| 选课类别:计划内与自由选修 | 教学类型:理论课 |
| 课程类别:本科计划内课程 | 开课单位:信息科学技术学院 |
| 课程层次:专业核心 | 学分:3.0 |
於俊老师的《人工智能导论》定位为导论课,课程内容广泛但不深入,涉及传统人工智能方法、机器学习和深度学习等章节。部分学生认为老师授课风格抽象、讲课枯燥,建议自学PPT。教学以吴飞教材为主,适合自动化专业同学了解基础知识。
作业和实验简单且数量少,大部分为教材中的内容,要求不高,助教评分宽松,DDL较长压力不大。作业实验几乎不扣分,部分同学称助教处理作业与实验不太透明。
考试难度低,划重点后试题多为作业内容。尽管考题与划重点略有偏离,但大多简单。给分宽松,优秀率高,不少学生未充分复习即取得高分。
总体而言,课程难度偏低,适合想了解人工智能基础的同学。教学质量评价不一,但给分较好,适合轻松修读。有学生提供学习资源,如nndl.github.io供自学参考。
大四凑学分选的
课是没去上过的,直到期末考我才知道老师长啥样
作业倒是认真写了一下
考试全是作业题,数都没变,考前背了答案直接默写,就有一题不是作业好像,不过也挺简单
大四不在乎成绩,考试写了四十分钟随便画画就走了
就这还能给3.3,优秀应该都给大三需要成绩的人了
你要知道,俊哥的操作我是看不懂的就行了,我看不懂就证明他比我还要抽象,随便划个水得了。如果不是优秀率限制我觉得他会给每个人都3.7以上的。我看过了很多高山一般的老师,但是我却读不懂他。他有着中年人的放浪形骸,眼镜下却闪烁着迷人的智慧,声音是催眠的。我还记得这门课的助教,PPT是不发的,消息是不回的,想点点举报却发现都不在一个频道上。总之,俊是一个温柔的炸弹,随时都有可能爆炸,但是不会让你尸骨无存
俊哥我的神,就考前一两天看了作业和划的重点,最后喜提4.3。虽然俊哥讲课确实不太行,但是这门课谁上我都不服,就服俊哥
作为导论课,就是掌握一下基本知识,所以讲得都不是很深入,但按照yujun的讲课风格,不如自己看PPT,所幸的是优秀率应该给满的,这点倒不用担心
特地点评一下助教,觉得还是有点逆天,不发习题课讲义,如果不是最后一节课过去让拍照,估计科大拳就要来了,助教说是发出来影响下一年的教学,tm最后拍照不也一样把答案流出来了,搞不懂
讲课依托答辩,这门课是开给自动化专业的水课,AI和网安都可以选。老师在水,讲课没什么激情,倒是做了几百页的PPT在哪里枯燥无味地讲,PPT做的也是很答辩。课上按照吴飞的那本教材来讲的,作业和实验都是上面的内容, 这一点和AI班就不一样了。
课上讲了一大堆东西,从搜索到知识表示和数理逻辑,再到监督学习也就是常用的机器学习算法(决策树、支持向量机、神经网络等等),最后还有强化学习。这些东西要想全学明白是很难的,所以这门课也不会这么为难学生,毕竟这门课主要是开给自动化的,自动化专业的同学了解了解就好了。
最后考试直接划范围,结果都是很简单的东西,要么就是作业题里的东西。机器学习算法就考一个决策树,甚至连支持向量机这样的都没考。挺合理的,反正随便整整就行了,也别搞太难。
给分好,毕竟自己讲的烂给分还不好的话早就被攻陷了。一学期没上课,作业实验都是抄的,考前就看了一下决策树怎么算、逻辑推理的归结证明、记了几个公式,最后90,马马虎虎。
好像整个班考的都不好 希望老师狠狠奶一口 给分好点这门课真的没有那么不堪 (毕竟事情真的很少)
1.26 你批完卷子十几天了你倒是出分啊。。。
2.2 就别的不说,作业两次,实验两次也都不难,不点名,事情非常少,虽然作业要求和实验要求说的不清楚,但是收作业的时候也没去刻意的扣分什么的,而且ddl巨长压力很小,助教对作业要求也不严,人也好说话。虽然画的考试范围和出的题有点偏离,但是给分真的奶,所以无伤大雅 可能唯一的缺点就是课上讲的太快,但是自己看ppt学问题也不大的捏。 反正,我感觉体验还是不错的。。
提供两次作业,一次思考题(不用交的那种),考试大题几乎全是作业,除了一道卷积特征图计算
确实是考默写
收获的话,权当了解一下传统人工智能方法了
深度学习部分借用的 nndl.github.io ,这书不错,可以看看
比隔壁那个班小作业大作业一堆好多了