选课类别:计划 | 教学类型:理论实验课 |
课程类别:本科计划内课程 | 开课单位:计算机科学与技术系 |
课程层次:未知 | 学分:4 |
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。