老师很好，助教很好

不针对老师，不针对助教，只针对这门课本身

这门课的定位是认真的吗，本应是导论性质的课，加了一大堆的内容，搞得好像好几门课加一起一样。

最抽象的是大作业，这个CNN的任务是认真的吗？细分下来有几十个任务，都快上百了。一个CNN写十几遍是认真的吗？全搞下来要花我从早到晚几天时间。还有这个实验报告更抽象，又要按指导书编排，又要按代码文件编排，而一个文件在指导书里前面用一下后面又用一下，所以怎么个排法？这个报告又要求啥玩意都写上去，要求写的巨细无遗，有考虑过任务量吗？我说出这个CNN大作业的真的考虑过任务量吗？

姑且占个坑，回头慢慢更新，顺便尽可能给后来不可避免赤石的同志们提供一些建议。

老师和助教都很好，我没有意见，算是这门课唯一能夸的地方。但是课程安排什么的实在过于奇异搞笑，我不好评价。几则趣闻，这课前几节没有教材，编好了但是jwc没审核通过不给用🤣；第一节课突然告诉我们有上机实验，但是没安排好，助教老师地点时间全部是滚木😄，到10月中旬才上实验课，还冲掉了部分同学已经选好的课，不赖；老师其实不想整闭卷考试，但是jwc强制要求有一个期末考试，而且得是闭卷。

课程大概内容：

线性回归和逻辑回归

神经网络

图神经网络

Transformer

自监督学习

强化学习介绍

1月12考试。10道判断＋5道大题。

判断题从神经网络开始涵盖到了强化学习，而且强化学习直接考了两道判断题。但是整体难度不会很大，前提是能硬吃下教材的一坨东西，个人认为备考最难的是看懂教材说的火星语。不过一般错的比对的多不少，毕竟要写理由的话写错误的理由会好写一点。

大题分别是CNN参数计算，逻辑回归，反向传播算法，二元语言模型，Transformer自注意力计算。如果你记得怎么算就不难🤣，数值尽可能简化了而且可以用卡西欧。我当时被二元语言模型卡了半天想不起来公式，这题是在我意料之外的。助教给的模拟卷大题过于伪人，一堆简答题，答案根本想不到，备考的话还是多看看简单的计算和简单的概念，复杂计算肯定不考。

我本来以为反向传播算法会考两层神经元，实际上只用算最简单的反向第一层，可以看出来有在压难度了，但是感觉考试最后结果还是会比较凄凉。。。本人疑似从课程开始就搞错了一个函数的形式导致考试疑似结果反了😭，简单的东西记得看清楚😭。

这门课得定位实在不明，它似乎想深入讲解一些原理，但是一旦深入就会产生大量需要单开章节甚至课程解释的前置知识，导致有相当一部分内容更接近于所谓的导论，其中又夹杂着一些理论上我们能理解的数学原理，但是教材对这些数学原理的解释实在一言难尽，处处有着意义不明的记号不加以解释，读起来极其费解，很多地方标量矢量矩阵混在一起，让人摸不着头脑。教材不对这些做详细解释，反而在其他地方写了大量更应该放在导论介绍的内容，文字量巨大，并且夹杂了大量专业名词，很难真正理解其含义，甚至部分地方可能有着浓重的AI风格（不是说就是AI生成）。另一个大问题是授课内容的选择，这门课理论部分既有机器学习的内容又有深度学习的内容，想讲的东西太多太多了，光一个神经网络想讲清楚真的是三四节课能做到的吗？有意思的是，老师说由于时间太紧，图神经网络一节课就速通完了，我：图是什么，什么是邻接矩阵？宁愿砍时间也不砍课程内容吗😭，仁慈的是期末考试没考。上学期少院试课就有同学反映课程内容太多了，这学期课时变少了但是课程内容没少太多，导致老师虽然课讲的很认真，但是我也实在不想听，实在太折磨了，一低头一抬头就是完全陌生的东西😭，这课后期到课率感觉没三分之一。

然后是实验课部分，奇异搞笑的是企图用四节课教会python，然后开始教逻辑回归和反向传播算法的代码，最后是大作业：transformer  cnn  ai for science三选一。大概助教和老师也知道让小白能快速学会这些不现实，所以大部分实验内容助教帮我们写好了代码框架，我们只是照葫芦画瓢和补补边边角角，自主性高一些的就是最后的大作业，要写一份实验报告。这样的结果就是讲的虽然飞快但是我们也没学会什么东西，后来都是靠ai学的。

吐槽的先写这么多，前段时间复习这个实在忍无可忍。

2025人工智能期末(模拟考试) 2.0.pdf

2025人工智能期末(模拟考试) 2.0 - 答案.pdf

需要模拟题的那个xd看这里

没学课本，做了一下模拟题，这课机器学习和深度学习加起来在他面前只能算新手难度啊