07-03 出分

要么是我期末考试没有我想的那么炸，要么是助教大大们发力了，反正在我认为我期末错一堆的情况下还能有88，我自己是满足了。

不过，我身边的同学有出现89或者94的情况，故我的给分评价维持“一般”不变。

最后，特别夸一夸xyj助教，xyjjj是我个人眼中的本学期MVP！

这次真的再见了，所有的人工智能基础战士。

06-29 00:04

lab2的报告提交，我的大三下学期和《人工智能基础课程》的DDL一样结束了。

“再见了，所有的人工智能基础战士”。

图中除我之外的同学的个人信息已经被我刻意隐去了。若仍感觉被冒犯了请随时联系我，我会积极配合删除上图的。

06-22 复习不下去数据库写写实验

按照助教提供的lab2文档安装的torch是CPU版本的，假如想安装GPU版本的，先卸掉CPU版本的torch，再看好python版本和CUDA版本，直接去pytorch官网（Get Started）复制命令。

Update：为什么Linux上按照助教命令安装的版本就默认是GPU的？好奇（

另外，lab2文档的睿客网盘链接疑似过期了，这是我找到的参数文件链接（Huggingface上的）：roneneldan/TinyStories-33M at main

Update：不要只下载一个链接里的二进制模型参数文件，要把整个目录都下载下来！！！！

06-21 考试后

有同学（学长/学姐）催更了，那我便更！

首先，和隔壁班的同学说的一样：吉建民老师班级的卷子和王上飞老师班级的卷子可以说几乎没有共同点，一定要认真听自己班老师的话！

今年吉建民老师班级的卷子感觉确实还行，总体上说难度和往年比较类似（点名批评创飞我的体系结构H）：

• 前面常规的题挺常规的，尤其是判断和选择放了很多水
  • 值得一提的是，选择缝合了点深度学习的基本概念（CNN的性质等），往年好像没有这种情况
  • 不过只要复习了问题就不大，我印象里没有比较纠结的题目（当然也可能是我错得很干脆）
• 下面三道题大体上可以说是常规的：
  • UCS和A*算法模拟执行
  • Mimimax搜索和α-β剪枝
  • 一阶逻辑小连招（一阶逻辑翻译自然语言+在此基础上归结证明，可以说是和往年区别不大）
• 今年的贝叶斯网值得一提，不算常规。
  • 这块内容和往年相比计算量似乎是有亿点点大了，对比2020、2021、2023年三年的卷子来看，今年的贝叶斯网显然不是纯送分的了。
  • 今年还考了个简单的贝叶斯网建立，不过稍微想想都能建对。
• 倒数第二道SVM+k-NN+PCA&K-means的learning题目有一点离谱，主要是我不太懂这个事：假如待分类样本点周围分别有2个正例点和2个负例点（这4个点到样本点的距离都是一样的），3-NN的分类器该怎么分类？我印象里课内没有介绍过此时k-NN分类器该采取什么行动，自己糊了一个看起来比较正确的结果上去（大雾
• 最后一道题是基于soft margin SVM的，这道题似乎也是在送温暖，感谢jjm老师和助教大大们（x

吐槽归吐槽，我没有想在此对答案的意思，大家知道我发扬了瞎蒙的优良传统糊上去了没空着就好（）

总之，一晚上学会什么是（正确的）α-β剪枝+一阶逻辑归结+贝叶斯网计算+传统ML模型若干并且做到能在试卷上写出来个七七八八，我已经很满意了。

给后来人留几句话：

• jjm班的人工智能基础考试和作业很可能是正交的。假如不是真的想做逻辑这一块的话，平时作业里面一眼看上去就是逆天的东西不要老是揪着不放，点名批评什么反向链接算法，做作业的时候证明了半天完备性，结果真到考场上归结的时候谁还不是瞪眼法了🤣
• 就我的体感而言，吉建民老师在课堂上和作业里并不会涉及很多很多考试的重点，我第一遍学习的时候很多花了大量时间的内容（比如说PAC学习理论）最后根本不是考试内容，反倒是课堂上没怎么太花时间讲的归结方法基本上考逻辑大题的时候必考。
• 所以，上课是上课，作业是作业，考试是考试。

想要拿到考试的高分，你训练集里面装的东西是不是至少得和期末考试同分布呀？！

（当然，上述内容是极端功利主义的，抛开这些俗气的东西不看的话，听吉建民老师上课还是很有意思的，风格和金培权老师比较接近）

距离考试5.5h

刚刚弄清楚怎么规范地作一阶逻辑的归结，笑不活了。

希望我考完试还能笑出来。

peace.

06-05

感恩两位助教救下ddl战士小命🙏🙏🙏

05-26

或许是jjm上课以来第一次点名，mark一下

05-07

助教团在节后第一时间更新了PPT，那很nice了。

毕竟也不能强求人家劳动节加班是不是？

05-02

小小吐槽一下，怎么今年这个PPT更新的这么慢啊（

今天的一个沙龙上，jjm老师透露了自己玩原神并且氪金的消息（）

出分了改实名 + 公开可见，同时把评分调整到实际水平。

考完试大家都在说奶，但其实对本人来说还是有些难度的（求错导数.jpg），最后的总评给出的分数和预期大致相符（也就是说可以认为没有额外捞），相比隔壁体系结构和安全原理，本课程在考试占比 65%（接近数院的 70%）的情况下，给分显得中规中矩，合情合理得甚至都有些意外。

上课虽然氛围总体还算轻松，但信噪比确实低得夸张，所以导致听课效率与最终收获（反映在成绩上的部分）并无直接关联。本学期第一次出现了课堂签到，所以没有理由排除后继学期不会再有相同的情况，这一点可能需要选课同学引起注意。

作业几乎均是书上题目，难度整体不大你甚至可以找到答案，题量中等，所以日常完成仍然要花去一部分时间。

（哦对了，课程网站的第八次作业需要点一下语言标签才能显示的 bug 截至评课时（2025.7.3）仍未修复，原因无从推测，无法判断是操作问题还是教师个人主页系统本身的限制，因此后续选课同学可能仍需注意这个问题。）

本学期课程设置两个实验，实验 1 为实现各类搜索算法（主要是 A*），难度和任务量上平平无奇（尽管使用 C++ 可能有些争议，但作为底层算法尚可接受），而实验 2 由于几乎在学期末布置，加上如果没有写相关代码的经验或者硬件支持，要完成整个实验（不含选中）就要花去大量的时间（下面的环境配置为本人花了 3 小时才摸索出来的结果），加上实验 2 的收获相比所付出的时间实在是太低了，因此实验的整体质量只能说是平均水平。

考试每年题目都不相同，虽然考前划了考点，但考场上考法千奇百怪（3-kNN，但是有四个距离相同的点），加上有些判断选择题还是有些模棱两可，所以不能一概而论说考试简单或者难，应该引用隔壁数据库的话：“题目难度取决于你掌握情况”。

总的来说，本课程在计算机系一众特点鲜明的课程里（包括但不限于手写代码、人力汇编器、数字符串长度等）算是非常平衡的一门了，它基本上做到了一门课程应当具备的水平，没有太大的缺点，但要说在基础水平上还有什么长处，鄙人才疏学浅，也许只有对 AI 非常感兴趣或有经验的同学才能说道一二了。考虑到“没有不可接受的缺点”已经实属难得，所以给出 8 分的评分也应该合情合理。要说有什么改进建议的话，也许在设计课程实验时，不要认为“除了 NVIDIA 就是 CPU”比较好。

考试前：（设想一万种可能考到没复习的地方）

考试后：怎么把导数求错了呢😰

那么出分之后再评吧，不嘻嘻（

实验 2 说是只支持 CUDA 和 MPS，但是 AMD 用户也不用慌，可以在 WSL 里面用 ROCm 平替（Linux 玩家可以直接上）

（当然 WSL 也不是所有卡都支持，具体请看 https://rocm.docs.amd.com/projects/radeon/en/latest/docs/compatibility/wsl/wsl_compatibility.html）

首先得先在 WSL 上装驱动： https://rocm.docs.amd.com/projects/radeon/en/latest/docs/install/wsl/install-radeon.html

如果到 PyTorch 官网去弄轮子，会安装 2.7.0 + ROCm 6.3，实测在 WSL 上跑不了，设备都识别不出来，所以要去翻 AMD 的文档，使用 AMD 自家构建的 PyTorch： https://rocm.docs.amd.com/projects/radeon/en/latest/docs/install/wsl/install-pytorch.html

安装好之后，不需要修改代码（是的，ROCm 也用 torch.device("cuda")），直接跑就行，实测反正比 CPU 快，但是注意有概率 OOM

OpenCL 和 DirectML 实测不能用，ZLUDA 没成功跑起来，不排除是配置问题（

老师讲课信噪比很低，经常忆往昔，说当年在港科/CMU的时候，还有实验室做的机器人，感觉听课用处不大，好在最后考试是开卷考，感觉考的也不算很难，考前花一两天把PPT过一遍就行了。而且老师最后一节课会讲考点，可以过滤掉很多内容，这个建议还是要听一下。如果没去上课也没关系，因为老师会开录课（在classin上）。

这一学期一共有8次作业和2次实验，给分还是比较宽松的。实验会有选做，但是如果把必做都做好了也可以得到满分，所以也可以不卷选做。也不存在不做选做扣分的情况，我的第一次实验就没有选做，也得到了满分。

最后的给分感觉还好，我是平时分几乎满+期末考的一般（不知道卷面分）=总评90

不过想要吐槽一下助教。这门课一共有四个助教，感觉并不是很负责，在考试前回消息很慢，不管是群里还是私聊，甚至我考前私聊助教问了一个问题到现在还没回我。并且有一位助教戾气很大，在有同学指出问题后破防了，在群里大发雷霆。

最后附上我的大佬同学整理的期末考点：

Lec 3 uninformed search（双向搜索不考，bfs dfs uniform dep-limit iter-deep 一定会考一个），可能会考的：一个搜索问题，用不同的搜索方法搜出来的序列是怎样的，偶尔会问时空复杂度

Lec 4 informed search，A*是必考的（默认是 tree search 的 A*），可能会问，A*的启发式函数什么情况下是最优的，给你一个问题给定启发式函数会是怎样的搜索序列。
Local search 爬山法和 Local beam search 偶尔会考一点点，模拟退火和遗传算法不考（顶多选择题考概念）。

Lec 5 CSP 偶尔会有一些内容简单考核，了解基本概念即可

Lec 6 Minmax Search 必考，alpha-beta 必考

Lec 7/8，命题逻辑/一阶逻辑下的归结，有时候考有时候不考，考的时候会是大题用逻辑表示出来用归结的方式得到结论，有时候考最小合一

Lec 10 贝叶斯网必考，一般会给个贝叶斯网然后计算，判断这些变量在什么条件下是否条件独立，或者给出后验概率计算具体概率数值，用计算器（最好带）

Lec12 对于经典的监督学习（Supervised Learning），概念性的会考一些内容，SVM每年必考一道大题，SVM难度基本就是布置的作业难度，无监督学习（Unsupervised）一般会考聚类的 K-means，偶尔考基本概念

Lec13 神经网络部分，现在偶尔会有一点点概念的东西，了解概念即可（对 logistic regression 熟悉即可）

这个评课只是为了分享本学期的PPT。

下载链接如下：

https://pan.ustc.edu.cn/share/index/a00b144265954bf499b9

使用科大云盘保存资料，校内下载应该很快。

以下为帮助大家在评课社区快速寻找资料而列出的关键词，直接使用网页搜索就能检测到，除此之外，别无他用。

.xsl .xswl 

.pdf .doc .docx .ppt

.txt  .xls .xlsx .pptx .rtf .jpg .jpeg .png

.gif .bmp .svg .tiff

.mp3 .wav .flac .aac .ogg

.mp4 .avi .mkv .mov .wmv

.zip .rar .7z .tar .gz .xz

.html .css .js .py .c .cpp .php .sh .bat

.exe .dll .apk .iso

.md .db .bak .tmp

优点：

只点一次名(没去正好卡g哈哈哈哈)

速通友好，和室友一天拟合成功，考的简单的一匹

缺点：

实验二到底是怎么改的，改实验的人评分标准真的统一吗？身边有同学代码有bug拿了90+，我拿了80+，两个人都做了附加的情况下）

点名不到真的会被卡g的

ppt内容含量极低）

学习部分占比还是小，尤其是考试考的还是太少太基础，建议再多考点考难点，否则这门课的地位会一直保持在一个比较尴尬的地位(毕竟是大三下了，或多或少该现代化一点了)

总结：

今年选这课人很多，老师给分应该还是很好，而且这课就适合考试前看一天速通。。。

还是觉得适合大三下需要刷绩点争取保研的同学来，稍微努力一下就可以拿个高分。

回想了一下这学期自己选了这么多课好像加起来也没上过几节）