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:学科群 | 学分:4 |
不知道为什么评分这么高。
这里讲讲这门课体验差的地方:
上课:一上课基本都是低头在那里照着PPT讲,好无聊,到后面learning部分才有自己的板书。
作业:除去learning部分,其它部分布置的作业基本就是把学生当作人肉计算机了,写作业写到头皮发麻。
实验:第二个实验大概是延续了一贯的风格:要求多,期末临近考试才布置。
助教:貌似助教是她的研究生,后面有可能会继续带的,所以这里提一下还是有点参考价值。以往都是参考答案有错,学生跟着出错,这个班的助教比较牛逼,答案错了,助教跟着错!!!算是让我大开眼界了。PS:这个班是唯一一个助教在期中座谈会上被点名投诉的一个班。
说一下期末:
1. 最后一题考K-means算法的收敛性,带的西瓜书和《统计学习方法》没用了。
2. 两个老师联合出题,隔壁班出的题有点坑,出的作业题和小测题(没看隔壁班的作业题快哭了),其中一题叫手算出一棵决策树。。。
讲课作业实验都很靠谱.不过目的是想要在这门课上了解比较新的人lian工dan智fang能fa的同学还是三思吧,因为讲的是比较经典传统的人工智能内容(搜索,逻辑,概率论,还有贝叶斯方法,决策树,回归,SVM等一些明显能找到数学上解释的方法),教材是"人工智能:一种现代方法".翻一下目录就能大致判断这门课的内容了.
感觉llx的本科课(人工智能导论,Web信息处理)最后考试都会涉及线代知识,还是比较重视数学基础的一个老师吧,包括上课的数学推导等,都讲得很细致,不会把人工智能当成纯粹的调参学来看待.
衣品也超棒棒的啊,PPT做得也是一贯的清晰风格,即使是期末几天速成所有PPT也完全不会感到不适(相比之下隔壁体系结构的大杂烩PPT就看得很难受了......).而且脾气好,我有一次课间一不小心关了她的投影仪都没生气,然后就被圈粉了(捂脸)
给徐老师一个大大的赞!她是我来科大三年见过的最有知性美,着装风格最得体的老师了,上她的课简直是一种享受。课程包括每周的讲课,基本每周都有的作业,两次实验和最后的期末考试。她课上的很好,作业如果认真学的话很简单;实验一次是22数码问题和n皇后问题,还一次是用python实现三种方法的垃圾邮件检测(期末考后一周内提交),实验感觉还挺费时间的;考试的话是开卷考,考了贝叶斯,极大极小剪枝,A*算法等,强烈建议带一本《统计学习方法》,有一题几乎一样的推导过程,考前有空可以看下矩阵向量求导的方法,这两年最后一题都考的这个。
给分很不错,我期末考挺差的还拿了90,太惭愧了
由于疫情原因,课程是线上进行的。
xll老师可能非常注重版权和肖像权,在网课结束的第一时间就悄无声息地把所有网课视频删除了,课程群中有同学提出能不能把视频恢复方便考试前复习,老师说:“我觉得你们应该不会看回放吧,所以我就删了”,“我想大部分老师上完课都会删掉视频吧”。
^^。
严重同意各位说的“这门课没有往届说的那么好”的观点。
槽点如下:
当然,有一些是值得表扬的:
emmm讲道理确实没有感觉像之前的评价说的那么好。讲课讲的其实挺无聊的,经常念ppt念都头发晕。考试因为是开卷,所以没有什么记忆的压力。徐老师的课程内容与隔壁班王老师的课程内容相差非常大,授课重点是真的有点大,期末复习时取交集复习结果王班的一大片都被划掉了。PPT跟着讲课看没啥感觉,但期末复习的时候看的是真的自闭,不明所以,使用体验极差。
课程内容分为三部分,搜索,逻辑以及Learning;
1. 搜索就是各种基本的搜索算法,第一个实验就是写A*和IDA*搜索迷宫以及使用α-β剪枝做五子棋AI,A*后来提高了迷宫的规模,要做不少额外的剪枝工作,五子棋就很玄学了,这种东西你也不知道你究竟写的对不对,毕竟没有一个标答,但一般来说是下不过写出来的AI的(可能是我太菜?)。
2. 逻辑部分与数理逻辑有重合,但注重实际应用,且期末不考,这里就不细说了。
3. Learning部分其实应该多讲点,但讲的比较粗,就决策树,SVM,K-Means和PCA几个方法讲的比较细,剩下的更复杂的模型啥的基本是一笔带过。第二个实验分为无监督和有监督两部分,有监督写KNN,决策树以及SVM,无监督写KMeans,PCA以及层次聚类,不可以用各种集成的包,比如sklearn,不然一行就写完了,写第二个实验需要用到大量的numpy相关的知识,如何提高运行速度也是需要考虑在内的,认真写的话确实能学到很多。但最后评分就真的太气人了,估计就是只看了报告写的怎么样,源码什么的不存在的,玄学评分玄学给分hhh
期末考试试卷讲道理不是很难,但题目出得是真的气人,明明是道多选,题干却是“下列。。。的一个是”,一个你mei啊。甚至还出了隔壁班作业原题,Learning部分考的是让手算一个决策树,以及证明K-Means为什么是收敛的(对不起不会证,带的材料里也找不到hhh)
可能是卷面一般,然后实验给分有这么玄学,最终总评木有优秀,真实无语。
理论很水,大作业稍微麻烦了一点
1. 22滑块问题的 A*搜索,IDA*搜索,八皇后问题爬山算法,模拟退火算法,CSP算法等实现两种
2. 手写一个SVM,这个比较麻烦,需要考虑Quadratic Optimization,一般使用的是(简化的)SMO算法,好在网上都有教程,可以Ctrl+C一下(还是得理解,毕竟大家的代码都有区别)。PCA,这个只需要调用Numpy库直接求特征向量就分分钟解决。还有就是线性拟合,只需要知道(wx-y)^2这种显然是个凸函数,直接求导找零点就行(当然其实就是计算方法里的矛盾方程组,Least Square)\((wx-y)^2\)\((wx-y)^2\)
主要问题是第二个实验跑的特别慢,当时还推迟到了假期提交。
至于考试就比较简单了,没有考书上复杂的东西,甚至连贝叶斯公式都出题了。
给分貌似还行,实验随便做了做没有特别认真,考试感觉全对,最后给了个4.3
老师人很nice,而且也很可爱。hiahiahia
平时作业不多,还蛮好写的。实验有两个,第一个比较基础,用c做。第二个难度较大,需要掌握机器学习的知识。期末开卷,题目四个判断八分,四个选择八分,剩下都是答题。2018年大题第一题考了启发式函数,让你自己设计一个并且根据A*画图。第二个是极大极小值和a-b剪枝问题。第三题是课后题,考察的是贝叶斯定理。
第四题是贝叶斯网络,让你求一些概率之类的。第五个是关于核函数的两条性质的,让你证明。第六题向量求导。总之开卷,你可以多带些机器学习方面的书,或许会有意想不到的帮助。
期末开卷,可以带书、作业、课件等等。
上课收获很大,有点难度,最好有点基础来学。
我个人学的不错,实验作业好好做。期末时虽然开卷,但基本上还是看平时积累(开卷一般都是这样吧,难道要现场一题一题查?)。最后我考也不错,给分很好,比较公正。
xll感觉不论讲课、布置作业、出题、给分都十分靠谱呢,我大作业做得不错(优化A*算法),期末考砸了(基本都是作业题),得了85
看我的给分就知道,这门课并没有任何出彩的地方。
因为上的网课,也不开摄像头,听声音以为是个年轻点的女老师,所以对她上课讲话不流畅有所理解。后来发现年纪并不小,所以一切都是水平问题了。并不是要求高,是她确实得不到我的赞赏。
课程内容方面,基本就是语音+PPT了,然而PPT内容基本就是课本内容的重现。
给分方面,本人很菜,实验完成度不高,考试复习时间也不多,也没买西瓜书等资料,不优秀是意料之中的,然而给2.7还要卡一下,我觉得这个行为和不开摄像头,故意删除上课视频,考试划重点模棱俩可是相符的。不能说老师做得不对,只能说拉开了和学生的距离。
考试方面,其他的不谈,对k-means收敛情有独钟,之后选她课的幸存者一定准备,分值很高。
其他院的来水一水。课是不可能听的,只有靠自己看书才能维持生活的样子。。。
吐槽第二个实验,写这么多不如让我们直接学一下怎么调包好了,反正算法也不难。
期末感觉自己考的还行,但是总评出来只有74(为什么计院的课都没有查卷环节啊)只好安慰自己这是拿gpa涨点见识了。
赞美XLL,人好,讲课也好。
唉,发现能让我觉得是好老师(各种意义上)的科大老师感觉都是女性啊。
上课没点过名,然后有时间的话听听老师讲也不错,讲的还是相当不错的,自学的话,也可以。