分类： 课程后记笔记本

写作时间：2025.06.20

教师姓名：zw

一、课程初印象

从课程大纲看，聚类、分类等内容让我一开始觉得这门课与已修的统计机器学习、深度学习、人工智能等课程存在大块重叠。

二、老师给我的印象

老师来自本部，风格较年轻，讲课像在开讲座，内容覆盖面广但不深入，可能是首次教授这门课。但发现我们已有相关基础后，他主动调整方向，引入了更多前沿拓展内容，这让我对数据挖掘有了更广阔的认识。

三、最让我印象深刻的课堂时刻

在讲解时，老师拓展讲述了中位数搜索、流网络、凸包等算法，课程意外地在算法层面提供了许多启发。

四、我的最大收获

这门课程让我意识到：即使是综述型的讲座课，也能通过主动学习获取有价值的信息。笔记不必事无巨细，抓住重点、认真听讲即可。

复习阶段，我首次尝试使用AI辅助进行系统学习，整体流程如下：

1. 内容提取：我将课程PPT和考试大纲输入Gemini，让它快速生成标注好每个知识点对应课件页码的复习框架。
2. 笔记生成：在阅读PPT时，我一边结合AI给出复习框架，一边将重要内容整理到框架中，把它拓展成复习笔记，同时把AI未提及但我认为重要的部分补充进去。
3. 习题生成与自测：笔记完成后，我将它们交给AI，让它基于内容设计章节习题，包括选择题和简答题，帮助我检测对知识点的掌握。
4. 强化记忆：完成第一轮复习与测试后，我进行第二轮复习笔记的背诵与自测，形成知识的巩固与闭环。

这是我第一次完整利用AI完成一门课的复习，效率和效果都显著提升，也让我意识到AI在学习中的巨大潜力。

五、如果可以重来一次

整体复习过程已非常顺利。如果能重来，我会更早引入AI工具，节省更多时间。

六、一句话总结这门课

一门包罗万象的综述型数据挖掘课程，每个人都能从中获得不同层次的收获。

写作时间：2025.04.24

教师姓名：yyy

一、课程初印象

课程从泛函的概念入手，让我第一次接触到如此抽象的数学工具，感受到很有难度且陌生。

二、老师给我的印象

杨老师的教学风格非常出色。在课堂上，老师能够引导我们保持清晰且有逻辑的思路，让我们在大方向上稳步前进，同时又不会错过任何一个有价值的细节。对于容易产生疑问的小细节，老师总是能够准确而及时地进行讲解。这种教学方式不仅体现了老师对课程内容的深刻理解和丰富经验，也让我在学习过程中保持了高度的专注和兴趣。

三、最让我印象深刻的课堂时刻

课程内容以一种非常流畅且环环相扣的方式展开。从 GAC 模型利用边界梯度信息进行分割，到 CV 模型和 RSF 模型的演化，再到 GCCV 和 GCRSF 模型通过凸化能量泛函求解，最后发展到结合先验信息的优化模型。这一系列演进过程清晰地展现了图像分割技术的发展脉络，让我对理论体系和内在逻辑有了更深刻的理解。此外，课程还引入了结合深度学习的活动轮廓模型，以及针对牙齿图像分割等具体应用领域的模型，拓宽了我的视野。

四、我的最大收获

通过这门课程，我深刻认识到理论与实践结合的重要性。在实验课上，我动手实现了几个重要的图像分割模型，切实体会到模型中各个参数的实际意义，并意识到选择合适的方法对不同图像至关重要。这种判断力的培养需要对理论知识有深刻的理解，同时需要通过大量实践操作来积累经验。此外，我也明白了坚持学习的重要性。最初，面对抽象的泛函概念，我感到困惑，但在老师的反复讲解和自己的坚持努力下，我最终克服了困难，收获了知识。

五、如果可以重来一次

我觉得这次我已经做得很棒。再来一次可能是跟随老师的日程上课吧！

六、一句话总结这门课

我掌握了图像分割的理论与实践技能，还激发了我对图像处理领域的浓厚兴趣。