2025春 2024春 课程号：DS400101
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
| 选课类别：计划内与自由选修 | 教学类型：理论实验课 |
| 课程类别：本科计划内课程 | 开课单位：人工智能与数据科学学院 |
| 课程层次：专业选修 | 学分：3.0 |
本课程是大数据学院本科生专业选修课程。主要目的是让学生对人工智能有一个较为清晰全面的系统了解、掌握应用人工智能经典算法解决实际应用问题的方法。本课程主要介绍人工智能的基本概念、基本原理和基本方法，前沿应用和前沿思考。具体内容包括搜索策略、知识表示、确定性原理与不确定原理、专家系统、智能算法、深度学习等原理与技术、对于人工智能的前沿思考。该课程将引导学生了解人工智能研究与应用的发展方向、开阔知识视野的同时，提高学生的动手实践能力。
- 课程难度：中等
- 作业多少：很多
- 给分好坏：超好
- 收获大小：很多
- 难度：中等
- 作业：很多
- 给分：超好
- 收获：很多
是24SP学生+25SP助教
这门课最显著的特征之一应该就是代码阅读量大了，每一个课程实验都是一个完整的、有意思的小项目，做完应该会很有成就感。和其它 “经典数据集+经典算法=完结撒花” 的课程实验不太一样，用24SP助教的话来说，我们并不是要大家重复造车轮，去默写经典的算法（这里点名表扬Dijkstra，在数据结构、算法、运筹、计网里真是见一次就得默写一次，无论是用笔还是键盘）。这门课更加侧重如何把这些算法用在现实的问题当中，大家做完HW1后应该就会知道这是什么意思了。据说往年HW1发布后会退课很多人，希望今年大家可以尽量坚持下来（往年的学长们很多也都是从完全不会Python、没有写过项目开始接触这门课的，但最终都做得不错，大家相信自己一定可以的💪，今年HW1在实验难度整体不变的情况下加入了代码理解的部分，目的也是给出一些阅读代码的方法论，减缓学习曲线），相信大家在上完这门课之后代码能力一定会提高不少！
（另外，提醒一下，这毕竟是一门3学分的课，且没有考试，每次作业直接占总评20%，可想而知这门课每次的作业量肯定会比其他课程多，千万不要当ddl战士！！！）
π Day
今天！终于！把HW1发布了！
作业1传承自Stanford CS221的Route，今年终于换成科大（以及合肥）地图了🎉
（从去OpenStreetMap上修正科大地图一直到最后确定最终的题目花了我整整3周了😭，终于结束了。希望不会出现什么问题，出现问题也请大家直接联系我修正，轻点儿喷，谢谢大家了😭）
希望大家玩儿得开心！HAVE FUN！！！
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：一般
- 收获：一般
实验课体验好差，录播的视频根本没法看
- 课程难度：困难
- 作业多少：中等
- 给分好坏：超好
- 收获大小：很多
- 难度：困难
- 作业：中等
- 给分：超好
- 收获：很多
扣一分给 拖了一整个暑假没出分 & 原理性的东西过多而且不太透彻，鄙人实在是不喜欢符号数学（也许是课堂内容过多吧，这门课实际上是导论性质的），其他满分。大数据学院的课是不是都喜欢拖着不出分啊……
特别感谢邮件秒回的王翔老师、两位实力强负责任的助教。今年的实验进行了很大的变革，较为贴近 Standford CS 221，新手友好，同时还能学到东西，包括但不限于自己写一个智能 Agent、Python 语法、Latex 语法（误），希望后面这门课也能越来越好。
想打8.5分的，但是评课社区不支持，只能酱紫了
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：一般
- 收获：一般
开学评课，先给个八分观望一下。
似乎这门课的形式是wx和hxn两位老师每周轮换，应该没有人会怀疑这二位老师的能力，所以听不懂只能是我自己的问题了😭
但是第二周的节奏真的不算慢，至少作为初学者接触到这么多概念就有点懵懵的，可能在老师眼里这些是比较trival的。不过下课后助教找老师开通了回放权限，以及老师在群里推荐了几本参考书
今天(3.12)的习题课体验不太好，可能助教也是第一次（听说Jwc要求每周开一次习题课
