2026春 课程号：AI1001A01
- 课程难度：困难
- 作业多少：很多
- 给分好坏：一般
- 收获大小：很多
| 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：通修 | 学分：4.0 |
- 课程难度：困难
- 作业多少：很多
- 给分好坏：一般
- 收获大小：很多
- 难度：困难
- 作业：很多
- 给分：一般
- 收获：很多
个人笔记（草稿版）仓库已推送至 Github。希望个人的愚见能给大家的学习带来些许便利。
如果你有好的建议，欢迎联系我！可直接在仓库提出 issue、PR，也可以直接踢本人～
来了来了，考完期末直出评课。
作为pksq知名太空电梯，这门课的含「金」量如何，想必大家都清楚。有关乱动同学们培养方案和排课计划的问题，可以移步隔壁太空电梯。我这篇评课就课论课，讲讲这门课到底「神」在哪。
给分比例放在前面：作业(10%) + 考勤(10%) + 实验(40%) + 期末考试(40%)。
A/B的区别
24级A系列课程是本学期第一次开，本人作为贪吃鬼选择提前一个学期吃这一坨。相比B课程，A课程多了一个学分，主要是多在后面强化学习的部分，尤其是Q学习等一坨东西。A的期末试卷是单选、多选、计算题。B期末试卷多了一个判断+写原因的题。其余的东西似乎就没有不同了。
另：虽然多了一个学分，但是A和B的实验内容似乎是完全一样的。
背书大赛
这门课被我的朋友锐评为「人工智能发展历史」，感觉不无道理。翻开课本第一面看到《列子·汤问》还能绷住的也是神人。以下是章节省流版：
| 章节 | 知识点概要 | 考点 |
|---|---|---|
| 第1章 人工智能基础 | 人工智能的发展历程，人类探求「智能」的历史脉络 | 历史事件与里程碑、核心概念定义（了解） |
| 第2章 机器学习基础 | 线性回归与逻辑回归；假设类、损失函数、正则化 | 损失函数形式、正则化方法（L1/L2）、回归推导、梯度下降 |
| 第3章 神经网络基础 | 感知机、神经元、CNN；反向传播算法与残差连接 | 反向传播过程、梯度计算、CNN 结构与参数量计算、Sigmoid、ReLU及其变体 |
| 第4章 图神经网络 | 图学习理论基础 | 消息传递机制 |
| 第5章 Transformer | 现代 LLM 的基石架构 | 注意力机制（Self-Attention）、位置编码 |
| 第6章 自监督学习 | 从无标注样本中学习特征，现代 LLM 训练的核心方法 | 对比学习、预训练任务设计、BERT |
| 第7章 强化学习 | 在序贯数据中寻找最优策略 | Q 学习、Bellman 方程、策略梯度、DQN（了解） |
之所以说是背书大赛，是因为试卷里六七成的题都是以选择题和论述题出现的。选择题以概念居多，还特别喜欢以SEP、CLS、MADDPG之类的缩写来轰炸你，背书少背一点很容易翻车。后面的论述题主要是应用场景，问你为什么要这么做，会有什么问题，如何优化。这些内容都是现成的结论，死记硬背远比考场上先推要容易。
数理基础
咱们学校最引以为豪的就是「数理基础」，这门课戴着一个「数学基础」的帽子也是当仁不让，后面的那个「算法」，有，但不多。
人工智能的核心数学工具包括线性代数、概率论和微积分。对这些工具不太熟的同学，看课本上的公式可能眼前一黑又一黑又一黑。变量多且下标多，初看还要花点时间来理解公式到底在怎么算。
考试题依旧发挥人肉计算器本色，我们相信，手撕前向传播、反向传播、Transformer、CNN维度这些简单的计算，在柯南眼里都是小问题。不过有一说一，期末考试的计算难度并不大，数据维持在二维，且数字很好看，扣两下计算器就能算完。对于已经拟合好计算过程的同学来说难度非常低。
实验课
话又说回来了，期末也只占百分之四十，期末容错率还是有的，不过想拿高分也比较困难。下面讲讲课程另一坨百分之四十的实验。
我认为实验课整体难度是陡增的，尤其是对平时没有写代码需求的同学而言。前面几节课还只是python基础，后面一跃跳到面向对象编程，再一个大跳直接写线性回归和图片分类。很多同学可能都没搞明白python怎么写就要开始写模型训练的代码了，然后实验课就结束了。整一个左耳朵进右耳朵出，对能力提升没有任何帮助。
用AI写这些东西完全就是降维打击。实验代码的年龄可能比各位同学都大，都不知道老师是在哪个文物仓库里掏出来的东西。全程开auto让agent帮你一站式搞定就行，最难的实验也不过三十分钟。不过，即便代码不用自己写，基本原理还是要会（背诵）的。后面的实验助教会通过问你几个问题来验收。
这个学期的实验课还出意外，原定大作业是CNN图片处理和transformer二选一，不知道为什么两个实验都要求完成，各给两周的时间。带来不小的工作量。
建议与小结
结合上面的叙述，给后来者一个警醒：速通这门课的想法是不切实际的。每个章节的概念尽量还是平时背一背，考前只花一两天背诵整本书压力太大。计算题还是有迹可循的，课程涉及的算法并不困难，随着往年卷的样本增多，相信后来的同学们能又快又准地拟合。
以下的评课是课上闲着无聊写的随笔，算是课程过程中的一些感受，简单看看即可。
莫名其妙的课程
- 我也不知道为什么地空学院的同学们会修A。多出来1个学分不知道有什么更多的东西可以讲，更不知道这些东西有什么实际用处。
- 我也不知道讲义在讲什么。整本讲义随手一翻就是大段大段的文字，让人眼前一黑又一黑。如果是讲点数学原理，来点公式，也还算有点深度。可惜，这门课看起来像是纯背书课。更多地像在给你科普人工智能做了些什么事情，仅此而已。讲义中一些章节单拎出来可以讲很久很久，但实际只讲了三四节课。部分一些过时的东西还在反复讲，整体呈现出一个不知所以……
- 我也不知道考试要考什么。老师上课讲的东西好像和教材还不太一样，尤其是“课程组一致在商讨考试内容”。从作业的角度来看，更多地像考察理解（or背书）。所谓的计算题都是一些算术题，做一些很trivial的参数计算……
- 我也不知道试验在做什么。上课实验难度呈现一个爆炸式增长。前四五次还是简单的python实现，之后突然要你完整的手搓一个回归模型，还有一个transformer。后面的大实验是两周完成，时间压力上可能还好。
上课体验
虽然这门课的内容莫名其妙，但在老师们的努力下，这门课的上课体验还行，看起来不会像隔壁班那么折磨。
- 理论课：老师基本上就是对着PPT念，偶尔点一两位同学起来回答问题，就当是签到，答不上来也没事情，人不在才有事。而且点名频率并不高，上了大半学期感觉都没有覆盖到一半的人。
- 实验课：实验课是在 cscourse 平台上做，建议还是本地写代码。基础实验只要交代码验证通过就行。后面的实验代码需要找助教老师验收然后回答一两个小问题，除此之外没有别的任何事情。甚至没有上机点到，
心大的可以线上做实验。 - 课程作业：基本上被实验覆盖了，一个学期就五次作业，而且每次都很少，一到两个个小时左右就能搞定。
