Update comments for 2023 Spring(#65)

* Update Information-and-Knowledge-Acquisition.md

* Update Basics-of-Big-Data-Technology.md

* Update Parallel-Computing-and-GPU-Programming.md

Computer-Science-and-Technology/Basics-of-Big-Data-Technology.md

@@ -50,3 +50,13 @@
 6. **成绩情况**：95+
 7. **心得体会**：这课可以学到大数据的很多东西，感觉作为入门课程相当合适，我是之前没接触过大数据的，一学期课上下来，对大数据的整个流程都有了比较清晰的认识。
 8. **其他方面**：会给华为云的代金券，几百块的样子（虽然没用上）。程老师和助教都是很负责的。
+
+## 评价5
+
+1. **开课信息**：鄂海红（2023春）
+2. **推荐等级**：强烈推荐
+3. **授课内容**：大数据基础知识和工具如 spark，map-reduce等
+4. **考核方式**： 4~5次平常实验（视频教程详细）(60分)，两次期末综合实验（40分）
+6. **成绩情况**：95+
+7. **心得体会**：唯一三学分选修课；教程参考书详细,给分点规范。对于在大三的时候需要选修课拉分的同学非常推荐。迟交一次作业扣2分。很多人冲了100分。还发了700块华为云代金券,最后课程只用了一半,余额自由支配。
+8. **其他体会**：北邮没有限制选修课数量,这学期必修课给分低,想拉分可以多选不带考试的选修课。

Computer-Science-and-Technology/Information-and-Knowledge-Acquisition.md

@@ -86,3 +86,17 @@
    * 给分上：首先明确一点：单人solo比组队分数高（大概4分），只要你组队，2人或3人没有区别。前几节课就会给个评分标准.doc，但不要被里面的“有创新或尝试多媒体”骗了，多媒体在考核里是单独算的，没有做多媒体上不了90（即使你看了相关论文、在大作业里创了新）。
    * 授课上：基本学不到什么东西，比方说“信息抽取”就是花2个学时给你布置需求，具体咋实现，用啥算法都不告诉你；模式识别和数据挖掘就简单的介绍，有兴趣不如自己去找资料学。
    * 其他：最后一周了，说要验收是真的没想到。
+   * 
+## 评价7
+
+1. **开课信息**：刘传昌（2023春）
+2. **推荐等级**：推荐
+3. **授课内容**：信息检索基本概念和经典算法
+4. **考核方式**：三次大作业
+5. **作业情况**:
+    * 第一次：传感器调研； 作答:论文
+    * 第二次：信息检索系统；作答:机器学习方法。
+    * 第三次：信息抽取系统; 作答:P-tuning微调chatglm抽取三元组。
+
+6. **成绩情况**：90=
+7. **心得体会**：给分正常(已知最高的96),而且不会占用太多时间，作业较轻量，推荐大家选择。

Computer-Science-and-Technology/Parallel-Computing-and-GPU-Programming.md

@@ -9,5 +9,15 @@
 5. **作业情况**：平时作业好像有两三次，都是阅读分析 CUDA 样例代码，并写报告和 PPT。每次会给两个样例代码，看自己情况任选，一般一个较难，要费些时间看懂，另一个较简单，很快（一晚上）就可以做完。
 6. **成绩情况**：90+
 7. **心得体会**：这门课挺不错的，内容很实，认真对待的话 CUDA 编程能掌握个差不多。期末大作业是论文复现，会比较难，不过分数给得很慷慨。总之是高分好课，适合想学东西的人选。
+---
+
+## 评价2
 
+1. **开课信息**：黄智濒（2023春）
+2. **推荐等级**：一般
+3. **授课内容**：主要以 CUDA 为主。
+4. **考核方式**：有期中分享。期末为大作业，参考论文来复现或优化并行算法。
+5. **作业情况**：平时作业有三次，见评价一
+6. **成绩情况**：90+
+7. **心得体会**：期末验收可能会比较扣细节,这学期选修课基本都是90+,给分属于正常水平
 ---