选课类别:计划内与自由选修 | 教学类型:理论课 |
课程类别:本科计划内课程 | 开课单位:自动化系 |
课程层次:专业选修 | 学分:2.0 |
秦晓卫和陈晓辉两位老师在教学上态度认真,课前准备详尽的PPT。然而,一些学生反映,尽管老师尝试幽默地授课,但教学效果不佳,无法有效传递知识。尤其是秦晓卫老师在课堂上对应PPT朗读的方式受到批评。部分学生更偏好陈晓辉老师较为互动的教学风格。
课程内容涵盖人工智能的多个方面,包括数据结构、数理逻辑和机器学习的基础。然而,课程设计被认为内容繁杂且实用性欠佳,部分学生建议应增加实践环节,如编程实战训练。一些学生反映,课程内容浅尝辄止,无法提供实质性帮助。
作业被评价为描述模糊且缺乏逻辑,尤其是在算法模拟方面的手算工作量较大。作业多为书上原题而无答案公布,助教在作业批改上也存在不及时和反馈不足的问题。提交方式要求打印电子版作业,引起部分学生不满。
考试被视为主要是背诵与理解竞赛,大量选择题考察犄角旮旯的知识点,简答题多为概念公式默写与算法枚举。尽管考试被认为艰难,但通过复习课后PPT,一些学生表示能勉强应对考试。
课程给分总体偏宽松,虽然有学生依据主观感受表示机械地获得较低分数,但优秀率却较高,有些学生取得意料之外的成绩。
课程在目前的量子信息英才班的必修设置让一些学生不解,建议应将其转为大一或作为选修课更合适。对于有基础或具体兴趣的学生,建议选择更专业的课程如“机器学习A”。课程设计上建议更倾向于并重理论与实践以提高学生的学习兴趣与积极性。
考完试来更新一下点评了,提几点本人的上课感受:
1.建议把这门课踢出量信培养方案,不如加进大一少院必修的导论课里让他们来卷。
2.课程内容太多太乱,相当于数据结构,数理逻辑,机器学习等课程的内容概要,作业数量多质量差,还有一半没答案、考试负担重。
3.考试就是背书大赛,题目单选多选偏题怪题多,比如会考“人工智能”这个词是什么会议提出的。选择题从几千页的PPT里找些犄角旮旯出题,简答题还是算法枚举(人脑编译)和概念公式默写,个人建议改成开卷或者直接取消考试改成大作业。
4.这门课基本学不到什么知识,内容多而肤浅,如果想深入学习推荐选王杰老师的“机器学习A”https://www.icourse.club/course/24565/,可以更深刻理解机器学习的底层逻辑。
出分了喜提3,虽然我的GPA没有变,但是好像评课社区还是不能打0分。
这门课真的纯纯的折磨
我只能说没上过这么烂的课。
从老师,到作业,到助教,全方位多层次立体化的一坨屎。
先说老师,你是不是觉得自己讲得很幽默风趣,轻松活泼?一个计算机专业的课,老师上课居然在口糊?!真是闻所未闻。教材更是重量级,不知道是我水平太差还是怎么的,一个形式化的定义我愣是没看懂(准确来说我都没找到,全靠几个例子自己归纳),老师上课更是只字未提。
再说作业,全是书上原题,但照样是一坨屎。一本top2大学的教材,题目描述如此无厘头。举个例子,这个野人和传教士
我想请问作者几个问题,请问可以一边没有传教士吗?你说了吗?野人能开船这件事你说了吗?我应该知道吗?还有什么2D方格图,我到哪里知道这是个什么东西,花两句话描述一下不行吗?每道题都描述地这么毫无逻辑,一句话一道题显得你很有实力?还是节省篇幅给你写那些你自认为很幽默很风趣的废话?
最后说说助教。我不明白,都2024了,烧纸都能线上,你家作业不能交电子版?我们写的电子版作业还得绕一圈给你打印,哪儿来的这么大架子,嫌麻烦就别来做这个助教!
课程质量(20%):4分
教学质量(40%):9分
助教辅导(20%):9分
给分好坏(20%):7分
加权平均:7.2分 → 评价:7分
没有一分是给这门课的,全靠老师和助教捞了这门课。
首先,这门课是毫无疑问的我从开学以来上过的最答辩的一门课,没有之一,量子信息技术与此相比也只能说是甘拜下风。我实在不理解对于量子信息英才班的同学,这门课有什么绝对的必要性。如果他作为专业选修,那将是绝杀,我选了是我愿意,或许会给到很好的分数。可惜他是必修,那这门课就是一坨。
作为一门导论课,他确实很好的完成了导论课的使命,那就是只有导论没有任何实际的帮助。我甚至期末复习神经网络一部分内容的时候,看PPT给我看恶心了,最后兜兜转转靠同学推荐看到了google的一个机器学习的课程Machine Learning | Google for Developers,花了半天把这个过了一遍,对机器学习非常快的有了一个大概的了解和认识。没有实践的课程,仿佛纸上谈兵,真是让我没有任何学习的动力。
量子信息英才班的同学,大多数是去搞量信的。我并非说,计算机类的课程不应该出现在我们的班级里,但我更倾向于实用化的编程练习课,比如如果这门课是教我们怎么搭建神经网络,怎么训练,怎么使用TensorFlow,那我也会对这门课相对认可。导论课大多数时候的效果是适得其反,我本身对人工智能机器学习还挺感兴趣的,但上完这门课疑似消磨了我对其的那一丝丝兴趣。当然这很可能是我的问题。
老师很好,助教很好,真的。PPT其实准备的很认真,但受限于课程设计,这门课注定不会有多么美好。
总之及格了,对于只复习了两三天的我来说也凑合了,完全能够接受。就这样。
上课纯坐牢,难得上周我认真听了一下午,刚才一写作业看到什么博弈树又懵了,上课我到底学了啥,老师对着ppt一通念我就能会吗,总而言之我想问问sb量信培养方案怎么这么多史课(还有量子信息技术)
课程内容与收获:70%,8.5
作业:25%,3
给分:5%,10
加权平均:6.8->7
上课内容:两位老师讲得都很好,内容充实,起到了导论课的作用,比较浅尝辄止,个人更喜欢陈晓辉老师的风格。 教材《人工智能导论:一种现代方法》特别厚(很多不讲),PPT很详尽并且会课前发,可以不需要购买教材。秦老师讲前半部分part 1-4(概述、搜索、知识推理、不确定推理),陈老师讲后半部分(学习(机器学习、深度学习、强化学习)、应用(自然语言处理、计算机视觉、机器人)、AI趋势)。前半部分的算法要求掌握原理会计算,后半部分比较散,主要是了解性质,复习主要依靠PPT。最后几次课陈老师从没有交作业的同学里面抽点名。显然,没有一位同学来了。
作业:前半学期的作业有很多课后题,感觉表述不清晰;后半学期作业除了典型算法之外,主要是选择题和概念解释题。考试题型和作业类似。因此,前半学期内容考试的算法多一些(仅限于手动模拟算法,不要求代码或伪代码);后半部分的内容考试也以选择题为主,这就导致了考察选择题散布在各个角落,复习比较困难,考试题也比较偏。
给分:79->88,优秀率说是给满了。吐槽一下这张卷子,选择题真恶心,光选择就扣了13,后面是朴素贝叶斯犯了一个愚蠢的错误。
另:23级开始,该课程的课程号变了,不知道要不要申请互相替代。
想了想,我觉得今年的助教值得单独的一段。一开始批作业只是看一眼,不打勾叉。后面反馈了几次之后终于有分数和对错,虽然是黑笔,但是这何尝不是一个巨大飞跃呢?关于答疑,开展了0次习题课,0次答疑课,后半学期作业答案不发,问她的时候回答就截个图,问为什么的时候不给出有用信息。不过无论如何,回答态度还是好的,也不能说一无是处。这里截取几句原话,大家感受一下(后面就没有然后了,不知道是不是因为临近考试的原因):
看得出来老师尽力了,内容安排不行也是没办法的事。
一个小建议是把第一章删了,第一章给人一种水课的感觉,作业也很离谱,第一印象直接拉闸,自那之后我看上课就没什么人听了。
老师人很好,上课水平不错,助教很善良。给分应该可以的,至于这门课嘛那当然是请文明用语的。 就是我太菜了😭
沟槽的课程,给了我一种回到高中学政治的感受。作为本人这学期第一门考试,还是能投入大量的时间去背知识点的(很难想象要是这门课放在1月份考我会不会裂开)。考试分选择题和大题,选择题全是概念之类的问题,不背不会,背了你也不一定会,就是这么个道理;大题基本考的都是作业题里面做到过的类型,相对来说理解了基本都能完成。说到作业,这沟槽的课程作业从来不改,最后复习的时候发现有几次作业的答案都没发在群里,我只能说助教和老师也是神人了。一码归一码,相对来说陈晓辉老师的上课风格比较“亲民”吧,至少后半学期上课是能感受到老师是在有意和学生在互动的,前半学期就不多做评价了。个人最后总评得了88,很难受,但至少拿了个优秀,最后给个2分半的评分给这课程吧。
秦晓卫和陈晓辉老师备课认真,课堂表现较幽默,但部分学生表示不能有效传递知识。教学内容涉及面广,但实用性不足,有同学建议增加编程实战练习如搭建神经网络。
课程内容偏理论,部分重复数据结构等已学内容,实用性不高。有同学觉得第一章内容过于基础,建议删减。一些学生认为导论课旨在引导,但实际效果适得其反。
作业难度较大,且描述含糊不清,有同学认为作业题目设计缺乏逻辑,部分题目手算工作量大。部分学生对提交方式不满,需要打印电子版作业。
考试内容未具体提及,但大多数学生表示通过课后复习能够及格。
总体给分较为宽松,但具体评分未详细描述。助教人很好,能提供一定的帮助。
课程适合大一新生,但实际安排在三秋必修,有些无法理解。对于对人工智能有基础或兴趣的学生更适合。