感觉上课基本都在吹牛，或者讲一些很平凡的东西，听不进去。偶尔到了难一点的部分的时候又听不懂了，所以基本上一学期都没听过课。复习的时候看ppt，就是一堆不知所云的英文，多少有点崩溃。看了下隔壁班的ppt，貌似也是半斤八两。最后还是要按关键词去网络上找学习资料。总之就是自学，不过这个班可能作业少一点吧。 >>更多
隔壁吉建民老师班的，关于这门课的定位问题之后再详写，这里单纯吐槽一下：能不能不要再纠结kmeans收敛了......现在全校同学看到徐林莉老师的泛AI课程都直接去翻kmeans收敛证明了kmeans一来，所有题目便都看着它笑，有的叫道，“kmeans，你又上试卷了！”他不回答，对试卷说，“上次出了大 >>更多
jjm老师上课生动详细，会明确指出，这里不考，这里工程用不上，这里很恶心但是必考，是金牌讲师；在讲到自己的老本行数理逻辑和新本行自动驾驶时会情不自禁给大家加餐，对于一些工程中的实际运用，虽然考试不考，但却是人工智能特色，也不可不尝，所以经常导致"扯的稍微有点远了"，是金牌厨师。今年大题除了必考的A* >>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
// 老师人很好，上课喜欢延伸、科（chui）普（niu），明确表示不会点名（旷课党的福音！每节课都在bb上有回放，不用担心错过什么考试重点// 作业全是课后原题，可以轻松的找到英文答案 and 往年作业（重复度极高）。但是今年吉老师一道learning的作业也没有布置，期末考试却出了不少，导致有些 >>更多
总体来说这门课可以用中规中矩来形容，感觉没有什么特别值得吐槽的地方，但是亮点也不足。先说说这门课比较好的地方：上课内容比较基础，也没有那么宽泛，这对于未来不做AI、大数据等方向的同学来说是好事。老师讲课比较认真，ppt和作业也基本包含了要(kao)点，这能给不少同学减轻压力。但是这门课不足的地方也比 >>更多
课程感觉偏介绍，只是让你大概知道人工智能是做什么，但还没有入门，课程内容很丰富，但都是点到为止，今年考试是隔壁班出的（和往年卷差别很大，估计是怕大家押题）。lab1很简单（有手就行）；lab2有一定难度，第一部分是对上课所讲重点内容的复现，算法大同小异网上都能找到参考，第二部分有难度，需要自学一些东 >>更多
徐老师讲课可以说是至少是我听过的最好的几个老师之一，ppt英文但是做的也挺好。考试开卷，实验一是隔壁班出的，显得比较简单；实验二本班助教出的，和实验一不是一个级别，据说满分的只有几个人。。。。并且实验应该是原创的。总体来看，应该是有调分的，推荐 >>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