★ 本文是否可提供其他同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：
是
★ 若满分五分，则私心推荐几分？
5分
★ 课程大纲
01_introduction_sna
02_models_sna_new
03_Dynamic_Network
04_diffusion
05_robustness
06_positions
07_clustering
08_Community_Detection_I
09_Community_Detection_II
10_prediction
★ 上课方式(投影片或是板书、老师教学风格、是否英语授课)
投影片 和机率时差不多都蛮有趣的
前半部会比较多老师在上课 后来会给大家听每组对每个作业的报告
口头发表也占部分的作业成绩
★ 评分标准
作业*4(60%) + final project(30%) +上台报告(弹性)
★ 作业内容及方式
全班的竞赛性质，依照正确率的排名来给分数
每次作业皆3人一组
每次作业几乎都是要写Code 或是利用machine learning
都还蛮有趣的题目
★ 考试风格及题型
无考试 (还蛮开心的一点)
★ 其它(会不会点名、需要什么基础、老师的个性)
基本上不会点名，上课内容也挺有趣，主要是讲方法
而非真正的FB之类的实作过程
★ 个人修课心得及总结
上完了一学期的SNA(social network analysis)之后
觉得对团队的合作感到更重要 组员真的很重要
也学到很多模拟model的技巧
所以这学期新开的课 机率图形学习模型 应该也挺有趣的
在做作业的过程中常要花很多的时间
因为没有所谓的正确答案 都是类似正确率之类的数字可以不断改善
在看着自己小组的排名冲上去的过程也很开心呢!
不过说真的是门很重的课 所以要修的人可能要衡量一下时间囉
分数的话我们这组是A+ 其他大家应该也都还不错
这篇大概就打到这边 其他有请 强力组员齐齐&小铭有空可以补完XD