共 8 篇帖子来源 · 更新 2026-08-26
课程概况
选课建议
- 名字带 data warehouse，实际大部分是数据挖掘；作业在 Jupyter/Weka 上完成，引导较细。
- 期中期末线下机考，有 check 机制（查错会扣分、不查则错题零分）；工作量主要在后一个 project。
帖子来源
以下为整理摘要，原帖见链接。
- CityU CS 选课血泪史6⃣
课名含 data warehouse，实际大部分是数据挖掘。课上 PPT 常留空、边讲边填。作业在老师部署的 JupyterLab 完成，Python + Weka，引导细。Problem Sets 与 Project 1 工作量不大，主要在 Project 2。期中期末线下机考，有模拟考。机考可逐题 check：失败扣分，不 check 则错题零分。
- CityU Msc CS选课指南SEMB（下）（划水版）
MIT 背景老师，注重互动。每周 tutorial 量大但总分很少，没时间可放弃。个人 project 类似实验。小组 project 需录 presentation 并互评。期中期末用特制上机系统，可多次 check、错一次扣分，考前有模拟。熵计算几乎必考。概念题相对难。
- Cityu cs semB 课程测评
约 10 次 tutorial 共 5%、个人 project 10%、小组 15%、期中 20%、期末 50%。tutorial 耗时、性价比低。期中期末有人觉得简单。某年期末考过 DBSCAN、BUC 排序、OPTICS、linkage/k-means、Apriori、FOIL/信息增益等，未考第十二章数据仓库。
- 港城计算机 CityU CS 学期B 选课
约 5% 平时、10% 个人 project、15% 小组、20% 期中、50% 期末。有回放，无复习课但有模拟机考。JupyterLab 含自动评分、答疑和 Weka 虚拟机。小组 project 自选数据集、与 Weka 无关，需录视频。机考：期中偏分类与决策树，期末偏聚类与 Apriori，信息熵贯穿。
- CityU Msc Computer Science选课2
含 assignment、project、期中、期末，tutorial 为附加分。强度略低于 ML，由浅入深。期中期末机答，听课或回放后复习 PPT 不难。project 不必很难，但细节要求高，presentation 会被追问报告里写含糊的地方。
- CityU CS SEMB
与 CS5489 在聚类、决策树等有挂钩。有 Zoom 和回放。tutorial 占比低但量大，用 Weka。期中期末均为机房机考、半交互系统，需提前熟悉。有个人 project 和小组作业，多在 Jupyter 提交。
- cityu CS课程评价(二)
讲课质量口碑好。机考有 check，考完能大致知道分数。大量 tutorial 合计仅 5 分，对考试帮助不大。期中偏 evaluation 与信息熵。期末大题含 DBSCAN、OPTICS、BUC 与 evaluation。
- CityU MSc CS选课攻略，港城计算机选课
Chung Chan。内容为数据挖掘基本算法：决策树、分类聚类等。作业多，考试略难，给分一般。
评论区补充
暂无数据