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：

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

1. 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。
2. 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……
3. 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……
4. 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。

26.7.17 出分再评： 可能这个班给人的感觉就是略摆。上了这么久没怎么见助教老师的作业反馈，只有期末的一次汇总；期末没有习题课没有复习资料，考完期末也没有出分环节，属于是绩点直出。这门课整体感觉还是比较随性的，比较适合有足够自信的同学一把过。可能不太适合对成绩比较纠结的同学，毕竟是分数直出……不过考虑到给分比例比较杂碎，而且期末只有40%，这门课容错率还是可以的。

随着老师的高抬贵手，捞捞卡绩（也许有），本人也是成功拿下到目前为止成绩最好的一门大课。写到这里，突然想岔开话题，写点我的碎碎念。

我记得当时开放转专业的时候，有很多学长劝我转去信智学部，一方面是个人兴趣，一方面是学科前途。当时我一整个不信邪，考虑了很多（虽然感觉也只是瞎考虑），给了自己很多借口，到底说服自己留在17而不是转去高新。随后的故事可以参考我在相关课程的评课，总结下来就是大部分数学课坠机，剩下的如果不是老师狠狠捞人，结果只会更糟。

我经常感到不配位，用我的话说是有一种「绝望感」。每当我看着卷面，总是会陷入深深的怀疑——为什么别人能学得这么好，而我不行？我并不是不够努力，但我还是不得不承认，有些课我就是肘不过。然后你再看看课程里的那些高分，或者身边一些很优秀的同学，他们为什么就能学得这么好？真的令人艳羡。

这一年来看着自己的成绩（虽然本身也没多高）被一门又一门低分课砍下来，心里总会滴血。虽然都说成绩不是那么重要吧，在区间内基本等价。但在这个个人能力几乎与成绩套牢，并以此分配、置换资源的体系下，我想，把自身能力和成绩完全剥离是非常非常困难的一件事，可能直到我毕业我也做不到。

好在，我没有失掉自己的兴趣。虽然留在本系，我还是会主动去接触一些信智相关的内容，比如数据结构，比如先修人工智能这门课，比如量化金融。不知为何，每次做这些事的时候，我心里就总是非常，emmm，非常地坦然？开心？也许还有几分自信。这在我的专业数学课里是完全体会不到的。想来也比较讽刺，自己对专业内的东西不感兴趣，反而喜欢鼓捣专业外的一些东西。结果就是，在这些我能完全放松应对的课程里，我反而能考到高分。

说这些是想说明什么呢？我在和很多朋友同学聊天的时候，大家都会流露出一种迷茫感。大家都很迷茫，似乎学习生活除了卷绩就还是卷绩，你要问出路是什么，大家真的很少考虑（似乎有个名词叫「失心人」，但我不想把话说这么重）。可能还有同学对自己的专业以后能干什么都不清楚，反正闷头读书就行了。这显然是不可取的。

至少从我的经历来看，我会说兴趣大于专业。你打游戏都要研究天赋点怎么点，你也需要清楚自己的天赋点是怎么点的。可能和专业恰好重合，可能和专业八竿子打不着，但扬长避短总是比苦苦煎熬要好的多。也千万别说你没有任何天赋点，能考来八字学校的绝对不是等闲之辈。

用一个我很喜欢的比喻来做结尾：人与人之间并不是用一个直线坐标来衡量优劣的，而是分散在一个超平面上，没有谁比谁走得更远。你只需要在自己的这个方向上走的更远，你就已经很厉害了。

周三的课半学期后一次没去过，听说我被点名了，以为平时分会被扣光。考试题选择cs强化学习，GNN相关的东西纯蒙；大题那个参数量和词模型也是算的云里雾里。最后竟然能给我4，很知足了。

课的话，或许还是有些用的，只可惜我这学期并不把时间倾注到这个方向上。地空学院感觉ai4s还是挺火的，毕竟很多都是些数据处理？对他们帮助或许是有的吧。后面有一些架构确实是优美的想法，让学生了解一下我觉得是有价值的。