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:大数据学院 |
课程层次:专业选修 | 学分:3.0 |
本课程是大数据学院本科生专业选修课程。主要目的是让学生对人工智能有一个较为清晰全面的系统了解、掌握应用人工智能经典算法解决实际应用问题的方法。本课程主要介绍人工智能的基本概念、基本原理和基本方法,前沿应用和前沿思考。具体内容包括搜索策略、知识表示、确定性原理与不确定原理、专家系统、智能算法、深度学习等原理与技术、对于人工智能的前沿思考。该课程将引导学生了解人工智能研究与应用的发展方向、开阔知识视野的同时,提高学生的动手实践能力。
2024春助教(之一),也是2023春学生。先占个坑。
今年的授课内容和作业框架跟去年应该基本上是一致的(subject to change),但是会有一些小调整。作业方面,助教会出题重写一部分内容,希望能给同学们带来更好的体验吧。(至少我负责的部分会尝试减少理解难度,以及尽力让对应部分的知识点呈现得更加系统?我个人觉得去年英文作业原稿知识点呈现得太散了,所以可能会有不好的体验)
以上。后续(如果有的话)等课程开始了再慢慢加上吧。课程评分评7分是为了不影响原有的分数,以免带来较大偏差。
这门课是大数据学院新开的一门AI课,总体课程结构模仿Stanford的CS221,包括搜索、MDP、贝叶斯网络等经典AI算法和一些前沿的简介,相比于隔壁的人工智能基础课,去掉了大数据培养方案后面会学习的ML,DL等内容。
王翔老师负责前半部分,上课用的ppt就是CS221的slides翻译版,不过讲课逻辑比较清晰;
冯福利老师负责后半部分,讲课基本上是概论性质的,基本没听(x)
总共有四次作业,前三次是照搬的CS221的搜索(Route),MDP(BlackJack),贝叶斯网络(Car- Tracking),第四次作业是助教原创的关于推荐系统的。
作业主要是代码填空和一些公式推导,代码量不大但对代码阅读要求较高,最后一次实验还涉及到阅读论文和实现论文中的算法。
作业任务量还是比较大的,不过Stanford的学生居然每周一次作业,还有两次exam和一次project,差距太大啦(也许是因为他们没lzwl等课浪费时间?)
不过写点评的时候我才发现没写过作业的知识点都忘完了,平时作业也关注细节而非知识的整体结构, ~~没有一次复习来整理,这不速速给下一届的安排一次考试~~
先占个位置,这个课体验还可以,比隔壁的数据分析强太多了
实验感觉说的还是不明白。