2024秋 2023秋 2022秋 2021秋 2020秋 2019秋 2018秋 2018春 课程号：21070701
- 课程难度：中等
- 作业多少：很少
- 给分好坏：一般
- 收获大小：一般
| 选课类别：计划内与自由选修 | 教学类型：理论课 |
| 课程类别：本科计划内课程 | 开课单位：信息科学技术学院 |
| 课程层次：专业核心 | 学分：3.0 |
教学内容与难度
《人工智能导论》由查正军、熊志伟、王子磊三位老师授课，课程涵盖搜索算法、推理（逻辑与概率）、和机器学习三大部分。总体而言，课程内容广泛且涉及较多基础知识，评价较为分化。部分同学认为课程内容难以把握，复习难度大；另一些则表示能够通过考前速成获得理解。课程虽然知识面广，但政府总结出重点知识，并提出加强基础复习的建议。
教学与安排
三位老师教学风格迥异。王子磊的教学普遍被认为较为认真详细，熊志伟教学中规中矩，查正军的部分评价偏负面。一些同学指出，课程助教难以联络且作业管理较为混乱，尤其是作业收取和批改问题频出。此外，课程的笔记和材料未能及时提供，给复习准备带来一定困扰。
考试与给分
考试题目涵盖日常作业原题，但未触及最难内容。题目设置较为简单，考核时有可能遇到原题。虽然部分学生指出给分神秘和不理想，其他同学则反映考前突击可以获得较高成绩，给分整体偏好。考后出分时间有时延迟，引发焦虑。
学术价值与建议
课程被描述为兼具开阔视野与具体应用的导论课。然而，多数同学认为其对非AI专业学生吸引力有限。虽然可以初步了解AI领域不同方向，但由于缺乏深度挖掘，掌握难度对基础不强的同学较大，整体学习效果不尽如人意。如果对AI有进一步研究兴趣，建议选择更深入或集中的课程进行学习。
总结来说，《人工智能导论》内容广泛但深度有限，适合需要快速了解AI基础知识的学生。然而，备课与管理存在不足，需在复习安排上提早规划并积极寻求其他学习资源辅助。此外，选择课程前应充分考虑自身兴趣及专业要求。
- 课程难度：中等
- 作业多少：很少
- 给分好坏：超好
- 收获大小：一般
- 难度：中等
- 作业：很少
- 给分：超好
- 收获：一般
Literally 两天速成， 喜提4.3。 感觉自己期末考的没有那么好，应该是奶了的。
当然这个两天是从早上睁眼开始到晚上睡觉前除了吃饭都在看，再加上部分内容之前有基础，平时作业不是纯抄的条件下达成的。
知识广度很广，而我学期中一点没听，导致速成难度巨大。所幸到考试前，除了CV的部分课件，其他全部认真复习了。
建议: 平时听不进去的话就不听，但是做作业的时候要看一下PPT和书尽量搞懂一点（尤其是有些比较复杂的计算的东西）。然后期末再早几天开始复习，不要像我这么极限，人都要没了。
这里分享下自己的复习笔记，以飨后人，但可能没多大用，仅供参考。(见最下方)
以下为被老师邀请写的学习指导内容qwq
就23秋的教学来说，三位老师分别负责三个部分的内容。
第一部分是搜索，主要讲了各种各样的搜索算法，包括但不仅限于UCS，A*, alpha-beta剪枝等等。这一阶段的任务就是把各种算法怎么执行的搞明白，考试的时候叫你执行算法能写出来就行。
第二部分是推理（命题逻辑+概率相关内容），命题逻辑部分比较简单，主要是后面概率相关的内容要重点学习攻克。比如贝叶斯网络中的各种各样的条件概率计算，时序概率模型里面的滤波和平滑。作业里面这部分有很多计算的东西，要搞明白怎么算的。
第三部分是机器学习，对于学过真正的机器学习的同学来说，就是小菜一碟啦；没学过也没关系，不是特别硬核的，可以放心。个人感觉主要是决策树算法，卷积神经网络的参数数量计算，以及视差图的计算。视差图的计算按照惯例会出一个实验让你写代码，最后考试的时候还考了这个实验，让你写个伪代码。所以如果出了实验的话，记得考试前试着写一写，至少看PPT了解下原理。
对于这门课，期末复习是关键。我是先结合PPT的顺序和内容，有重点的把书上相关内容学习了一遍，看PPT应该是不太容易学明白的（前两部分）。最后一部分则是主看PPT（书上不知道有没有对应），感觉太科普的部分可以跳着看。然后作业再过一遍，全部搞明白咋算的，这样基本就没问题了。
平心而论，这门课不难，但是覆盖广度比较广。如果平时完全不听的话，速成会很有压力，因为东西多且杂。所以还请认真做作业，把每个题目搞懂呀。
结尾附上当年的（烂尾的）复习笔记，仅供参考~
https://pan.baidu.com/s/1FIKxpRGiOi-QUp8rA3hvWg?pwd=1958
