相比另一个班多介绍了SAT问题、知识表示、语义网络、planning、MDP、机器学习的PAC learnable理论、强化学习、概率机器人等内容；少讲了logistic regression；此外还会介绍一些蛮有意思的创业故事。内容比较多，所以每个方面都浅尝辄止，这门课的内容也只是提供一个索引，适合有一定基础、想要拓宽知识面的同学。

拓展的内容都不考察，考试重点主要是搜索（无信息搜索和A*）；博弈：minimax、alpha-beta pruning；命题逻辑、一阶逻辑、归结，判断能否合一、skolem化、MGU计算、CNF范式、推理等，用一阶逻辑描述问题，归结推理得到解；贝叶斯网，判断条件独立、变量消元法；机器学习：监督学习（尤其SVM）、无监督学习（聚类和主成分分析）。

// 老师

人很好，上课喜欢延伸、科（chui）普（niu），明确表示不会点名（旷课党的福音！

每节课都在bb上有回放，不用担心错过什么考试重点

// 作业

全是课后原题，可以轻松的找到英文答案 and 往年作业（重复度极高）。但是今年吉老师一道learning的作业也没有布置，期末考试却出了不少，导致有些人措手不及了。（虽然有点疑惑为啥老师没布置相关作业，但是只要看了往年卷子应该可以知道这部分占比很高吧？）

// 考试

前边还是选择题、判断题，这差不多都是送分了；和往年在大题部分上有了些区别，考了不少些逻辑相关的，以往的那道计算条件概率送分大题被删了(^-^)；搜索、博弈、贝叶斯网络这三个都是必考题，没有变；learning部分考了道SVM，是隔壁班作业的简化版，然后讨论了下软间隔SVM的错误容忍

// 实验

lab1由吉老师班负责，出的比较简单，就写了下A*和alpha-beta剪枝，其它部分助教都已经提供了。

lab2是隔壁班出的，难度稍大，分为两部分：第一部分实现经典机器学习，就是贝叶斯、SVM那几个，第二部分深度学习，4层感知机模型+反向传播 和 复现MLP-Mixer。lab2的ddl在放假后的7月中旬，那时候我已经跑路去实习了，没精力卷，最后也没有完全做完，被扣了2分

//总结

最终成绩应该是稍微往上调了点。因为我不知道期末卷面成绩，没法确定到底调了多少（问助教只给我说考的很高，还以为要4.3了，但是最后并没有......不过反正没卷实验，就无所谓了）

这门课老师很好，比较理解同学，也会介绍一些前沿的科研成果；助教不爱水群，但是私聊都是很快回复，而且态度也很棒！同时也挺好说话的：比如课程群里集体申请推迟交作业等等......  就课程本身来讲，用吉老师的原话说：我们划的这些考试范围是所有程序员都应该了解的（大致意思）。对于不打算做ai方向的人（比如我）来讲，体验也不错。推荐选课～

后续会考虑放上21年原版试卷

更新于2022.06.05：

2021年春季学期《人工智能基础》期末试题.pdf

21年期末试卷已上传。声明：照片不是我拍的，我也忘了在哪看到的这份题目

刚考完还没出分，先写个点评。

上课不是那种对着PPT念的老师，经常会有许多拓展内容（不考），经常介绍自动驾驶与机器人的相关技术，但是有时感觉抓不到重点，感觉老师什么都想介绍给我们但是最后都没学明白。。。上课从来不点名，并且ClassIn系统上有课程录像，可以选择自行观看。

考试今年大变样，看了往年卷感觉这门课的考试比较水，基本都是固定几道题型，今年突然难度大幅度上涨，不知道发生了什么。最后一题考了一道手撕三个二维平面上的点的SVM，写出拉格朗日函数以后看着那一堆二次项，感觉最小值根本求不出来，直接放弃。（往年考的决策树之类的计算量都比较小，这次突然杀出来一个SVM大题让人措手不及）

上课等于科普（自学书上代码可能更有用） 考试全靠自学

考试=机器学习+概率论+数理逻辑2.0+一点点的上课内容

考试是统一出卷，建议去隔壁徐老师班找点机器学习的复习资料，svm基本必考，记得打印例题

ps：