人工智能基础(徐林莉) 2020春 2019春 2018春 2017春 2016春 2015春 2014春  课程号:01111901
2020春 2019春 2018春 2017春 2016春 2015春 2014春  课程号:01111901
8.7(12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:一般
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:未知 学分:4
点评 写点评
Lotdhh 2019春

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。。。

 

2019-06-21 11:42 4 0
浮云兔斯基 2018春

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)

2018-07-21 01:44 3 0

     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

 

2018-07-19 14:36 3 0
silence 2019春

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:

  • 上课纯念PPT,且后面讲到SVM的时候速度略快,导致听的比较迷糊(心理上的和生理上的都有)。
  • 助教不负责任。一次发完作业之后在群里发公告说批的有问题,答案不是A,应该是B。后来有人与助教argue,最后确定答案是C。
  • 实验难度较大,尤其是实验二,让手写KNN、ID3、SVM、KMeans、PCA、HC六个算法,不让调sklearn,SVM的交叉验证一跑跑一夜,我相信大部分人最后都是压着DDL赶完的。对于实验的给分,我不做评论。
  • PPT英文,为了应付开卷考试,需要在PPT上做很多批注。由于是两个班统考,因此有一些问题的答案在书而不是PPT上。
  • 考试最后一题:“KMeans算法是收敛的吗?请说明原因。”
  • 卡我89。

当然,有一些是值得表扬的:

  • 这门课是“人工智能基础”,只会让你对AI有个初步认识,很多地方(如NN)都是略讲的,这对不想搞AI的同学算是个好消息。
  • 实验二可以(隐式地)教你用numpy让你的代码运行速度变快。当然,学习的过程是残忍而痛苦的。

 

2019-07-12 22:31 2 0
GEoURO 2018春

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。

2019-07-10 16:20 2 0
lwayjy 2018春

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。

2018-06-22 00:52 1 0

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。

 

2017-11-13 20:19 1 0
runday 2016春

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

2016-12-23 01:04 1 1
efessas 2019春

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。

2019-07-22 13:01 0 0
长者 2018春

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

2018-09-05 20:03 0 0
nil 2018春

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。

2018-07-29 09:34 0 0
会唱歌的塔 2018春

没有调分惹……似乎是我的除数理方程外的最低分

2018-07-24 16:52 0 0

其他老师的「人工智能基础」课

陈恩红, 徐林莉 10.0 (1) 2013春 2010秋
王上飞 8.5 (2) 2019春
未知 2017春
陈小平 2008秋 2006秋
陈恩红 2011秋 2009秋...
吉建民 2020春

徐林莉老师的其他课

人工智能基础 10.0 (1) 2013春 2010秋
Web信息处理与应用 6.5 (11) 2018秋 2017秋...
新生“科学与社会”研讨课 1.0 (1) 2020春 2019秋...