخر هم یه ویدیو از ارائه و کد میخواست (در ۲ فاز)

درس سختی نیست ولی ریاضیاتیه و اگرچه همپوشانی هم داره با سایر دروس چیزای خوبی یاد میگیرید و درست حسابی هم یاد میگیرید

‌                                                 ‌ ‌‌‌    ‌
#امنیت #امینی #خرازی
اثر منفی مرج کردن دو درس مختلف بشدت مشخص و آزاردهندس و امینی و خرازی هر کدوم دارن اندازه یه درس کامل رو با هم ارائه میکنن

برخی مطالب این درس نیاز به مطالعه عمیق داره تا درست متوجه بشید و چون دوتا درس رو مرج کردن سرعت زیاد شده و درک عمیق اینکه تو رمزنگاری از نظر ریاضیاتی چی میشه سخت شده و بنظرم کمی بد ارائه میشه این بخش اگرچه سایر بخش‌ها هم تعریفی ندارن بنظرم

تمارین زیاد با مطالب تدریس شده و امتحانات ارتباط ندارن و گرچه مطالب ارزشمندی رو یاد میگیرید مجبور به صرف زمان زیادی میشید و سر تمدید هم اصلا راه نمیان و به همین دلیل به شخصه خیلی خیلی حس بدی به تمارین داشتم و استرس خالص بود برام

در اینکه شما باید چی یاد بگیرید و چی حفظ کنید سیاست واضحی وجود نداره و چون مفاهیم رمزنگاری رو دقیق بلد نیستید سر نوشتن cheatsheet و حل سوالات ممکنه اذیت بشید و امتحانای درس سخت بنظر میاد

برای یادگیری اسلایدها به تنهایی چندان مناسب نیستن ولی خب فیلم تدریس هر دو استاد موجوده ولی منبع برای مطالعه که همخونی داشته باشه عملا وجود نداره

معمولا میانگین درس پایین هست و برای من یادگیری چندان مناسبی نداشت چون نتونستم درست تمرکز کنم بر روی مفاهیم کلیدی و متاسفانه خیلی بخش‌ها رو حفظی جلو رفتم و البته سر امتحان هم زیاد فرصتی برای فکر کردن نبود بنظرم
تمارین درس یه بخش عملی داشت که بنظر جذاب بود ولی با توجه به اینکه خیلی دردسر داشت و من هم این ترم سرم شلوغ بود و سیاست درس هم با تمدید کاملا مخالفه و فرصت انجام هر تمرین هم کوتاهه نتونستم اینجا هم چیزی یاد بگیرم
به شخصه اگر موفق به پاس کردن درس بشم مدیون دانسته‌های قبلی و فیلم‌های MIT و چندتا منبع دیگه هستم تا اسلاید‌ها، تدریس و تمارین این درس.

فکر کنم درس برای خیلیا استرس داره و بنا به دلایلی ... از درس نمیشه لذت برد ولی خب چه میشه کرد؟ ارائه دهندگان این درس مثل سدیم و کلر هستند که گرچه هر کدوم به تنهایی سمی هستند، حاصلشون برخلاف نمک که سمی نیست، از هر دوشون صدبرابر سمی‌تره و نباید با هم ترکیب بشن

‌                                                 ‌ ‌‌‌    ‌
#دیتابیس #رمضانی

درس دیبی بهار قبلی برای اولین بار توسط دکتر رمضانی ارائه شد و یک مقداری هم حاشیه داشت که چرا این فرد دیتابیس میگه ولی به نظرم خیلی خوب ارائه شد.

بارم درس پخش شده بود روی یک میانترم، یک پایانترم و 4 عدد تمرین. در انتها نیز یک پروژه‌ی امتیازی هم داشتیم که بارم درس از 21 باشه.

اول از همه از کلاسش بگم، مثل باقی کلاس‌های دکتر رمضانی، این کلاس هم به نظرم پویایی خوبی داشت و آدم خسته نمی‌شد بخاطر تن صدا و حرکت‌هایی که انجام می‌دادن سعی می‌کردن کلاس همیشه از خسته بودن خارج بشه. خیلی هم به پیشنهادهایی که میشد توجه می‌کردن و واقعا مهم بود نظر افرادی که سر کلاس حاضر بودند براشون مهم بود ولی خب مانند باقی درس‌هاشون، برای حاضرین سر کلاس ارزش خاصی قائل‌اند.

تمرین‌های درس بخاطر تعداد کمشون، لودشون از متوسط تمرین‌ها بیشتر بوده ولی سنگین نیستند طوری که طی 2 روز می‌تونید راحت در برنامه‌هاتون بگنجونید. برای هر تمرین نیز یک حل تمرین تشکیل داده می‌شد که بچه‌ها سوالاتشونو بپرسن. تمرین‌ها هم سوال عملی داشتند و هم تئوری و با خوندن اسلاید و یکم سرچ کردن به جواب‌ها می‌رسید.

میانترم درس یکم جنجالی بود بخاطر صورت ناواضح سوالات ولی این بیشتر بخاطر این بود که نمونه امتحانی از قبل برای این درس موجود نبود و تمام سوالات از بیس طراحی شده بودند. پایانترم خیلی بهتر از میانترم طراحی شده بود و چالش خاصی نداشت. برای هرکدام نیز حل‌تمرین داشتیم.

پروژه هم کار با یک دیتابیسی بود که در درس توضیح داده نشده بود ولی برای اون نیز یک کارگاه برگزار شد که هرچه نیاز بود به ما گفته شد.

خب حالا نظر خودم، به عنوان کسی که سرکلاس بیشتر از هر روش دیگه‌ای درس یاد می‌گیره، خیلی درس خوبی بود. لودش رو از 10، 4 میدم. با اینکه اولین بار بود این فرد درس رو ارائه می‌دادند، مطالب رو حس می‌کنم خیلی خوب انتقال دادند و درس رو بهتون توصیه می‌کنم.

در کل نمره‌ی درس 9 از 10

‌                                                 ‌ ‌‌‌    ‌
#یادگیری_ماشین #شریفی
دوستان من بنظرم هر نقدی که به درس وارد باشه نقد مشکل سیلابس رو واقعا مطرح نکنید
(بشخصه از ابتدا  با سیلابس مطرح شده ارتباط خوبی برقرار نکردم و موافق نبودم و نیستم)
اما شما چطور به خودتون اجازه میدید اول ترم با علم و اگاهی به سیلابسی که درس داره اون رو اخذ میکنید و اخرش از همون انتقاد میکنید؟
سیلابس  سطح امتحان  و نمره نیست ادم بگه معلوم نیست چطور پیش میره.
سیلابس این درس از ابتدا مشخص بود و خب اگر به این سبک نمی پسندید درس رو نباید اخذ میکردید
نه این که درس رو بگیرید نمره بالا شم بگیرید بعد حالا بگید سیلابس فلان بود بیسار بود.
متسفانه یه عده دوستان عاشق نمره هستن و حالا که به اصطلاح خرشون از پل گذشته یاد اصلاح سیلابس افتادند.

خواستم یک نظر شخصی رو به صورت کاملا کوتاه بیان کنم:
دوستان شما اگر بدونید چند درصد ملت چه اینجا، چه در گروه دانشکده، با بایاز شدید و به دلیل های کاملا شخصی یا عقیدتی، بد یا خوب استادی رو میگن، هیچ وقت روی این کانال رو هم باز نمیکردید و خودتون با استفاده از داک نمره یا ویدیوهای اون استاد اطلاعات مورد نیازتون رو خودتون استخراج میکردین.

#شریفی #مقدمه‌_ای_بر_بیوانفورماتیک #یادگیری_ماشین

من احساس میکنم دیگه داره بیش از حد به موضوعات پرداخته میشه یا به قول خودمونی دوستان دارن پیاز داغ داستان رو زیاد میکنن.

من هم تی‌ای دکتر شریفی بودم و هم چند درس با ایشون داشتم. همین ترم درس مقدمه بیوانفورماتیک ایشون خیلی با برنامه و هدفمند و منظم داره پیش میره و میتونید از کسایی که  درس رو دارن بپرسید که آیا این درس براشون مفید بوده یا نه. نمره کیلویی هم داده نمیشه و اتفاقا نسبت به خیلی درس های دانشکده سختگیرانه است.

درس یادگیری ماشین هم درسته که منم همنظرم که اونطور که باید، ارائه نشد و خیلی میتونست بهتر باشه اما همونطور که یکی از دوستان بالاتر اشاره کرده بود بخش بزرگی از ضعف های ارائه درس بنظرم تقصیر تی‌ای ها و طراح سوالات تمرین ها بود.

همون اول ترم هد درس و استاد اشاره کردن که در این درس قراره مفاهیم خیلی زیادی گفته بشه و احتمالا در بعضی موارد نتونیم تا حد نیاز عمیق بشیم و در کنار لود بالا نگران نمره ای که از این درس میگیرید نباشید. همچنین حالا از اینکه شاید سیلابس درس مشکل داشت بگذریم مفاهیمی که گفته شد واقعا خوب تفهیم شد و اسلاید ها و نوتبوک های درس واقعا مفید و کامل بودن.

اینکه میگن ایشون به عنوان حق السکوت نمره میده واقعا دیگه احساس میکنم از روی جوگیری یا دلایل شخصی غیر منطقیه ...

#شریفی

نظر من در مورد درس یادگیری ماشین نیست به طور خاص چون این درس رو با دکتر شریفی نداشتم. نظرم در مورد درس‌های دکتر شریفی به طور کلی هم از جنبه تی‌ای و هم از جنبه خود درسه چون چندین بار سابقه این مورد رو در گذشته خودم یا دوستانم داشتن و چیزی که در نظرات ML دیدم هم مشابه تجربه‌هایی بود که ما داشتیم.

در دو کلمه بخوام وضعیت درس‌های ایشون رو خلاصه کنم "پوپولیسم" و "Showmanship" ـه.

من از همون ترمی که ایشون اون ویدیو آمار معروف رو ضبط کردن با درس‌هاشون آشنا بودم. شاید معقول‌ترین درسشون همون بود ولی حتی همون هم از این چیزای عجیب کم نداشت. یکی دوتا کوییزشون یکمی سخت بود (ولی نه غیرمنطقی) و در نتیجه اون یکسری اعتراض‌ها داشت می‌شد، بعد بارم بندی رو طوری تغییر دادن آخر ترم که اکثریت کلاس ۲۰ بشن و کسی صداش در نیاد. این ولی تازه tip of the iceberg بود

سال بعدش با حدود 20 نفر از بچه‌ها تی‌ای آمار ایشون بودیم. در ابتدای درس اومدن یک جلسه با تیم تی‌ای (یا به قول خودشون تیم تدریس) برگزار کردن با این مضمون که به نظرتون این ترم کلاس برگزار کنم یا بگم کلا ویدیو سال قبل رو ببینن. نظر اولیه تیم این بود که کلاس برگزار بشه، ولی به قدری ایشون اومدن از ویدیو انقدر حمایت کردن که تهش همین حالت تصویب بشه و به جای کلاس‌ها حدود ۱۴ تا کوییز بگیرن. می‌تونین از کسایی که اون ترم درس رو داشتن بپرسین که چقدر نتایج فاجعه‌باری بود. کوییزها رو نمی‌شد درست با مباحث تنظیم کرد چون بچه‌ها عموما نمی‌رسیدن با همون نرخ کلاس ویدیو ببینن چون عملا دیگه ازشون داشت انتظار می‌رفت با سرعت 2x ویدیو ببینن. یادمه یکی از تی‌ای‌ها تعریف می‌کرد که جلسه انتخاب سوال پایان‌ترم با دکتر رفته بودن (مجازی) و وقتی اواسط جلسه نظر دکتر رو می‌خواستن، هیچ جوابی نمی‌شندین چون ایشون vclass رو میوت کرده بود! تقریبا از اون تیم به جز یکی دو نفر هیچ کسی ترم‌های بعد حاضر نشد دیگه تی‌ای ایشون بشه.
درحالی که ایشون مدام توی گروه از تلاش‌های تیم تدریس تشکر می‌کردن، هد تی‌ای همون ترم که فکر کنم ۴ ترم هد ایشون بودن برای این که ایشون ریکامش رو سابمیت کنه مجبور شد تا دم وزارت بهداشت بره ایشون رو حضوری گیر بیاره انقدر که ایشون توجهی به ایمیل‌ها و تماس‌ها و... نمی‌کردن.

یکسری از بچه‌ها در همون دوران مجازی درس بایو داشتن با ایشون و انقدر روند درس بی‌نظم شده بود که کار به دعوای توییتری رسیده بود. منتها اون موقع تیم تی‌ای داشتن فحش می‌خوردن و بچه‌ها فکر می‌کردن مشکل تی‌ای‌هان ولی با این وضعیتی که از اون موقع تا الان در درس‌های ایشون دیدم، برام واضحه که مشکل تیم تی‌ای نیست. بی‌برنامگی مطلق درس‌های ایشونه. مشکل اون درس این بود که مثلا ناگهانی اعلام می‌شد فردا کوییزه. در حدی یک بار وضعیت عجیب بوده که بچه‌ها می‌گفتن صبح وسط درس دادن دکتر کوهی کوییز از مباحث دکتر شریفی ریلیز شده و خب درس متوقف شد. خروجی نهایی اما چی بود؟ پروژه‌ تکراری دادن که ویدیوی انجامش توسط خود دکتر شریفی موجود بود در متکب‌خونه و به این شکل تقریبا همه پروژه رو فول شدن و اکثریت کلاس ۲۰ شدن که کسی اعتراض جدی نکنه.
یک بار ایشون DA ارائه دادن در ترم شروع کرونا، فکر کنم تا جایی که شنیدم در آخر درس به شکل نامحدود تاخیر مجاز داشت! تقریبا اونقدری میزانش بالا رفته بود که عملا تا هر وقتی هر تمرینی رو ارائه می‌دادن فرقی نمی‌کرد. اونقدری به درس نمره امتیازی و... اضافه شد که یکسری بدون این که پایان‌ترم رو شرکت کنن ۲۰ شدن! چرا؟ احتمالا چون کسی به بی‌برنامه بودن درس اعتراض نکنه.

البته از حق نگذریم نحوه تدریس دکتر شریفی خوبه. ولی با چیزی که درس می‌دن توی همون دروس نمی‌شد تمرین‌ها رو به خوبی حل کرد ولی اصل مفاهیمی که می‌خواستن منتقل کنن -که بعضا ربطی هم به تمرین‌ها کوییز و...- نداشت رو درست منتقل می‌کردن. ولی بی‌برنامه بودن، نمره دادن به شکل خیلی کیلویی از قبل تمدید بی‌حدومرز، نمره امتیازی خیلی زیاد، تغییر بارم‌بندی و... به شکلی که اکثریت کلاس نمره خیلی بالا بگیرن و کسی به بی‌برنامه بودن و سایر مشکلات درس اشاره نکنه خیلی دیده می‌شه. طبیعتا این بخش پیامم مخالفت با تمدید یا نمره امتیازی نیست، چیزی که در مورد درس‌های دکتر وجود داره و من حس کردم اینه که این موارد عملا به عنوان حق‌السکوت به دانشجو داده می‌شه که ۹۰ درصد کلاس از نمره‌شون راضی باشن -و حتی بالاتر از انتظارشون باشه- که کسی صداش در نیاد.

#شی‌گرا #رامسین
برندارید
بارم‌بندی مشخصه ولی نمره‌دهی رو هواست
سوالات پاسخنامه ندارن و باید توضیحات استاد سر کلاس رو کپی پیست کنی تا نمره بگیری
میشه حدس زد که سوالی که پاسخ مشخصی نداره نمره دهی واضحی نداره
یه پروژه هم داره که هشتاد درصد نمرش برای کشیدن نمودار و مستندسازیه و تا اواسط تابستون هم ادامه داره
در یک کلمه «برندارید»

#دیبی #دیتابیس
#آخی
از همون اول که ثبت‌نام کردم، متوجه شدم که کل درس روی دوش تیم تی‌ای افتاده و متأسفانه اکثر تی‌ای‌ها یا دانش کافی نداشتن یا اصلاً مسئولیت‌پذیر نبودن. تمرین‌ها به شدت سنگین و خسته‌کننده بودن و در نهایت هم هیچ یادگیری خاصی ازشون حاصل نمی‌شد. انگار فقط می‌خواستن وقت ما رو تلف کنن.

پروژه هم یه فاجعه تمام‌عیار بود. داک پروژه مبهم بود و هر وقت سوالی داشتیم، تی‌ای‌ها یا جواب نمی‌دادن یا جوابشون بیشتر ما رو گیج می‌کرد. نمره‌دهی هم افتضاح بود. یه اشتباه کوچک می‌تونست کلی از نمره‌تون کم کنه و اعتراض هم تقریباً هیچ تأثیری نداشت.

اسلایدهای درس خیلی مختصر و سطحی بودن و عملاً چیزی برای یادگیری نداشتن. نصف کلاس هم انگار فقط برای رفع تکلیف ارائه شده بود. امتحانات در ظاهر سخت نبودن، ولی چون درس درست و حسابی آموزش داده نشده بود، خیلی‌ها مشکل داشتن.

در کل، این درس نه تنها هیچ کمکی به یادگیری من نکرد، بلکه کلی اعصاب‌خردی و ناامیدی هم با خودش آورد. به شدت توصیه می‌کنم این درس رو برندارید، مخصوصاً اگه به یادگیری عمیق و اصولی دیتابیس علاقه دارید. برید سراغ منابع دیگه یا استادای بهتر.

#NLP
#عسگری

استاد درس کلا خارجه و کلاس مجازیه. ابتدای درس مفاهیم درباره زبان و روابط زبانیه که خیلی سرش به نظر من وایساد. در ادامه مفاهیم زیادی دیپ لرنینگ و موارد مختلفی ذکر میکنه به نظر من واقعا سطحی عبور کرد ازشون و البته در امتحان ها هم توقع زیادی نداشت که بلد باشیم. کلاس هم به خاطر 7:30 صبح بودنش و البته تدریس خواب آور استاد زیاد شرکت نمیکردن. و خب بعضا حضور غیاب میکرد و میگفت نمره میدم به حضور غیاب. من خودم به شخصه فیلم های درس رو روی 2.5 ایکس میدیدم :))

درس تا حد بسیار زیادی عملیه. 16 نمره درس عملیه یعنی کاملا. 4 نمره پروژه درس و 12 نمره 6 تمرین درس که در آخر تبدیل به 4 تمرین شد! تمرین ها به جز تمرین اول در گروه های سه نفره انجام میشدن.. تمرین اول مربوط به کاوش متن بود. که یک متن انتخاب میکردیم و یک سری پردازش زبانی بر روی اون انجام میدادیم. باقی تمرین ها از بین یک تعداد تمرین مختلف باید انتخاب میکردیم. مثلا تمرین دوم درس مربوط به استخراج اطلاعات از متن بود که چند تا پیشنهاد داده بودن تو داک تمرین:

استخراج جملات کلیدی متن
بررسی نحو اسامی
بررسی نحو افعال
تشخیص کلمات شگسته، مختصر نویسی و غلط های املایی در متن فارسی
دستور تاریخی
ایجاد و بەروزرسانی وظایف با عبارات منظم از مکالمات متنی
پیدا کردن الگوهای بد رونوشت شده
بررسی متن ویزیت
تشخیص تغییرات زبانی در زبان فارسی

فک کنم هر مورد رو هم دو یا سه گروه میتونستن انتخاب کنن.

تمرین ها هم با یک وقت گذاری معقولی کارشون در می اومد. هر چند نسبتا سنگین بودند و در تمرین های گروهی مشارکت هر سه نفر لازم بود نظرم.

قرار بود 6 تا کوییز بگیره! که ولی تبدیل به 2 تا کوییز شد. کوییز هم چرت بودند به نظر من لااقل. کوییز اول نکته ای نداشت. کوییز دوم ولی الکی سخت بود و زمانش هم کم بود.
امتحانش هم 2 نمره بود کلا! و خب یه جورایی از هر دری سخنی بود دیگه. 20 تا سوال پاسخ کوتاه بود که 12 تاش رو باید پاسخ میدادی و یک سوال تحلیلی

یک ارائه امتیازی 0.5 نمره ای هم داشت درس. که نکته ای نداشت کلا.
نمرات درس هم معقول بود.
هر چند تا وسط ترم درس رو هوا بود و پایانش هم تا اواسط اسفند رفت که این واقعا آزار دهنده بود!

کلا درس برای کسی که میخواد عملی یه مقدار NLP کار کنه به نظر من مفیده. ولی چیز تئوری خاصی یاد نمیگیرید!

سلام به همگی
با توجه به فیدبک دوستان، می‌خواستم یک موضوعی رو بگم.
این کانال با هدف استفاده آیندگان و تصمیم‌گیریشون سر انتخاب واحد ساخته شده. بنابراین اگه فکر میکنید نظرتون صرفا جوابی به نظر قبلیه، لطفا زیر همون پست کامنت بذارید تا پست‌های کانال شبیه یک مباحثه طولانی بین بچه‌ها نشه.
خیلی ممنون از همگی
- ادمین

#یادگیری_ماشین
#شریفی

این درس واقعاً یکی از بدترین تجربه‌های آموزشی من بود. از همون جلسه اول معلوم بود که استاد شریفی زارچی هیچ برنامه مشخصی برای درس نداره. سیلابس درس پراکنده و نامنسجم بود؛ انگار هر چیزی که خودش بهش علاقه داشت، بی‌هیچ نظم و منطقی وارد کلاس کرده بود.

مباحثی که تدریس شد نه تنها خیلی از اصول پایه‌ای یادگیری ماشین رو پوشش نمی‌داد، بلکه حتی توی بخش‌هایی که به یادگیری عمیق اختصاص داشت، سطحی و غیرکاربردی بود. مثلاً SVM و دیگر الگوریتم‌های مهم کلاسیک که باید توی هر درس یادگیری ماشین باشه، کاملاً حذف شده بود، ولی یه سری مباحث بی‌ربط و اضافه به درس چسبونده شده بود که هیچ جای دیگه‌ای حتی به درد نمی‌خوره.

مدیریت کلاس هم افتضاح بود. تمرین‌ها هزار بار تمدید می‌شدن، ددلاین‌ها هیچ اعتباری نداشتن، و کلاً حس می‌کردی که هیچ نظمی توی درس نیست. به جای این که برنامه‌ای منظم داشته باشه، همه چیز توی این درس بیشتر شبیه یه آشوب کامل بود؛ هرکس هرجور دلش می‌خواست کار می‌کرد و هیچ قانونی وجود نداشت.

این درس نه تنها وقت دانشجوها رو تلف کرد، بلکه به نظر من به اسم "یادگیری ماشین" هم لطمه زد. چیزی که از این درس به جا می‌مونه فقط نارضایتی و حس از دست دادن یه فرصت ارزشمند برای یادگیریه.

Postmortem pinned «#درخواستی #هندسه_محاسباتی #ضرابی #هوش #تن‌قطاری #اتوماتا #دولتی #رایانش_کوانتومی #دولتی #ساختمان_داده #کاظمی مقایسه #دیتابیس #رمضانی و #آخی #نظریه‌کدینگ‌واطلاعات #مطهری #شبکه #صادق‌زاده #تحلیل_طراحی #حبیبی #رایانش_چندهسته‌ای #ابراهیمی #یادگیری_ماشین #مطهری…»

#یادگیری_ماشین #شریفی
بنظرم حرکتی که شریفی شروع کرده فوق العاده حرکت خوبیه و باید بزودی سیلابس بقیه درسای قدیمی و فسیل شده دانشکده هم عوض بشن و مدرن بشن. خطاب به دوستانی هم که میگن دیپ یه درس دیگس و اینا اولن که خیلی از درسا با سیلابس های مشابه وجود داره و دلیل نمیشه بگی چون این مطلبو تو یه درس دیگه میگن اینجا نگن و دومن اینکه دیپ الان بنظرم فیلدیه که 90 درصد بچه ها میرن سمتش و گفتنش مهم تر از یه چیز پایه و ای و نچندان مهمیه به نام svm.

#یادگیری_ماشین #شریفی

خلاصه بخوام نظرمو بگم تنها نقدی که به تدریس استاد وارده اینه که بی تجربگی باعث شد که هدفی غیر ممکن برای این درس درنظر بگیره. این همه مطالب توی یک درس سه واحدی در یک ترم واقعا مشخص بود که غیر ممکنه. ولی واقعا نباید از حق بگذریم که تمام تلاششونو کردن که تا حد امکان در مباحث مهم عمیق بشن ولی با دیدن ویدیو ها هم متوجه میشید که استاد خودشونم خیلی تلاش میکنن و نمیرسن که حجم لازم رو در هر جلسه درس بدن.

اما نقد اصلی و بزرگ این درس به تیم تی ای به خصوص طراحان تمرینات وارده. واقعا تمرینات این درس بدترین تمریناتی بود که تو دوره کارشناسیم داشتم. سوالات تئوری که بار آموزشی نداشتن و موضوع بدتر این بود که کاملا بیسواد بودن طراحان رو میرسوندن. شما وقتی پاسخنامه ریلیز شده تمرین 3 رو میبینید متوجه میشید که طراح سوال به حدی بی‌سواد بوده و وقت نذاشته که حتی تو پاسخنامه هم نتونسته سوال رو حل کنه و به حدی کثیف و ساده نشدنی بودن که فقط فرمول رو به عنوان جواب نوشتن. بخش بزرگ دیگه ای از سوالات تئوری هم که کپی از تمرینات دروس دیگه مثل دیپ دکتر سلیمانی بودن. تمرینات عملی هم که به طرز جالبی کپی مستقیم از سوالات سایت Kaggle بودن.

امتحانات با اینکه سبکشون مثل امتحانای بقیه دروس دانشکده نبود ولی بنظرم خوب بود چون در همون سطح غیر عمیق تدریس شده بود و تونست تا حدی مشکلات تمرینات رو پوشش بده.

سیاست تمدید ها و ددلاین امتیازی هم با توجه به تعداد بالای دانشجوهای درس بنظرم تصمیم خوب و منطقی بود و هد درس تلاشش رو برای خوب ارائه شدن درس میکرد ولی واقعا هیچ چیزی نمیتونست فاجعه تی ای ها و طراحان تمرینات رو پوشش بده.

#بی_درنگ #صفری
⭕️ توضیحات کلی پیرامون ماهیت درس:
در مورد الگوریتم های زمانبندی صحبت میشه در شرایط مختلف. مثلا اگه سیستم چند تا کور داشت یا اگه تسکاش چنین فرمی داشت چجوری زمان بندی کنیم.
تیترهایی که از درس یادمه این ها هست
- انواع زمانبندی تسک های غیر تکرار شونده (aperiodic)
- انواع زمانبندی تسک های تکرار شونده (periodic)
- ترکیب این دو تا
و....
مطالب کمی ممکنه زیاد بنظر برسند اما اگه با کلاس دنبال کنید اوکیه

⭕️ تدریس استاد :
استاد اسلایداش از روی کتاب نوشته شدند و همه‌ی الگوریتم‌ها رو با تسلط خوبی تدریس می‌کنند. اگر هم سوالی یا ایرادی داشتید کاملا با حوصله رفع اشکال می‌کنند. شدیدا توصیه می‌کنم این درسو با استاد پیش برید چون ویدئویی ازش نیست.

⭕️ امتحانات درس :
میانترم و پایانترم داره درس که بین 12 تا 14 نمره درس رو شامل میشن. اگه الگوریتم ها رو بلد باشید بنظر من امتحانات سختی نیستند و صرفا باید دقت داشته باشید. در آخر هم روی خود نمره امتحان نمودار زده میشه. حجم مطالب پایانترم به مراتب از میانترم سنگین تره برای همین مراقب بعد میانترم باشید.

⭕️ کوییز ها:
عملا حکم مرور درس و حضور غیاب رو داره. بین 1 الی 2 نمره درس رو داشت

⭕️ تمرینات:
خیلی تمرینهای کاملی نیستند و همه مطالب رو پوشش نمیدن اما هم تعدادشون کمه و سخت نیستن خیلی اما پیش اومد که سوال نشده بود و الکی الکی کلی وقت می‌گرفت .
بین 2 الی 3 نمره درس

⭕️ پروژه :
چندین پروژه پیشنهاد میشه توسط دانشجوهای ارشد و همین دانشجوها به همراه استاد تحویل گیرنده پروژتون هستند. این تیکه کمی مراقب کنید چون حقیقتا تی ای ها گاها ممکنه خطری باشن سعی کنید مطمئن باشید از طرف و اینکه داک ها ممکنه کامل نباشن و فرض شده که شما باید از تی ای بپرسید. در کل پروژه چیز عجیبی نیست و 2 3 روزه جمع میشه و بین 3 الی 4 نمره درس هستش.

⭕️ نمره دهی و توضیحات آخر :
14 نمره دهی اعمال شد این ترم که وزن میانترم پایانترم بالا پایین میشه (یعنی بارم پایانترم میره رو میانترم تا مثلا هم وزن شن). من با اینکه خیلی خوب امتحانات رو ندادم تقریبا 75درصد شدم. بخاطر تمرین و کوییز و باقی موارد کامل شدم و بنظرم نمره دهی خیلی معقول بود ولی داکی ندادن. از روی poll توی گروه 14 نفر بالای 19 شدن

پ.ن: توضیحات مربوط به سال پیشه. سیاست‌های درس ممکنه عوض شده باشه

📣یادآوری :)

(نظرات شما عزیزان، به انتخاب واحد بقیه دانشجوها کمک بسیاری می‌کند :) )

#یادگیری_تقویتی
#رهبان
پیشنیاز‌های این درس نظریه اطلاعات، فرایند‌های تصادفی، بهینه‌سازی محدب و یادگیری ژرف هست 💀
بنابراین فکر کنم بشه حدس زد که چقدر درس سمیه و بنظرم سخت‌ترین درس دانشکده هست
گول اسم درس رو نخورین چون در اصل باید DRL‌ باشه و موضوعات کلاسیک RL صرفا جهت مرور بیان میشه

درس ۴ تا تمرین تئوری خانمان سوز داشت که وقتی سؤالاش رو میخوندی میفهمیدی که قدر گاو از پیشنیازهای درس بارت نیست (بلا نسبت دوستانی که ریاضیشون خیلی خفنه من خودم رو میگم)
بجز تمرین اول که مباحث تئوری پیشنیاز بود بقیه تمارین یه بخش عملی هم داشتن که تقریبا اوکی بود (اگرچه برای converge کردن دهنت سرویس میشه تو RL و کم کم چند ساعت درگیرش میشی)
اگرچه تعداد تمرین‌ها کم بود ولی زمان زیادی میگرفت هم عملی و هم تئوری ولی TAها هم راه میان سر تمدید

درس دوتا کوئیز داشت به همراه میان‌ترم و پایان‌ترم که تقریبا استاندارد بودن (حداقل نسبت به تمارین) البته پایان‌ترم کمی سخت بود

آخر درس یه پوستر سشن هم داشتیم که جالب بود ولی یکم ددلاینش با امتحانات نهایی تداخل داشت که اذیت کرد

موضوعات درس به شدت بروز و البته پیچیدس و احتمالا مجبور شید سراغ مقالات برید ولی خب موضوعات درس بسیار زیبا و جذاب هستش

تدریس دکتر رهبان هم که میتونید از فیلم‌ها خودتون نظر بدید و من دیگه چیزی نمیگم
تیم تدریس سر تمرین‌های تئوری کلا یکم خستس و هنوز نمرات دوتا از تمارین نیومده
جهت رعایت انصاف این رو هم بگم که تمرین‌های عملی خیلی زود تصحیح شده و برخلاف تمرین‌های تئوری، در تصحیح میان‌ترم و پایان‌ترم دلیل کم شدن نمره رو کامنت کردن که ولی خب اینقدر دیر گفتن اصن یادت نمیاد چی نوشتی

‌ ‌ ‌‌‌ ‌
#یادگیری_عمیق
#سلیمانی
در کل درس خوبیه به نظرم ولی اگه کلا آشنایی با دیپ ندارید یا فیلدتون نیست شاید خیلی مناسب نباشه.
یه مشکلی که داشت درس اینه که خیلی یونیفرم نبود، یه جاهایی خیلی سمت اینتروداکشن طور بود یه جاهایی یه جلسه کامل ریاضیشو میگفتن. به عنوان درس دیپ نه مثلا جنرتیو یکم توقع یونیفرم تر داشتم من حداقل.

کلاس. استاد خوب درس میدن و به موضوعات هم مسلطن کامل. ولی نکته ای که هست اینه که دوستان اگه درسو بلدید، نمیدونم پارسال اومدید سر کلاس، ویدیوهارو دیدید، لزومی نداره بیاید سر کلاس و هی وسط حرف استاد بپرید که مثلا من بلدم اینا. این موضوع یه ذره دنبال کردن کلاسو سخت میکرد وگرنه تدریس استاد خیلی خوبه هرچند یکم سرعتی.

تمرین. تمرین ها لودشون یکم زیاد بود. مشکلشون بیشتر از زیاد بودن این بود که مخصوصا تئوری ها خیلی پوینت لس بودن و کلا تمرینا تا حد خوبی کپی و بی کیفیت بود. یه تمرین که چند تا سوال متوالی یه کتابو دادن تمرین. از عملی ها هم حداقل بجز یکی دو تاشون چیزی یاد نمیگیرید (اونایی که کپی نیست رو تی ای هم نزده درنتیجه راهنمایی ها هم رندومه). نمره دادنشون رو تمرین ولی بد نبود.

امتحان ها هم معقول بودن ولی یکم زمانشون کم بود. تصحیحشون هم معمولی بود خیلی سخت گیرانه نبود حس میکنم. در کل همونطور که بالاتر گفتن میانگین ۱۵.۷ عه و انحراف معیارش ۶.۸ 😐

در کل ولی درس بدی نیست در مقایسه با درسای این فیلد تو دانشکده.

‌                                                 ‌ ‌‌‌    ‌
#بهینه‌سازی_محدب
#نجفی
تدریس استاد خوبه ولی خوب درس خیلی پیچیده‌ای نیست که حتما نیاز باشه سر کلاس باشین. استاد اسلاید و جزوه نداره ولی مو به مو کتاب رو تدریس میکنه. کتاب رو بخونین کامل اوکی هست. یک سری اسلایدهای خلاصه از کتاب هم موجوده که باز کار رو تا حد خوبی جمع میکنه.
درس لود خاصی نداره. ۵ سری تمرین داشت که این ترم تقریبا همش از تمرینای کتاب بود و خوب کتاب هم سلوشن داره. هر تمرین ۱ نمرس. اخرش یک شری مقاله هم معرفی کرد و گفت هرکس یدونه رو باید ارائه بده. علاوه بر ارائه باید یه خلاصه ازش هم نوشته و تحویل داده میشد. کل این مقاله سر هم یک و نیم نمره بود و باقی نمره برای میانترم و پایانترم.
بنظر من سطح سوالای میانترم و پایانترم نه سخت بود نه آسون، یچیز معقولی بود. اخرش نزدیک ۲ نمره انگار نمودار زده شد که میانگین بشه ۱۷

در پاسخ به این پیام میگم لطفا ریپلای کنید :
‌ ‌‌‌  
#پردازش_تصویر
#کسائی #کسایی
ترم بهار۴۰۳

پاسخ:

این پیام به نظرم خیلی بایاس هست و بیشتر صحبت ها ناشی از کدورت شخصی ه
من دو ترم با دکتر کسایی درس داشتم (بینایی سه بعدی پیشرفته و پردازش تصویر)
استاد به مباحث کلاسیک هوش و سیگنال بسیار مسلط هستن و هرچقدر سوال بپرسید هم براتون توضیح میدن
در کنارش واقعا خانم محترم و با صبر و دلسوزی هستن و چنین شخصیتی خیلی بین اساتید شاید پیدا نشه!
درس لود کاملا منطقی داره و اذیت نمیشه آدم، تکالیف و امتحان کاملا وابسته به تدریسیارهاست  و این باعث میشه هر ترم متفاوت باشه اما آنقدر تدریسیار ها مهربون و با فهم ن (اکثرشون مخصوصا هد تی ای آقای عارفی) و راهنمایی میکنن عملا کسی تکلیف ها رو بده و برای امتحان خونده باشه نمره خوب ش تضمین شده هست
تدریسیارها بسیار آسون میگیرن و دانشجو رو درک میکنن
ضمنا مدل نمره دهی درس کاملا شفاف و اوکی ه و تنها درسی بوده در دوران تحصیلم که استرس نداشتم چون همه چیز مشخص و مرتب و به نفع دانشجو بوده
یه ویژگی عالی دیگه اینکه استاد میذارن سر کوییز و امتحان چیت شیت ببرید و کلی رابطه به درد نخور رو حفظ نکنید. کاش استادهای دیگه هم یاد بگیرن
راستی من با کلاسیک بودن مباحث این درس اوکی بودم چون واقعا پایه های پردازش تصویر ن و کسی که بخواد تخصصی کار کنه نمیتونه اینا رو بلد نشه، چیزهای مدرن رو هم درس یادگیری عمیق باید پوشش بده که تا حدی میده
اما چندتا عیب:
۱- اسلایدها به نظر من هم باید اصلاح بشن و واقعا در شأن نیستن و خوندنشون سخت ه. مطالب غیر مفید هم زیاد داره
۲- استاد اول ترم میگن فعالیت کلاسی نمره داره اما عملا نمره ای نمیدن
۳- ناهماهنگی بین استاد و تدریسیارها در برخی تمرین ها و سوالات امتحان باعث میشه گاها لود یک تمرین یا سطح سختی یک سوال غیر منطقی بشه (مخصوصا که از تدریسیارهای بی تجربه گاها استفاده میشه)

جمع بندی: هرچندتا درس دیگه خانم دکتر کسایی ارایه بدن یا اقای عارفی تدریسیار باشن من برمیدارم و شک نمیکنم. آموزنده و بدون دغدغه و نمره خوب درصورت تعهد نرمال دانشجو تضمین شده است

#بهینه‌سازی_محدب
#نجفی

بظرم درس خوبی بود و پیشنهاد میکنم اگر به مبحث علاقه داشتین و حوصله رفتن سر کلاس رو دارین درس رو بردارین. تدریس استاد خیلی خوبه.

درس ۵ تا تمرین و یک پروژه داره. لودش هم منطقیه.

                                                 ‌ ‌‌‌    ‌
#دیپ_لرنینگ
#سلیمانی
سلام
درس به شدت درس مفید و سطخ بالایی هست و تدریس استاد خیلی خوب هست. گستردگی مطالب شمارو برای ریسرچ اماده میکنه و مطالب به شدت مفیدن.
استاد به شدت با سواد و باخلاق هرچند کلاس به شدت خشک و حوضله سربره در نتیجه نیاز میشه حداقل ۵ بار فیلمارو از ابتدا ببینید.
تیم تدریس از نظر طراحی تمرین خوب بودن منتها از نظر نمره دهی خیلی بایاس دارن سمت دانشجو های هم ازمایشگاهی و دوستای خودشون و خیلی هوای اونهارو دارند که کمی ازار دهندست.
گاها هم ورودی های جدید رو بولی میکنند با تصحیح های سخت گیرانه ترشون.

در کل میانگین درس ۱۵ هست اما پیشنهاد مبشه اگر از دانشجوهای دکتر هستید و یا با تی ای ها دوستی صمیمی دارید درسو بردارید چون بهتون نمره خیلی خوبی میدن.

                                                 ‌ ‌‌‌    ‌
#کامپایلر
#حسینمردی

ادامه

امتحانات:
امتحانای درس کلا طولانی هستن و باید دائم بنویسی وگرنه وقت کم میاری. البته راه میان و امتحان رو تمدید میکنن. ولی خب بازم طولانیه  امتحانات درس. امتحان میان‌ترم ظاهرا جدید طرح شده بود و از ترمای قبل کپی نکرده بودن، اما خب واضحا بعضی سوالاش رو تاحالا حل نکرده بودن خودشون. میشد سوالی داد که نوشتن کمتر داره و راحت‌تر دانشجو رو آزمود. ولی اینا یه سوال بسیار طولانی داده بودن که دانشجو باید فقط مینوشت و تموم نمیشد سوالش. حتی اگه درس رو کامل مسلط میبودی هم به احتمال بالایی یه جا سوتی میدادی و سوال رو به جواب غلط میرسیدی. واسه میانترم ۱ سوال امتیازی داده بودن که نمرش روی خود امتحان بود و بعدش هم خوب تصحیح کردن و خیلی سخت‌گیری نکردن. سر جلسه امتحان هم استاد و ۲تا از هدای درس حضور دارن و پاسخ سوال میدادن. یکی از هدا درس رو مسلط بود ولی خب استاد و نفر دیگه کاملا پرت هستن. به نوعی که ازشون میپرسیدی این سوال درسته یا نه میگفتن درسته ولی از اون هدی که درس رو بلد بود میپرسیدی توضیح میداد که غلطه و باید فلان جا اصلاح بشه...
امتحان پایانترم سختتر بود سوالاش و خب تصحیحش هم سختتر انجام شد و امتیازیش هم خیلی کمتر بود ولی نکته جالبش این بود که بعد امتحان گفتن که ۳تا از سوالا کپی امتحان ترمای قبله :)
اصلا انگار رسالت استاد و هدای درس سوال تکراری دادنه. البته اینو قبل از امتحان نمیگن که دانشجوها بخونن. صرفا بعدش واسه توجیه سخت بودن امتحان میگن...

پروژه:
9 نمره داره که کاملا همون پروژه دکتر ثانی هست و مشترکه. نیازی به توضیح نداره چون تو پیامای مربوط به درس دکتر ثانی کامل توضیح داده شده. اما نکته جالبش اینه که توی این گروه پروژه رو چندین روز بعد از ددلاین باز میزاشتن ارسال با تاخیر رو و به نوعی هماهنگ با گروه دکتر ثانی جلو نمیرفتن. از طرفی اگه تست کیسی غلط بود که دفعات زیادی این اتفاق افتاده بود، هد درس چندین روز بعد تازه اقدام میکردن و تستارو عوض میکردن. به نوعی خودشون به پروژه واقف نبودن و نمیدونستن باید تستو چطور درست کنند. مثلا یک بخش رو باید درست میکردن، اومدن خودشون درست کنن زدن تست رو خراب‌تر کردن...

                                                 ‌ ‌‌‌    ‌
#کامپایلر
#حسینمردی

نمرات: ۳ نمره تمرین تئوری + ۹ نمره پروژه که سه فاز داره + ۰.۸ کوییزهای امتیازی + ۵ نمره میان‌ترم + ۵ نمره پایان‌ترم
مجموعا درس از ۲۴ نمره بود و البته تهش ۱ نمره حضور در کلاس به همه اضافه کردن و ۱.۵ نمره هم نمودار خطی زد
میانگین با همه امتیازی‌ها و نمودار و امتیازی شد ۱۵.۲ :)

تسلط استاد:
فاجعه. فقط همین رو میشه گفت. درس رو بلد نیست و برای همه سواله که ایشون چطور گزینش شدن برای تدریس این درس‌
احتمالا خودشون هم شب قبل کلاس میرن فیلمای دکتر ثانی رو میبینن و فرداش میان درس میدن از روی همون اسلایدای دکتر ثانی. اما خب سر کلاس خوب درس میدن همون مبحث رو. به نوعی از روی حافظه کوتاه مدتشون خوب درس میدن ولی اصلا تسلط ندارن به کل درس. اگه یه روز سوال از ۲ جلسه قبل بپرسید ازشون کامل مشخص میشه وضعیت :) ولی خیلی خانوم مهربونی هستن و سر کلاس سعی دارن رو یه سری مهارت‌های نرم کار کنند. کلا خیانت به خودمون و دانشجوهای دیگه و دانشکده هست که درس با ایشون برداریم و کلاسشون پر شه درحالی که دکتر ثانی هم هستن و کاملا مسلط هستن و یادگیری بسیار بسیار بالایی داره کلاسشون.

کوییزها:
کوییزها به صورت رندوم و امتیازی سر کلاس به صورت مشورت‌آزاد گرفته میشد و دونه‌ای ۰.۲ نمره داشت. جالبیش اینه که کوییزها تکراری ترم‌های قبل بود که فایلش داخل ریپو گیتهاب درس موجوده و بیشتر جنبه یادگیری و حضور در کلاس داره. تصحیحش هم دست تیم تی‌ای هست و خیلی سخت‌گیری نمیشه در تصحیحش. سر کلاس که کوییز گرفته میشه جواباش رو خود استاد بلد نیست که این از همون عدم تسلط به درس میاد...

تمارین تئوری:
اول ترم سر کلاس و داخل اطلاعیه کوئرا گفتن ۴تا تمرین تئوری داریم که ۳ نمره هستن. ولی خب یهو تغییرش دادن و گفتن ۵تا تمرین تئوری و همون ۳ نمره. پخش کردن تمرین‌ها تو طول ترم بسیار بد بود و تاریخ ریلیز تمرین‌ها به این صورت بود:۱۴اسفند، ۳اردیبهشت، ۱خرداد، ۱۱خرداد، ۲۶خرداد
کلا تمرینا از تدریس عقب‌تر بود و دیر ریلیز شدن همگی و بعضا دارای ایراد هم بودن که بچه‌ها تو گروه میگفتن و تازه تی‌ای‌ها اصلاح میکردن‌. صرفا بعضی سوالارو بدون اینکه ۱ دور حل کنند کپی کرده بودند و این بسیار مشهود بود. به نوعی که صورت سوال رو طوری ترجمه کرده بودن که سوال غلط به نظر میومد. بعدش دانشجوها سورس سوال رو پیدا کردن و دیدیم هدف چی بوده و همگی همونو نوشتیم...
این که ۴تا تمرین تئوری که لود نوشتاریش زیاد بود بعد عید ریلیز شده و ۳تاش داخل خرداد بود واقعا بد بود و آزاردهنده.
اما توی تمدید واقعا راه میان و کلا اخلاق هد تی‌ای درس اینه که تا جای ممکن تمدید میشه.
برای هر تمرین تئوری هم ۰.۱ نمره برای لتک زدن گذاشته بودن که بعدش از رو پاسخ بچه‌ها پاسخ‌نامه ریلیز کنند و کار خودشون کمتر بشه. در برابر لودی که داشت نمرش واقعا شوخی بود

ادامه در پیام بعدی..

                                                 ‌ ‌‌‌    ‌
#ارائه
#ارشدی

روند کلاس ها اینطوره که چند جلسه اول استاد درس میدن و حضور غیاب نداره (یا اختیاریه) و بعدش هر جلسه چند نفر ارائه میدن(هر نفر حدود 10 15 دقیقه) و حضور شما تو اونا اجباریه. درس به طور کلی محتوای خاصی نداره و چیز عجیبیم یاد نمیگیرن ازش ولی خب یه سری تمرین فردی و گروهی داره. مثلا باید رزومه یا ریکام یا از این جور چیزها بنویسید که خب اکثرا بچه ها یه چیزایی اماده دارن که میتونین با ادیت جزیی سابمیت کنین. یه پروژه هم داره درس که باید توش یه حالت مقاله طور و وبسایت اینا بسازید که اونم کار یکی دو روزه نهایتا و جمع میشه. امتحانشم معقوله و چیز حفظی نداره. در کل نمراتم خیلی بد نمیشن و خب مثلا گرفتن 19 کار سختی نیست ولی خب اینطوریم نیست که بشه به راحتی درسو 20 شد و کلی امتیازی داشته باشه(البته مدل اکثر درسای استاد همینه). در کل این درس اجباریه و باید پاس کنین و خب بین بعضی از اساتیدی که لود وحشتناکی بهتون میدن و بعضی از اساتید که نمرات خیلی شانسی و بدی میدن بهتون این گروه شاید گزینه بهتری باشه. چون واقعا نه لود درس اونقد عجیبه و نه نمره دهی اونقد بده. در کل پیشنهاد میکنم این درسو با این استاد. اینم بگم که یه  سری از دوستان در مورد این میگن که درس در آینده شما تاثیر داره و اگر که با یک استادی مثل دکتر کسائی وردارین باعث میشه یاد بگیرین و .... که خب این حرف تا حدی درسته ولی اینم در نظر بگیرین که آیا می ارزه به اندازه 6 واحد لود تحمل کنین برای درس 2 واحدی؟ و خب این مهارت اینطوریم نیست که فقط از این درس بشه یادش گرفت و خودتون هم میتونید بعد در ادامه مسیر ریسرچ و اینا خوب یادش بگیرین.

‌                                                 ‌ ‌‌‌    ‌
#پردازش_تصویر
#کسائی #کسایی
ترم بهار۴۰۳

اسلاید های درس: به طرز عجیب و مضحکی اسلاید های درس بهم ریخته و شلخته هستند. تقریبا میشه گفت اصلا در حد اسلاید های درست شده توسط یک بچه دبستانیه و مایه آبرو ریزی!

تدریس استاد: خلاصه بگم که استاد اسلاید هارو باز میکنه، هر اسلایدی فرمول ریاضی باشه رد میکنه هر اسلایدی عکس باشه دو ساعت براتون داستان تعریف میکنه.

کوییز ها: تقریبا هر ۳ جلسه یک کوییز داریم که خیلی زیاده و اذیت کننده هست. کوییز با کمترین نمره براتون حذف میشه ولی چون تعداد کوییز ها زیاده اکثرا کسی نمیخونه براش.

تدریس یارها: اوله ترم بین خودشون مباحث رو برای طرح سوال و کوییز تقسیم میکنن، بخاطر همین هر TA فقط بخش خودشو بلده، به جز TA head که اون تقریبا هیچ مبحثی رو بلد نیست.

امتحانات: سوالات کاملا غیر استاندارد و خارج از مباحث تدریس شده یا حتی خارج از تمرین ها. جوری که شک‌میکنی امتحان ماله یه درس دیگه بوده. نه منطق و نه حتی هدف خاصی داره این کار، صرفا نشانه عقده های دوران کودکیه.

پروژه: آزادید فقط بین موضوع های پردازش تصویر موضوعی که مرتبط به اطلاعات درس باشه انتخاب کنید.‌ به نظرم تجربه خوبی بود ولی خب موضوع رو کمی محدود کردن که شاید دست شما رو در کار ببنده.

نمره دهی امتحان: ۳ نمره میانترم و ۸ نمره پایان ترم بود. از اونجایی که سوالات امتحان بسیار سخت و عجیب بود، خب طبیعتا تدریس یارانی که تصحیح میکردند کاملا تایین کننده بودن. میتونستن نمره های کیلویی به هرکس دوس دارن بدن و به بقیه ندن چون جوابه اصلی سوال رو که کسی بلد نبود.

نمره دهی پروژه: ۵ نمره (+۱ امتیازی) بود و علارقم تلاش هایی که خیلی از گروه ها کردن، نمره پروژه هم عادلانه داده نشد و درگیری هایی هم بین TA head برخی دانشجو ها دیده شد که معلوم نبود دلیلش چیه. هیچ



>> خلاصه: اگر مجبور نیستید این درس رو برندارید، به قصد یادگیری اصلا این درس رو برندارید چون تقریبا هیچ چیزی یاد نمیگیرید و فقط بخاطر رفتار های بچگانه تدریس یار ها و استاد اعصابتون خورد میشه.

‌                                                 ‌ ‌‌‌    ‌
#شبکه
#میزانیان

درس بطور کلی درس جذابیه و مباحثی که تدریس میشه خیلی کاربردیه و باعث میشه نحوه عملکرد و مفهوم خیلی چیزای مفیدی رو یاد بگیریم.

اما درمورد کیفیت ارائه درس، تدریس بدلیل جذاب بودن مباحث کیفیت خوبی داره. درمورد امتحان ها و تمرین ها هم تا جایی که من اطلاع دارم این ترم اولین باری بود که درس تیم TA داشت و تا قبل از این درس بدون تمرین و فقط با امتحان ارائه میشد.

سطح امتحان ها نسبتا استاندارد بود و تنها مشکلشون زیاد و جامع بودن سوالات امتحان نسبت به زمان بود که باعث شد زمان میانترم و پایانترم مقدار زیادی تمدید شه.

کیفیت تصحیح هم هنوز مشخص نیست چون همونطور که بالاتر دوستان هم گفتن کلا نمره این درس همیشه خیلی دیر میاد و هنوز هم هیچ نمره ای از تمرینات و امتحان ها نیومده.

تمرین ها نسبتا خوب و استاندارد بودن تنها مشکلشون منظم نبودن زمان ریلیزشون و عدم وجود پاسخنامه قبل از امتحان ها بود. بخاطر همین منظم نبودن زمان ریلیز تعداد تمرین عملی هایی که ریلیز شد کمتر از برنامه شد.

و اما برسیم به بزرگترین نقطه ضعف درس که واقعا همه ویژگی های خوب ارائه این درس رو از بین برد. بخاطر تعداد کم تمریناتی که ریلیز شد تی ای ها با این منطق که کیفیت تصحیح استاد مشخص نیست و بخاطر خودتون دوست نداریم نمره تمرین عملی ریلیز نشده بره رو امتحان وعده دادن که یه پروژه خیلی ساده در سطح تمرین عملی ریلیز میکنیم که هم نمره اون تمرین عملی رو داشته باشه و هم مقداری نمره امتیازی داشته باشه. اما پروژه ای ریلیز کردن که واقعا لود خیلی خیلی زیادی داره و بخاطر همین لود خیلی بالا تا وسط تابستون هم تمدید شده.

بزرگترین مشکل این پروژه اینه که زمانش وسط تابستونه و اصلا اونطوری که میگفتن ساده نیست و خیلی پروژه سنگینیه و مهمتر از همه حتی هیچ نمره ای نیومده که بشه تصمیم گرفت نیاز به نمرش داریم و ارزششو داره که وسط تابستون چنین پروژه سنگینی رو وقت بذاریم بزنیم یا نه.

خلاصه درس جذابیه و نسبتا هم خوب داشت پیش میرفت و تی ای ها برای تمدید هم راه میومدن و تمرینات هم استاندارد بود اما همونطور که گفتم ریلیز یک پروژه خیلی سنگین وسط تابستون بدون اومدن نمره تمرینات و امتحانات واقعا همه نکات خوب ارائه این درس رو از بین برد.

#شبکه
#میزانیان
به شخصه خیلی از درس راضی بودم و تدریس استاد رو هم دوست داشتم. کلا شبکه رفت جزو درس‌های جذاب مورد علاقه‌م؛ ولی این پروژه به نظرم واقعا جاش نبود این موقع ریلیز بشه وسط تابستون. اگه تی‌ای‌ها واقعا به خاطر نمره دانشجوها این پروژه رو ریلیز کردن (طبق گفته خودشون)، به نظرم راه‌های خیلی ساده‌تری هم بود برای اینکار که الان وقتی بیشتر از یک ماه از اتمام ترم گذشته، نشینیم تازه پروژه شبکه بزنیم.

‌                                                 ‌ ‌‌‌    ‌
#شبکه
#میزانیان

مشکل این درس نبود نظمه. مشخص نیست تمرینا کی ریلیز میشه. مشخص نیست اصلا نمرات کی میاد. پروژه قرار نبود داشته باشه ولی به جای ۲ تا تمرین اخر گفتن یه پروژه میدن که لودش با همون تمرینا یکی باشه. الان پروژه ش خیلی سخت تر از تمریناست. اصلا مشخص نیست چی میخواد. نمره امتحانا مشخص نیست کی میاد. دکتر میزانیان همیشه دیر نمرات رو وارد میکنن برا همین ددلاین پروژه هم تا وسط تابستون تمدید شده. یک بخشیش که تقصیر استاده و همیشه همینطور بوده‌ (همون وارد کردن نمرات)، یک بخش هم تقصیر تی ایاست که نظم نداشت درس و مشخص نبود اصلا برنامه درس چیه. کافیه به زمان ریلیز تمرینا دقت کنید تا بفهمید چی میگم. به نظرم میشد که حداقل پروژه اینطوری نباشه و در حد تمرینا باشه لودش و وسط تابستون نیاز نباشه پروژه شبکه بزنیم.

#شبکه
#میزانیان

به نظرم از ترم‌های بعدی به تیم TA درس نگاه کنید و درس رو بردارید. امتحانات با خود استاد هستش و تم مشخصی داره. سوالات مقدار خوبی از source درس هستند و کافیه سوالات source رو بخونید.

تمرین و پروژه با TAها هستش که پتانسیل اذیت کردن دارن و این ترم هم داره اتفاق میفته. ددلاین پروژه درس، ۱۳ مرداد هست. تو طول ترم هم خیلی بی‌نظم بود همه بخش‌های درس و واقعا خوب نبود.

خیلی خلاصه بخوام بگم، شبکه‌ی این ترم، تجربه خوبی نبود.

#مهندسی_نرم‌افزار
#ریواده

درس برای منی که همزمان سرکار میرفتم عالی بود و به دوستانی که ترم بعد درگیر اپلای هستن و سرشون شلوغه درس رو توصیه میکنم

همونطور که بقیه هم اشاره کردن همه کارا با جپت رواله و من خودم به غیر از جلسه اول نه سر کلاس رفتم و نه فیلماش رو دیدم و برای امتحاناش هم هیچی نخوندم و نمرم بالای ۱۸ شد
البته برای میان ترم اول یکم خوندم که چندان فایده‌ای هم نداشت و اضافه کاری بود

اگه کار میکنید یا از درسایی که حجم مطالبشون بالاس خوشتون نمیاد درس رو بردارید چون در حد پرامپت نوشتن وقت میگیره ازتون

خود درس هم محتوای خاصی نداره و قرار نیست کلی چیز یاد بگیرید اگه موضوعی براتون جالب بود خودتون باید برید سرچ کنید در موردش

#مهندسی_نرم‌افزار
#ریواده

شدیدا توصیه میشه اگه درس سبک دوست دارید حتما بردارید چون لود درس تقریبا صفره و یک دقیقه هم لازم نیست چیزی بخونی!
همه امتحانا و تمرینات رو بدین chatGPT و بهش بگین که سورس و صفحه رفرنس‌ها رو هم بنویسه و خیالتون راحت‌ باشه که نمره بالا میگیرید (میشه pdf داد بهش و سوال پرسید)
سر کلاس هم لازم نیست برید و میتونید فیلماش رو ببینید که حتی اونم لازم نیست. اگر یک جلسه هم ندیده باشی و یا کل کلاس‌ها رو حضوری بری هیچ فرقی نمیکنه به حالت (تمرینا که کلا ربط ندارن و امتحان هم کافیه کتاب رو کپی پیست کنی که چون کتاب بازه سخت نیست)

اگر ۲۰ میخواید باید برید معیارهای ارزیابی رو از داک نمرات این ترم بردارید و همون‌ها رو بدید GPT خودش بلده چیکار کنه

این ترم هرکس از خودش نوشته بود نمرش افتضاح شد و اگر میانگین کسایی که با GPT تکالیفشون رو تحویل دادن با کسایی که از خودشون نوشتن مقایسه کنی در حد ۳ الی ۴ نمره فرق میبینی

سر میان‌ترم هم شدیدا توصیه میشه GPT بزنید چون اغلب کسایی که خودشون نوشتن وقت کم اوردن

همونطور که گفتن درس پروژه هم نداره و خیلی سبک هست و فوقش یه مراسمی چیزی هم میذارن که یکم نمره بدن (برا ما ۰.۴ بود نمرش) و میتونین موبایل و لپتاپ ببرین سرش و کاراتون رو انجام بدین و نمره مفتی بگیرین 🙃

میانگین این ترم ۱۷ شد که اگه با GPT کارتو انجام میدادی فقط نزدیک ۱۹ به بالا میشدی (حیف که دیر فهمیدیم یکم)

#مهندسی_نرم_افزار
#ریواده

من صرفا میخواستم الان که نمرات اومده یه چیزی رو تاییده بزنم که توی چندتا پیام بالایی هم نوشته بودن اونم اینه که با این سیستم تصحیح "معیاری" من دو تا تمرین اول رو رفتم توی اینترنت کلی گشتم و از سورس‌های مختلف جواب تمرین رو در اوردم همش رو با منبع زدم جفتش رو زیر نصف شدم. بعد دو تا تمرین بعدی رو رفتم کتاب و سورس رو دادم GPT گفتم ترجمه بکن تقریبا فول شدم. عملا این طوری که یادگیری رو به قوی‌ ترین شکل ممکن minimze کردن.

‌                                                 ‌ ‌‌‌    ‌
#مهندسی_نرم_افزار
#ریواده

سلام،
من ترم پاییز ۱۴۰۳ درس رو داشتم یعنی ترم قبل نه ترم قبلش. چون نظرات در مورد ترم بهار برام اندکی عجیب اومد گفتم نظرم رو بگم که یه مقدار تغییرات دو ترم هم دیده بشه.
درس برای من نکات خیلی خوبی داشت و به طور کلی می‌تونم بگم که یادگیری مناسبی داشت درس. مباحثی مثل معماری نرم‌افزار، متدولوژی‌ها و بست پرکتیس‌ها که اصول تئوری نرم‌افزارن به طور کامل پوشش داده میشه. کلا دیدی که تو دپارتمان نرم‌افزار وجود داره تدریس تئوریه و گویا شخص دکتر رامسین این دید رو به شدت اعمال می‌کنن و کلا زیادم روش فیدبکی نمی‌پذیرن و همه پذیرفتنش بدون هیج مضایقه‌ای (نظرم شخصیم اینه که چیز بدیست ولی نمیشه کاری کرد روش گویا ...)
خود دکتر ریواده بسیار آدم با دانشی و با شخصیتیه و  خیلی برای درس وقت میزاره و معمولا تا مدت‌ها بعد از کلاس وایمیسته به سوالات بچه‌ها پاسخ میده. بسیار هم آدم انعطاف‌پذیریه و تقریبا هر فیدبکی رو درمورد کلاسش میگیره بررسی می‌کنه. یادمه تو ترم ما هم بعد از هفته اول دوم تعداد خوبی فیدبک گرفت و تغییراتی تو روند کلاسش ایجاد کرد.
تو درس با تعداد خوبی از مفاهیمی که بنظر میرسه در ابعاد صنعتی مهندس نرم‌افزار باهاش قراره رو‌به‌رو بشیم پوشش داده میشه و خبری از کد زدن نیست کلا. برای تمارین درس لازمه که تا حد خیلی خوبی سورس‌های درس رو سوار باشید. برخی از تمارین هم ترم ما سوالات خلاقیتی داشت که لزوما براساس سورس نبود. متاسفانه ولی بنظر میرسه که ترم بهار تمارین کلا کپی پیست متن سورسا بودن بنظر و مسئولیت تمارین هم کلا با تیم تدریسه گویا و استاد زیاد توش دخالتی ندارن. با توجه به این موارد،  فکر می‌کنم کیفیت ارائه درس خیلی وابسته به تیم تدریسی که روی درس و بالاخص روی بخش تمارین باشه ممکنه متفاوت باشه.