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 >>更多

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”。^^。 >>更多

刚考完还没出分，先写个点评。上课不是那种对着PPT念的老师，经常会有许多拓展内容（不考），经常介绍自动驾驶与机器人的相关技术，但是有时感觉抓不到重点，感觉老师什么都想介绍给我们但是最后都没学明白。。。上课从来不点名，并且ClassIn系统上有课程录像，可以选择自行观看。考试今年大变样，看了往年卷感觉 >>更多

上课等于科普（自学书上代码可能更有用） 考试全靠自学 考试=机器学习+概率论+数理逻辑2.0+一点点的上课内容 考试是统一出卷，建议去隔壁徐老师班找点机器学习的复习资料，svm基本必考，记得打印例题 ps： >>更多

实验：xXuHaiyang/USTC_AI2022_Lab (github.com)给分：应该是中规中矩的平时期末46开给分，班级平时分中位数是89.5，基本上算是小捞了平时分你只要认真去上课认真写作业认真写实验基本就是满分别像我有一次直接睡到12点被手撸决策树小测背刺就行做完全部实验了，出分后放个 >>更多

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 >>更多

本来是想着混学分才选的这课，但这学分着实不好混。 实验一调包实现MLP和SVM虽然现在看着着实不难，但是对于完全没学过Python的人还是要抓耳挠腮很久的。 实验二实现几个搜索算法，还没做，应该不难。 外加一份读书报告，读AI近五年顶级期刊一份，糊弄糊弄得了，选点自己看得懂的题目。 作业基本没有，有 >>更多

机器学习正在成为像排序和搜索一样的基础算法，每个 CS 毕业的学生都应该懂一些机器学习。这不是说人人都要理解机器学习理论、懂得设计神经网络结构，而是说要明白机器学习的工作原理、能力边界和常见方法。遇到一个实际问题，能够知道机器学习能不能帮上忙，如果能的话，找到一个比较合适的模型和一种熟悉的工具（比如 >>更多

比较中规中矩的一门课。老师上课喜欢插题外话，一般在课堂的开头；但是讲闲话之前会有个技能前摇，这很方便考试周看录像复习，直接快进到PPT开始播放下一页就行了（笑） 差不多一共 8 次作业，两次实验。Lab1 写一个 csp 算法和 astar 算法；Lab2 写 Kmeans 算法、贝叶斯网络算法和实 >>更多

首先这门课是一个偏介绍类型的课，所以每个方面学的时候都是浅尝辄止，真正如果想每个方向都学透需要花很多很多的时间。吉老师基本都是在很短的时间内把其中的知识点讲清楚，如果好好听课是能听明白的，而且吉老师还会补充一些课外的内容和一些自己做的成果之类的，总的来说还是很有意思的。关于收获，其实这门课的收获比较 >>更多