Artificial Intelligence: A modern Approach统计学习方法机器学习(西瓜书)三本书往桌子上一摊,便如拥百万雄兵,不学也能考好。课本上的所有算法手推两遍(一遍怕你记不住),然后另外两本书自己建好索引即可。一门非常优秀的鉴定你期末速成方法论是否有成效的课程。顺带一提 >>更多
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 >>更多
本来是想着混学分才选的这课,但这学分着实不好混。 实验一调包实现MLP和SVM虽然现在看着着实不难,但是对于完全没学过Python的人还是要抓耳挠腮很久的。 实验二实现几个搜索算法,还没做,应该不难。 外加一份读书报告,读AI近五年顶级期刊一份,糊弄糊弄得了,选点自己看得懂的题目。 作业基本没有,有 >>更多
首先这门课是一个偏介绍类型的课,所以每个方面学的时候都是浅尝辄止,真正如果想每个方向都学透需要花很多很多的时间。吉老师基本都是在很短的时间内把其中的知识点讲清楚,如果好好听课是能听明白的,而且吉老师还会补充一些课外的内容和一些自己做的成果之类的,总的来说还是很有意思的。关于收获,其实这门课的收获比较 >>更多
比较中规中矩的一门课。老师上课喜欢插题外话,一般在课堂的开头;但是讲闲话之前会有个技能前摇,这很方便考试周看录像复习,直接快进到PPT开始播放下一页就行了(笑) 差不多一共 8 次作业,两次实验。Lab1 写一个 csp 算法和 astar 算法;Lab2 写 Kmeans 算法、贝叶斯网络算法和实 >>更多
上课学不到什么东西,但是最后给分还行,实验也能学到一点东西吧 >>更多
奶的奶死,旱的旱死是吧?向下调分是吧,怪自己硬实力不够啊。 >>更多
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 >>更多
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 >>更多
吉老师人挺不错的,上课补充了不少内容,最后尽管没有作为考试内容但是确实开阔了视野,这门课还是学到了不少东西的,建议学院增加Learning部分的比例,或者单独开一门机器学习课程,AI大热的当下课程设置也需要与时俱进 >>更多