IML感觉算是很火的课了，每年都很多人选。课程主页 https://las.inf.ethz.ch/teaching/introml-s21，我是2021年春季学期上的，Krause老师和Fanny Yang老师执教。Yang负责linear regression，classification，kernel methods和一些bayesian的部分。Krause老师负责Neural network，PCA，gaussian mixture的部分。
内容
作为一门基础的ML课程，内容并不是很难，上课的学生很多也不是CS专业（比如我）。不过课程进行过程中，很多同学觉得Yang老师讲的比较confusing，最后TA上传了这部分的script。大体分三块：supervised learning （linear regression，logistic regression，SVM，Kernel，regularisation，NN），unsupervised（Gaussian mixtures，PCA，autoencoder，GAN），optimization algorithm（gradient descent，SGD，EM）
考试&给分
中规中矩，历年卷子网上都有，可以带一张自己的A4正反小抄。最后的分数由project 30% + 卷面70%组成。我这届卷面给分（不知道是不是最终版本）是这样的，个人认为要想考高分，概念一定要特别清楚。
个人评价
最后拿的5.75，略遗憾刚好卡了6这档😅，但感觉一学期学下来收获还是很大的。自己并不是cs专业，第一次系统学ml，学完感觉基本能入门了。不过，纸上得来终觉浅，绝知此事要躬行！
最后放一下自己的cheatsheet供参考，水平有限，如有错误，还请指正😄🤝
