人工智能基础(陈恩红, 徐林莉) 2013春 2010秋  课程号:01116601
2013春 2010秋  课程号:01116601
10.0(1人评价)
  • 课程难度:中等
  • 作业多少:中等
  • 给分好坏:一般
  • 收获大小:很多
选课类别:计划 教学类型:理论实验课
课程类别:本科计划内课程 开课单位:计算机科学与技术系
课程层次:专业基础 学分:3.0
课程主页:暂无(如果你知道,劳烦告诉我们!)
点评 写点评
boj 2013春

机器学习正在成为像排序和搜索一样的基础算法,每个 CS 毕业的学生都应该懂一些机器学习。这不是说人人都要理解机器学习理论、懂得设计神经网络结构,而是说要明白机器学习的工作原理、能力边界和常见方法。遇到一个实际问题,能够知道机器学习能不能帮上忙,如果能的话,找到一个比较合适的模型和一种熟悉的工具(比如 scikit-learn/Tensorflow/Caffe/pytorch)。再不济,也要知道人工智能是做什么的,不被媒体忽悠。

这门课涵盖的范围比较广,比较偏理论,对工具的使用教的比较少。实践性最强的就是自己实现一个 SVM 了(不过我们大都没有自己实现,而是直接调用了现成的库,我用的是 scikit-learn)。

2 0 复制链接

陈恩红

教师主页: 戳这里

徐林莉

教师主页: 戳这里

其他老师的「人工智能基础」课

吉建民 8.7 (9) 2022春 2021春...
徐林莉 8.4 (18) 2022春 2021春...
王上飞 8.0 (5) 2022春 2019春
未知 2017春
陈小平 2008秋 2006秋
陈恩红 2011秋 2009秋...

陈恩红老师的其他课

数据科学导论 8.8 (5) 2020秋 2019秋...
新生“科学与社会”研讨课 7.5 (2) 2015春 2014秋...
机器学习与知识发现 7.5 (2) 2019秋 2018秋...
机器学习与数据挖掘前沿 6.0 (1) 2019春 2018春...
机器学习与知识发现 3.8 (8) 2021秋 2020秋
人工智能原理 2004秋 2004春...
人工智能基础 2011秋 2009秋...
数理逻辑 2008春
数据科学导论 2022秋 2021秋

徐林莉老师的其他课

人工智能基础 8.4 (18) 2022春 2021春...
Web信息处理与应用 6.8 (12) 2018秋 2017秋...
新生“科学与社会”研讨课 1.0 (1) 2020春 2019秋...
机器学习与知识发现 3.8 (8) 2021秋 2020秋
“科学与社会”研讨课 2022秋 2022春...