上课：

从往年评价来看，xll老师上课不外乎两种评价：“讲的真好”和“催眠”，个人听下来，觉得两种评价并不矛盾：如果把xll口述的内容整理下来，应该是一份不错的讲稿，但是xll上课语调语速完全没有任何变化，听起来跟AI生成的声音一样（巧了这课也叫AI基础），所以非常催眠。

加之xll每次上课都用自己的电脑开演讲者模式，不知道是否真的在念讲稿。

作业：

两个班基本统一，xll的祖传作业，和一年甚至两年前PPT上的作业一模一样。不过由于xll班一开始就布置了大量的作业，导致jjm班后面不得不为了跟上xll的进度而一周布置两次作业。

不过jjm班布置了一次作业，是往年学习部分的考题，个人感觉很有用，而xll并没有布置（真不如把csp这种不考的别布置了）

作业部分最 逆天 的，是xll的提交要求：开学时助教投票了一次，发现大家都喜欢线上提交，就说线上提交吧，结果被xll 强制改成了手写+线下提交 ，甚至不能拍照，个人感觉非常呃呃（个人感觉为了提高到课率您还不如点几次名）

给分：

我的成绩是概统式调分，按照开学给定的比例算出来（15作业，25实验，60考试，作业和实验今年还都有扣分的情况，不少人实验报告被扣分） 向上取整，一分不调， 我也不在优秀线附近，不存在超优秀率的问题。

今年jjm班选课人数是xll的两倍整，jjm还能做到在优秀率限制的情况下能奶则奶（虽然给分对有的人来说给分也不是很友好），实在是很不容易了。加上去年因为卷子简单，xll还出现了总评<=卷面的事情，所以我的评价是： xll完全不奶，不如jjm

实验

这门课的实验是我收获最大的部分，因为它让我明白了，我不适合学人工智能，也不适合学计算机

实验一是用A*搜索以及CSP解决两个实际问题，然而时间基本都花在了如何节省内存和提高运行速度上（因为大的案例跑不出来），没有什么AI方面的收获。感觉自己像是在学算法基础而不是在学AI。

每次优化之后还是跑不出来都让我跟吃了屎一样难受，比数据库实验折磨人得多。改过好几次之后，我已经不想面对我千疮百孔的代码，每次对着代码debug都会不由自主地产生生理性厌恶。最后还是某位大佬提出了一个惊为天人的剪枝思路，然后每个人都按照这个思路去改，才得以通过。我按照思路改了之后，最后一个案例还是跑了半小时，不过能跑出来对我来说就谢天谢地了

实验二是贝叶斯，Kmeans和transformer。

transformer没学过，引用评课社区某条评论的评价就是：“实验二已出，先占个坑。我不知道你一个只有三分之一的时间讲机器学习的课何德何能实验强度能直逼隔壁深度学习。”

虽然助教做了PPT讲解，但是对我来说光是理解transformer就花了很长时间了，写的过程也是昏昏沉沉，因为笔记本电脑计算资源有限，我还借了同学的卡跑实验（真心感谢），不过最后总归是写出来了。

整个实验的过程对我来说都很折磨，也让我彻底认清了我对写代码没有任何热爱的这样一个现实。

考试

考试是我最不想评价的部分。

这门课分为三个部分：搜索，逻辑和学习。搜索和逻辑属于传统AI，大家基本都没怎么学过，掌握程度也是半斤八两，考试和作业的难度也差不多（即使是很多人不会的归结算法，也在作业里出现过，评课社区的往年题里面也有归结算法的大题，个人感觉今年期末出这题挺正常的），总体还算友好。

学习部分主打一个fly bitch.jpg，也是往年考试最有区分度的地方。学习部分讲了线性分类和预测，损失函数，决策树，KNN，SVM，Kmeans，PCA等（大体差不多这些吧，具体的记不清了），这些东西只占课程时间的1/3左右，老师上课也是只管讲原理，一道例题都没有。作业和考试唯一相关的感觉只有手算SVM，而考试出题又是千奇百怪：手算决策树，证明结论，手算SVM，给定一个新的问题要求损失最小等等等等。

这就导致复习时，如果你没有学过其他AI相关课程或者做过AI相关工作，就非常容易抓瞎。我在复习的时候作为一个没有任何AI基础的人一度复习的相似，非常崩溃，经常被一些奇技淫巧干碎（比如中间加一个对角阵来表示权重等）。今年也是运气好，没出很变态的计算和需要技巧的损失最小化求解问题，手算决策树数据量很小，后面的SVM也是定性分析，才给了我一点在各路AI大佬之间存活下来的机会。

助教

助教很好，尽心尽力回答问题，即使是我私聊他们也会很快回复，对课程群个别逆天匿名也采取了比较包容的态度，继续开着匿名让大家问问题（我这个7分的评分大部分都是考虑到助教的付出才给的）

课程定位

这门课的名字是“人工智能 基础 ”，但是放在大三下才开，和大三下才学数据库一样，充分体现了富有数理基础特色的中科大CS培养方案的含金量。

对于学过AI或者要做AI的同学来说，大三下学习部分讲的那点东西他们早就会了，学前面传统AI也用不到，纯粹浪费时间，得不偿失。

对于将来不做AI的同学来说，大三下学这门课，还要和学过AI的同学们一起竞争，而学习部分上课讲的和考试考的难度跨度还很大，导致学起来很痛苦。

而且从了解AI的角度来讲，放在大二学这门课（毕竟前置知识只有贝叶斯那里涉及一点点概统，学习部分涉及一点线性代数）显然合适得多。但是科大的物理和CS的离散数学三部曲占据了大量时间，大二下还有逆天量子物理，所以就。。。一言难尽

其他废话（与评分无关）

AI是我本学期最后一门需要考试的学科，考完AI走出三教才发现，原来本科阶段需要关注GPA的考试已经全部结束了。。。突然间有种恍惚的感觉，三年时间，有太多太多次感到是那么的煎熬和绝望，也会有时突然发现时间白驹过隙一晃而过，太多事来不及回味就已经变成了过去，错过的人和事也只能埋在心底

在科大三年，最大的感受就是“割裂”。在面对其他学校的同学或是高中同学聚会时，实在是不能聊关于学校的话题，即使是其他华五的同学，也很难理解科大计科的某些特点，有些话也只能在科大CS的同学之间聊才能相互理解。如果和其他同学聊起来我在CS的生活，得到的也大概只能是一句“还好我没去科大学CS”

三年生活结束，我最大的收获之一是“悲喜自渡”。曾经问过不少成功校友的经验，得到的回答都是“做你自己喜欢的事”。这样的答案当然无可厚非，我也相信这是他们的真心话，但是他们可能不知道的是，并不是所有人都有机会找到自己热爱的事情，也不是所有人都有资本去一直坚持自己的兴趣爱好，某些兴趣爱好本身的特点，也决定了坚持它的代价是绝大多数人难以承受的。通过三年的所谓学习也好，筛选也好，我认清了自己的能力上限，也探清了自己的承受力上限。有不少人看着我的简历，问我真的不读博吗？真的不考虑量化策略方向吗？面对这些问题，我的心里已经再无波澜。我知道我自己经历了怎样的痛苦才取得了这样还算凑合的成绩，我拒绝放弃自己的幸福而一味地追求收入和成就的上限。

曾经和某位科大出来的师兄吃饭，聊起在科大的日子，我苦笑道：“其实我完全不喜欢计算机，不喜欢任何理工科，做这些都是因为无奈”。在听了我的讲述后，对方一方面感叹很多年前的科大风气自由民主，另一方面也从招聘者的角度感叹现在的求职之艰辛。说起彼此喜欢的事情，对方表示在当时科大期间思政课可以全都不上，还租了乐队。而我回想起大一的我，对课程还有期待，也愿意花点时间做自己喜欢的事，但是面对大一结束的成绩以及毫无收获的专业技能，便只能屈从于现实。到了现在，对于课程的学习我已经没有任何感情，随着GPA越来越高，对上课的感觉反而越来越像上坟，学习课程也只是机械地去完成作业和实验，针对着往年题目准备考试，最终和刮彩票一样收获一个七分靠努力，三分靠老师的分数。。。但是如果你问我为什么不去做点自己喜欢的事，我只能说，我能力有限做不到学有余力，我也没有那么大的魄力去放弃规则社会下的前程去为了一个极小概率的事情赌上所有。

那也是我记忆中唯一一次在饭局上稍有失态。平日在应聘和工作中，我不需要聊personal的话题，只需要像学理科一样有逻辑但是没有情感地沟通或是工作，但当涉及到触及热爱的话题时才会发现，很多东西真的不能细想，也不敢细想，有时回头看看，才发现已经失去太多太多，但已无法回头。不过也可能也真的要像成年人对待感情一样，把很多东西埋在心底，喜怒不形于色才好吧，也不由得想起亦舒在《叹息桥》里面写到的：“做不到是你自己的事，午夜梦回，你爱怎么回味就怎么回味，但人前人后，我要你装出什么都没有发生过的样子，你可以的，我们都可以，人都是这般活下来的。”现在看来，不仅仅是对于男女情感，对于内心的热爱，也是如此罢。

回顾过去的三年，经历了很多事情，我不知道自己究竟是妥协的太多，还是妥协的太少。和很多有勇气的人相比，我显然是屈从于现实的普通人；但和平均水平相比，我还是坚持了一点点自己的热爱，坚持了一点点对不公的愤怒。南方周末的办报方针，有一条便是“可以有不说出来的真话，但绝不说假话”。在接下来的日子里，我可能会更多地保持沉默，但也会告诫自己，不能让自己的嘴脸为了利益而变得丑陋。

大一上学期结束之后，在评课社区写了第一条点评，到了现在，最后一门需要关心GPA的课结束了，也应该是最后一条付出感情的点评了。也不知道有多少人能够看到这条点评，过去三年累积的遗憾，说不出的话，也慢慢放下吧。

事已逝去，让一切随风。

风中风中 心里冷风

吹失了梦

事未过去 就已失踪

此刻有种种心痛

心中心中 一切似空

天黑天光都似梦

迷迷惘惘 聚满心中

追踪一片冷的风

各种空虚 冷冷冷

吹起吹起风里梦

过去的心 火般灼热

今天已变了冰冻

记忆中 突然又痛

只因空虚再作弄

你似北风 吹走我梦

就让一切随风

非常感谢大家关心，包括对我的祝愿，都记在心里了。实验二transformer的话，其实是代码填空（但是把能挖的空基本都挖了，要填好多），没有那么那么不堪。有大佬吐槽实验二的代码内容以及变量命名水平低，我对AI了解不多，没有能力对此做出评价。

写人工智能作业不用chatGPT，就好比进高考考场不带手机，算数比赛不用计算器，历史考试不去创造历史，去看鸡哥不带理智，做大物实验不编数据，sort函数不用sleep排序，高温超导不复现理论实验，学习英语不发明新的语言，赚大钱不去缅甸，买球鞋不去莆田，写代码不去借鉴GitHub，数学作业不用显然证明。中间忘了，结尾是只能度过一个相对失败的人生。

5Lul5LiK5YaF5a655YyF5ousQUnovoXliqnliJvkvZw=

我对人工智能毫无兴趣，我很讨厌人工智能，人工智能与我的未来研究方向差不多毫无关系。我很讨厌这门课。学完了也是啥也不会。

在没咋复习的前提下我的得分比较一般，3.0，最后一个实验的第二个部分没写完所以也没交。我认为这个实验很恶心，当然也是各种安排太多了也是因为太懒了。我不求高成绩，所以这无所谓。不过我一个辅修朋友在隔壁班抄我的实验代码拿了个 3.3，所以我感觉给分应该不如隔壁班。

讲课的内容我并不清楚，因为我并没有做更深入的了解。

有一个助教比较呛人。问过他两次问题，第一次问的最后一个问题没有回复，第二次问问题也没有回复。我期末考完试在群里匿名发了上上段话，害怕被挂科，被助教怼了，后边还拿出来鞭尸。其实当时我主要是因为被实验2.2给恶心了，以及助教没给我回复，所以比较难受。（实验布置的比较晚，我认为这门课应该早点布置实验。）我也当计科的助教，我带的课里也有人这么说过，我当时过去没少安慰那个同学，包括私下请吃饭、私聊一些专业研究方向、计算过保研相关事宜，以及给他/她计算怎样能不挂科。后来也有人在群里说自己研究方向和 AI 无关，比如 arch，所以不想学那么多 AI；然后助教说马上开发 ai for arch，如果往好了想，可能助教的意思是学习 AI 对各个方向发展都有用，这当然是对的。但是这么表达给人的感觉就像是“我搞 AI 我牛逼，我搞 AI 我卷死你们，不学 AI 等着死吧”的意思。

我并没有因此反感助教本人，只是反感助教的这种行为。不过这让我更加反感 AI；不可否认 AI 对于生产力和生活进步都带来了很多的正面影响，但是我反对 AI 的发展（我不反感AI的研究者，我认为有能力的研究这个学科方向的人都很厉害，很值得尊敬），尤其是以 ChatGPT 为代表的这类 AI，虽说我几乎每天都在用 ChatGPT 这类 AI 学习。如果我毕业之后因为 AI 的发展而找不到工作，那我也差不多想好了后边怎么办。如果你有不同的想法，这很正常，不必在这里和我辩论，因为没必要在我这种失败者面前浪费时间。

最多只能给到6分。

优点：

• 考勤：完全没有，想来就来，后期班上估计30个人左右
• 讲课：老师声音比较清楚，没有口音
• 实验：文档比较清楚
• 助教：三位助教还比较尽心尽力，推荐了不少学习资料，问题基本上也都有回复

缺点：

• 讲课：老师是PPT Reader，讲课基本听不下去
• 考试：
  • 内容：绝大部分是ML内容，但是ML内容占课时确实只有1/3，显得不成比例
  • 考卷：题量有点大，本复习1.5天选手将将写完
  • 注：今年没考KMeans
• 实验：
  • Lab1：问题设计的不好，启发式的设计和测试样例关系太大，几乎是不用某种特定的剪枝策略就做不出来的
  • Lab2：没讲Transformer却要写实验，巨大逆天

第一次见到卷面=总评的调分方式，牛逼！！！

讲课读ppt，部分助教及其不负责，作业答案copy上一届学长，题目都不一样了也不修改答案，考前问问题一直推三阻四不肯写过程，结果考试考了相似的题，可能让百度或者知乎当这门课的助教更合理一点。

卷面84因为优秀率拿不到3.7可以理解，那卷面80连3.3都不配了是吧？？？

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，“上次出了大题，这次出道选择。”便排出三分分值。他们又故意的高声嚷道，“你一定又考收不收敛了！”kmeans睁大眼睛说，“你怎么这样凭空污人清白……”“什么清白？我刚考完试，亲眼看到的。”kmeans便涨红了脸，额上的青筋条条绽出，争辩道，“收敛不能算收……收敛！……学习的数学理论，能算收敛么？”接连便是难懂的话，什么“守护无监督荣光，吾辈义不容辞”，什么“搜索和逻辑都是渣渣”之类，引得众人都哄笑起来，店内外充满了快活的空气。

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。。。

老师是没有感情的PPT Reader。

几个助教也不知道是干啥的，往年作业答案错的也不改一改（说的就是那个SVM题）。实验文档的要求倒是不少，实验交上去没反馈。隔壁班有查分环节，本班直接出总评。

助教甚至还在群里让大家不要问实验成绩，合理怀疑助教没怎么看实验。

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。

期末还没出，先提一句实验二好难要死了，而且实验每年轮换没轮子抄😭

更新，期末总评约等于期末分数，实验说要查重我看也没查，总体来看还行吧

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：

• 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。” 注意：不仅19春、20春的本门课程、17秋她和jpq带的这门课最后一题也是这个（有一说一，jpq才不会出这种题，这题一看就是她出的），所以我只能解释为她对KMeans收敛情有独钟，请各位一定要仔细准备。
• 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。

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

没啥好说的，上课内容基本就是扫扫盲，让你了解一下有这些东西，真要想学深出门左转王杰机器学习

实验设置。。。有很多同学有不少意见，难度上来说个人感觉实际不大，至少不会的地方肯搜搜问问基本要做出来没啥问题

考试开卷，难度不大，只要平时作业稍微上点心，考前一天/半天速成都是没问题的，个人花了一个晚上加一个早上，最后卷面80  总评89 混得很舒服

transformer有点逆天，别的没啥。

我觉得老师上课很正常，没有什么可指责的。但是这门课讲的东西太过浅显，书上很多东西没讲，考试不考深入的证明。可能课程的定位就是这样吧？感觉有点无聊。

给分应该是按比例算完再浅浅浅浅调一下。这个课拿极端高分9899不好拿，但想挂掉也是蛮难的。

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：

1. 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。

2. 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较明显，而且常常与上面的有点伴随出现。比如：

1. 老师上课的内容又有点太浅了（指ml部分，虽然受限于学时和要讲搜索逻辑部分这也无法避免，但还是感觉有点可惜），有些地方我感觉可以讲的更多更细一点。

2. 老师上课其实比较催眠（应该大部分同学都这么觉得，有到课率和摸鱼率支撑）我前面搜索逻辑部分因为没学过还是认真听了，到后面学习部分就跟着划水去了，有一次课上问助教实验还被当场戳破。

下面是几个我认为老师讲的有待改进的地方（只限学习部分，仅为个人见解）。

1. 老师在讲线性模型时一开始是为了解决分类问题的，此后引入的一系列方程都是在为分类问题服务。我感觉线性模型一般都是解决回归问题的，那些（包括最小二乘）方程的引入前如果先讲回归问题可能会更自然，虽然这个模型解分类确实能在一些场合很好地解决（主要是我认为从不熟悉的场景过渡到熟悉的场景会好很多）。其实这倒不是关键，关键是这个模型作为第一个接触的学习模型，就感觉没有讲出特别浓的机器学习的味道（这样就相当于把计算方法这种数学课上过的东西又上过了一遍），其实就难免给人感到收获有限（如果时间足够，能把最大似然法解线性回归也放在这里讲一讲可能就更好，当时另一门课的老师在提到这个方法时就给我留下了深刻印象，也让我对似然有更深的理解，如果老师能多讲一些这种数学上的细节可能比讲更多绪论更能让我们对机器学习有体会吧）

2. 还有一个特别想吐槽的地方是老师讲神经网络时，讲到梯度回传那一刻，正要引出更多推导时戛然而止，我感觉有点可惜。当时老师的ppt上就只给出了最后一层的公式，没有给出反向求导的那些递推公式，如果再多讲一点可能就更完善了，但很可惜老师没有这么做，而是把这一部分留到了后续实验中去自学。（事实上神经网络的公式推导数学味道是很浓的，涉及到对数据及其对应矩阵维度的理解，还有矩阵求导这一技巧，从理解求导布局到各种不同类型的求导法则还是得补不少东西的）假如老师上课时能更多地强调一些这些数学技巧就更好，不然这机器学习部分上的还是有点像别的一些偏理解记忆的计算机课...（另外老师那张ppt的符号好像跟别的地方，比如大部分网上博客和邱锡鹏教授那本深度学习的书不太一样，当时我按ppt那套符号推个反向传播跟别的地方不一样心态就一下崩了，弄了好久才发现ppt上好求导的变量好像是激活前的，如果后面有同学想参考一些别的资料学这个得注意一下）

上面两个让我印象比较深刻所以就吐槽了一下，虽然主观因素可能比较多，但还是想发泄一下。其实主要的问题还是两点，一是讲课缺乏激情和重点（这里是指各个地方都有点平均用力，很多重要的地方就没那么突出了，比如lab2很多同学对交叉熵\onehot这种概念都不是特别清楚），二是数学部分存在感太弱（作业考试整体也偏文科但也确实无法避免，我也没考特别好，应该自我反思），有点可惜。不过整体来说徐老师还是上的很好的，这点毋庸置疑，而且综合之前说的其他因素已经很不错了，我觉得后面选课的同学也没有必要换班了。（主要是我是大数据专业的，后面讲的学习部分无论是自学还是别的课都有所了解，所以整个课上上来感觉除了lab2没什么特别大的收获，包括我身边的几个大数据的同学都有类似感受，可能还是大数据开的课有点重复的问题，可以优化一下）

另外吹一波zt助教，应该是我上科大以来遇到的最负责的助教，特别懂得站在我们学生的角度考虑问题。总体来说我认为这门课虽然有不足之处，但还是值得选的，虽然另一个班分数好像高了一点而且某个指标emmm

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。

每周都有作业，应该是比隔壁班任务量大的。

先打个5分，要是最后总评能够达到我的预期再进行调整

达到预期了，加2分。

虽然没有优秀，但是给到84分也是算可以了，毕竟卷子简单加上没有木琴的教务处的优秀率限制，看出老师也没法调分了。。

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，这是我唯一翘的心安理得的课程。徐老师也不点名，卷子也不难，那井水不犯河水，给个八分。

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

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。

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。

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，需要自学一些东西。

唯一不满意的地方就是lab2布置的太晚，考完试后的一周内都在做实验。

关于给分，调分力度应该很大，实验好好做的话有惊喜。

本人期末考试刚好和平均分一样，lab2全部做完，拿了优秀。