★ 本文是否可提供其他同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：
是
★ 若滿分五分，則私心推薦幾分？
5分
★ 課程大綱
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
★ 上課方式(投影片或是板書、老師教學風格、是否英語授課)
投影片 和機率時差不多都蠻有趣的
前半部會比較多老師在上課 後來會給大家聽每組對每個作業的報告
口頭發表也佔部分的作業成績
★ 評分標準
作業*4(60%) + final project(30%) +上台報告(彈性)
★ 作業內容及方式
全班的競賽性質，依照正確率的排名來給分數
每次作業皆3人一組
每次作業幾乎都是要寫Code 或是利用machine learning
都還蠻有趣的題目
★ 考試風格及題型
無考試 (還蠻開心的一點)
★ 其它(會不會點名、需要什麼基礎、老師的個性)
基本上不會點名，上課內容也挺有趣，主要是講方法
而非真正的FB之類的實作過程
★ 個人修課心得及總結
上完了一學期的SNA(social network analysis)之後
覺得對團隊的合作感到更重要 組員真的很重要
也學到很多模擬model的技巧
所以這學期新開的課 機率圖形學習模型 應該也挺有趣的
在做作業的過程中常要花很多的時間
因為沒有所謂的正確答案 都是類似正確率之類的數字可以不斷改善
在看著自己小組的排名衝上去的過程也很開心呢!
不過說真的是門很重的課 所以要修的人可能要衡量一下時間囉
分數的話我們這組是A+ 其他大家應該也都還不錯
這篇大概就打到這邊 其他有請 強力組員齊齊&小銘有空可以補完XD