这门课主要讲人工智能的基础知识，例如梯度下降法、卷积神经网络等，课程内容还是比较容易理解的，作为一门公选课还是讲基本法的。主页见http://cig.ustc.edu.cn/teaching/list.htm。

作业有一次图像处理的基本操作（基本靠百度），一次神经网络的搭建（跟TensorFlow官方给的结构基本相同，主要学习一下网络的结构、输入输出以及超参的意义），还有Final Project是用卷积神经网络识别地震图像中的断层，助教会给一个baseline，我们只需要在其基础上优化就行了。Final Project是在kaggle上冲榜的，详情请见https://www.kaggle.com/c/ustc-geo-ai20。没有期末考试。

老师上课并不会光读ppt，有时会叫同学来回答一些问题（不过有点小尬）。会讲到一些应用的内容，基本都是图像处理相关。助教有8位，40个同学分成8组，每组一位助教，这个可以说是这门课最大的特色了。

这门课提供了一个入门深度学习的契机，作业和期末项目都设计的不错，看懂并做完后应该会对如何应用深度学习有一个大概的了解。至于最后学到多少，完全看自己。比如期末项目是用U-net网络做图像分割，如果只想交差，直接把baseline调调参数完事，如果想改进就有很多花样（第一名attention都用上了，tql）

总而言之，是好课，扣一分因为上课节奏太慢，安排不合理。

如上面同学所言，这门课对数理基础的要求还比较宽松，内容不难听懂。当然因为课时比较少，基本上课上主要在讲原理，各种实际操作也不可能靠单纯上课搞懂。学期开始时我对C以外的语言没有经验，在这门课里算是学了一些简单的Python。Python的Numpy包和Matplotlib包功能强大，是对Matlab的一种有效的开源替代，这个学期其它课用到一些简单的Matlab的时候我都用的Python，体验还不错。

当然就像上面提到的一样，具体代码怎么写光靠听课是搞不懂的，网络具体该怎么搭也不可能通过一次FashionMinst的作业就弄明白。再加上这个学期期末作业DDL临时通知提前了23天，导致我做期末作业的体验相当差，甚至有点崩溃。似乎是因为老师被通知到这学期考试周后两周内必须提交成绩，所以宽松的作业时间一下子紧张了起来。

不过其实不能怪教务处所谓"政策突变"，毕竟这学期一开始我就听说考试周后两周不提交成绩算教学事故了（

身为一个CS人，这是我在大二上上的最硬核的一门专业课程

这课什么成分不用我再多说了吧

这门课由最基础的讲起，我逛了逛社区，果然有大佬说节奏太慢

太强了

但我觉得我把我学的东西过一遍还蛮不错的，因为很多东西不去做就体会不到

而这门课的作业就是练兵的好机会

推荐所有专业的同学来听，只要学过数分B2和线性代数就没有问题