不是哥们每节课都小测啊？一节课就剩个五分钟还布置一大堆题，合着就必须完整听完你一整节课才行呗？还有点名答题（不记名），每次都浪费一大堆时间，直接讲下去有人不听就不听啊，最后布置作业布置实验和期末考出来不都一样，难怪开学选课跑了那么多人

石中石

补充资料，期末可以打印：

统计学习方法节选.pdf

我看王老师的评课还没有人提过考试题目，那么我来写一写吧。

首先，不要相信“可以复习两个班作业的交集”，今年王老师班的题是自己出的，和jjm可以说是完全不一样，复习的时候以王老师的复习PPT划定的范围为准！！！

然后是25春期末试题精确回忆且倒序版：

计算：5.小测+作业，二分类权值迭代公式+半监督学习EM；4.信息增益决策树结点划分；3.alpha-beta剪枝，PPT有；2.感知机分类原理，作业有；1.数理逻辑，很简单的三段论。

简答：2.PEAS，目标检测，YOLO算法简述（这个真不会，坑麻了）；1.SVM原理，即间隔minmax。

填空：GAN原理，K-means原理，F1分数计算，PCA（实验三的一部分），Bayes Net，Ada boosting(集成学习)，期望风险和经验风险（这个我也不知道哪里讲了），退火算法，alpha-beta剪枝原理，A*函数定义，第一题是——标志人工智能走上人类历史舞台的事件是？

总结一下：不难，原理性考的远多于计算（和jjm班的显著区别），但是杂碎，Ada Boosting这种PPT上就算有也几乎没人会重点复习的东西，考场上只能翻西瓜书，西瓜书又不是这门课的标准教材，所以有点好笑。一门人工智能现代方法的课程考成古代原理和找资料大赛，考场上⅓的时间在翻书。不过好处是都能考得不错，方便调分或者捞。

关于非考试部分不想评价太多了，总之我觉得，这门课应该大二甚至大一下学期就上。

刚刚开课两周，甚至我连老师长什么样都不知道，但是必须来刷个好评。个性化选课秒过，有什么问题发邮件有问必答还贼快。由于叠课跨校区到课有点困难王老师直接给我免听了，对比起来其他发了邮件石沉大海的老师，实在是暖心太多。

学完一学期再补充评价。

– 

暑假更新：老师给分蛮一般，然后考试内容和另一个班很大不一样，复习的时候千万注意，别看错圣遗物资料了。

实验：xXuHaiyang/USTC_AI2022_Lab (github.com)

给分：应该是中规中矩的平时期末46开给分，班级平时分中位数是89.5，基本上算是小捞了

平时分你只要认真去上课认真写作业认真写实验基本就是满分别像我有一次直接睡到12点被手撸决策树小测背刺就行

做完全部实验了，出分后放个实验链接让学弟学妹们轻松一点

适合混学分/刷绩

上课简单

课后看看PPT和书就行 本人之前学过一遍机器学习 就当复习了

实验自己捣鼓捣鼓 有基础最好 没基础正好学一学

考试开卷 个人觉得西瓜书反而不必带 最好带《统计学习方法》和打印的上课PPT

期末考比较简单

有个读书报告感觉挺有意思的，分享内容是近几年CCF-A类的论文，不少同学讲得还是挺不错的，算是这门课的最大亮点

给分未知，个人感觉助教和老师人都挺不错的，出了再更

两个班授课内容严重不一致，复习极为痛苦。

这门课严格来讲有两个老师，前半部分的搜索是由李金龙老师来讲，后半部分的ML才是王上飞老师讲。

李金龙老师上课用的是他给研究生上课时用的PPT，但是本科生阅读完全没有问题，而且李金龙老师上课非常风趣幽默，富有激情，也会扯一些搜索方面的竞赛、实验室的研究方向等。

王上飞老师的部分就比较麻烦了……讲的东西多+杂，授课内容主要基于西瓜书+吴恩达公开课，上课全程高能，由于时间限制，很多艰深的东西只花了一节课就讲过去了。上课是不可能听懂了，我个人对着西瓜书复习的也是极为痛苦，最后没办法只能交集复习法，然后一大半PPT连看都不用看了

至于逻辑部分，我们班提都没提，所以期末考的时候就直接去掉了。

老师似乎一直没有接受我们千奇百怪、貌离神合的听课方式（apple pencil、电脑pdf批注，etc），总是认为我们没有认真听课，总是在强调听课听课听课……虽然后期老师也理解了，但是感觉还是有点不太舒服……因为我拿着ipad记笔记总会被老师误以为我在玩ipad不听讲？？？？？？

因为老师总是认为我们上课不在听讲，所以上课小测不少，有一段时间甚至疯狂到了一节课讲课一节课小测（手撸决策树伤不起）的地步……

我们优秀的Fx同学已经整理出了试卷的回忆版，请自行查找，这里就不赘述了，各位亲们如果修过web记得把数据挖掘部分的资料和作业也带上哦，说不定会有奇妙的作用呢（指最后一题）

搜索部分严格来讲总共有两次实验，第一次是四个梯度下降算法的编程作业，算在作业分里面，第二次是A*算法和IDA算法+CSP问题。

ML部分也有两个实验，第一个和隔壁班类似，SVM+贝叶斯+MLP，可以调包但是需要调参，从这一点上来讲比隔壁班舒服一些。（手写上述算法可以加分，不过从最终公布的分数来看，手写的人寥寥无几）

第二个实验是开放性实验，自由选题（可通过参加某些比赛来作为替代），有开题报告和结题报告，各5min，时间比较紧凑，但是由于开放性大，而且助教给分比较宽松，因此只要出了成果（最好是能演示）的，得分都在85向上。

由于计划赶不上变化，导致我的复习流水线出现了Harzard，以至于这门课爆炸了，但是从最终公布的分数比例看，平时+实验的比例占到了50%，因此从这个角度来看，给分是很不错的。

总的来说，王老师的课广度有余，深度不足，很多东西都是粗糙的过了一遍，而且一些比较难懂的章节上课很难跟上老师的节奏，和xll对比下来我也不好判定孰优孰劣。

复习的时候抓住交集+两个班作业题+《人工智能——一种现代方法》就行了，西瓜书作为一本入门教材还是太难理解了一些（用某位julao的话说，西瓜书是，懂AI的人不屑于看，不懂AI的又看不懂）

非CS，信院来蹭学分的。

课堂体验：一般。内容多、杂、难、乱，具体的上面的同学写得很清楚了。主要是想吐槽一下王老师的课件，简直是大型高糊截图现场，大部分都是从其他课件和教材上截下来直接贴上去的，打印效果堪比**画质。

实验：外院的表示能学到一些东西。

给分：助教说的给分标准是期末开卷考试60%+平时分40%，不过最后调分了（然而我被卡绩了QAQ）。实验部分给分超好。上课小测是算进平时分的，所以没去上课的同学平时分可能会爆炸。

参考书：AIMA，西瓜书，模式识别，统计学习方法。第一本太厚，第二本太难，第三本没用，第四本不全。我平时用的是西瓜书和统计学习方法。

总之，这门课还是挺适合拿学分的。

最后推荐一下“南瓜书”，这里有西瓜书一些比较复杂的公式的推导，很有帮助。