MIT 6.S191 学习验收清单
MIT 6.S191 学习验收清单
用途：判断 9 小时课程录像是否真的转化成可用能力，而不是只看完视频。
最低完成标准
完成下面 5 项，就算达到“入学前可用”的最低标准。
- [ ] 看完 9 讲录像，或至少完成每讲 slides 的结构化阅读。
- [ ] 每讲有一页笔记，包含 task、model、objective、evidence、limitation。
- [ ] 至少跑通 2 个 lab/notebook 或最小复现代码。
- [ ] 能做一次 5 分钟中文汇报，解释其中一讲和一个代码证据。
- [ ] 能列出 5 个仍不确定的问题，并知道该问老师、同学还是 AI。
每讲验收问题
每讲结束后都回答：
- 这讲解决什么问题？
- 输入是什么，输出是什么？
- 模型结构的核心机制是什么？
- loss 或训练目标是什么？
- slides/lab 中最关键的证据是什么？
- 这个方法有什么局限？
- 它和我的课程作业或未来研究有什么关系？
代码验收
跑通 lab 或 notebook 不等于理解。至少记录：
- [ ] Python 环境和主要包版本。
- [ ] 输入数据 shape。
- [ ] 模型输出 shape。
- [ ] loss 或指标的变化。
- [ ] 一次报错和修复过程。
- [ ] 结果能说明什么，不能说明什么。
口头表达验收
用下面模板说 1 分钟：
我理解这一讲主要解决的是 ____ 问题。输入通常是 ____，输出是 ____。模型的关键机制是 ____，训练时通过 ____ 作为目标来更新参数。slides/lab 中的证据是 ____。我目前还不确定的是 ____，所以后面需要回到 ____ 检查。
红线：这些情况不算完成
- 只看完视频，没有笔记。
- 只复制 AI 总结，没有自己的问题。
- lab 报错后放弃，没有记录原因。
- 能说模型名字，但说不清输入输出和 loss。
- 只记住前沿应用，不知道它依赖哪些基础机制。
最终复盘
完成课程后写 300-500 字：
- 这门课把深度学习分成了哪几类问题？
- 我最能理解的一类模型是什么，证据是什么？
- 我最薄弱的是数学、代码、英文听课、实验解释，还是专业表达？
- 哪一讲最接近我未来可能做的方向？
- 下一步应该补哪一个最小 notebook 或哪一篇论文？