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。

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。

看了学长的pksq然后大一来选的课。如果当作导论课来学的话，那收获确实蛮大的，但是如果是专业课的话，的确有点浅尝辄止而且没有实践的部分（故这里扣一分）。

前半部分是秦老师的part，主要是一些经典的算法介绍，包括搜索，逻辑，概率等等（作业有点逆天）故这里扣一分

后半部分是陈老师讲解的，主要是介绍比较前沿的人工智能算法，比如机器学习，强化学习，深度学习，自然语言处理，计算机视觉等等，对我个人来说还是收获蛮大的，对整个AI有了一个比较清晰且全面的认知。

两位老师都很nice，但是可能囿于课程设置本身的问题，没办法很深入，不过两位老师还是尽己所能来给我们拓展可能的部分，ppt里面有的都直接贴出来论文和一些网址，老师还发了一个python_for_AI的文档，可以课后去自己探索，也算是导论课的功能吧。

给分主要是给在老师的认真备课和精彩讲解的部分，至少在上课的时候我就可以比较清晰地认识到ai的各种概念，再加上回来求助gpt，也能对各种经典算法有一个初步的认知。

but说说槽点 前面几次作业确实有点。。。反正每周让gpt帮我都得写好久（）然后考试主要是一些概念的记忆和理解，算法的阐述。但是考哪几个模型属于哪一类这种背诵的我实在记不住啊（故这里再扣一分）大题考了个α-β剪枝，一个隐马尔可夫链，一个一阶逻辑，一个决策树，一个梯度下降法，一个归一化的解释，一个状态空间图。。。剩下记不得了

然后给分，因为讲真很多数学还没学到，所以好多东西都得先学数学再来，然后考试里面那个HMM的贝叶斯就没记下来。最后成绩也还凑合。

教学水平

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

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

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

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。

给分

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。

适合人群

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。