选课类别:核心通识 | 教学类型:理论课 |
课程类别:一般通识 | 开课单位:地球和空间科学学院 |
课程层次:自由选修 | 学分:2.0 |
这门课主要讲人工智能的基础知识,例如梯度下降法、卷积神经网络等,课程内容还是比较容易理解的,作为一门公选课还是讲基本法的。主页见http://cig.ustc.edu.cn/teaching/list.htm。
作业有一次图像处理的基本操作(基本靠百度),一次神经网络的搭建(跟TensorFlow官方给的结构基本相同,主要学习一下网络的结构、输入输出以及超参的意义),还有Final Project是用卷积神经网络识别地震图像中的断层,助教会给一个baseline,我们只需要在其基础上优化就行了。Final Project是在kaggle上冲榜的,详情请见https://www.kaggle.com/c/ustc-geo-ai20。没有期末考试。
老师上课并不会光读ppt,有时会叫同学来回答一些问题(不过有点小尬)。会讲到一些应用的内容,基本都是图像处理相关。助教有8位,40个同学分成8组,每组一位助教,这个可以说是这门课最大的特色了。
这门课提供了一个入门深度学习的契机,作业和期末项目都设计的不错,看懂并做完后应该会对如何应用深度学习有一个大概的了解。至于最后学到多少,完全看自己。比如期末项目是用U-net网络做图像分割,如果只想交差,直接把baseline调调参数完事,如果想改进就有很多花样(第一名attention都用上了,tql)
总而言之,是好课,扣一分因为上课节奏太慢,安排不合理。
如上面同学所言,这门课对数理基础的要求还比较宽松,内容不难听懂。当然因为课时比较少,基本上课上主要在讲原理,各种实际操作也不可能靠单纯上课搞懂。学期开始时我对C以外的语言没有经验,在这门课里算是学了一些简单的Python。Python的Numpy包和Matplotlib包功能强大,是对Matlab的一种有效的开源替代,这个学期其它课用到一些简单的Matlab的时候我都用的Python,体验还不错。
当然就像上面提到的一样,具体代码怎么写光靠听课是搞不懂的,网络具体该怎么搭也不可能通过一次FashionMinst的作业就弄明白。再加上这个学期期末作业DDL临时通知提前了23天,导致我做期末作业的体验相当差,甚至有点崩溃。似乎是因为老师被通知到这学期考试周后两周内必须提交成绩,所以宽松的作业时间一下子紧张了起来。
不过其实不能怪教务处所谓"政策突变",毕竟这学期一开始我就听说考试周后两周不提交成绩算教学事故了(
教师主页: 暂无