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。