2026秋 课程号：AI300202
- 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：专业核心 | 学分：4.0 |
本课程主要讨论机器学习的基础算法。具体内容包括线性回归与分类、性能评估、正则化、神经网络、无监督学习、决策树、降维方法、支持向量机、强化学习、逻辑、知识表示等。重点介绍机器学习算法的基本工作原理及其应用。该课程将理论与实践相结合，不仅夯实学生的理论分析能力还锻炼学生的动手能力，从应用问题出发理解机器学习算法的作用与价值，并力图反映机器学习研究的最新发展前沿。
- 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
同学们，相信自己，相信张女士。
不定期更新。手搓成分比较高所以错误肯定很多。
东西很多，我尽量把AI生成的知识点弄得像人话一点（左脑攻击右脑），同时保留了一部分，这样你们才能知道是人写的。
2026.9.17
同学们，听不懂是正常的。
不是张老师害了你，是这个培养方案害了你啊
2026.9.24
直到现在我才意识到写一本这样的手册有多么难如登天，越写越感觉教机器学习和优化的老师/教授实在是太伟大了。
让我想起刚开始学西瓜书的时候，上来讲机器学习的范式，但是一直在西瓜西瓜西瓜，最后范式也没听懂，西瓜也没听懂。可能机器学习范式这个东西就跟电子自旋一样没什么很好的比喻能形容吧。电子自旋是想象一个球在转，但是一方面电子不是个球，另一方面电子也没有传统意义上的旋转。机器学习的话可能从优化的方向切入会好一点：给定一些数据，在指定的目标上找最优解。如果非要找什么比喻的话，那我只能说想象一个球在下坡，但是并没有球，也不一定有坡
2026.9.24
推不动了孩子们，真的推不动了。到处都是线性代数，到处都是概统，到处都是数理基础啊！
助教在这里先占个位置
如果对该课程或者助教工作有建议或者意见的话可以来评论区
这是申助教去年建的课程仓库：https://github.com/ChangshuoShen/USTC-AI3002-25fall
这是我去年完成的作业可供参考：https://github.com/xinchengo/USTC-AI3002-25fall
今年的实验报告多半会限制字数和页数
可能会强制 LaTeX，如果强制 LaTeX 的话就会提供模版指定字号和页边距
