人工智能编程实践 · 修读回执档案

课程内容：python编程基础；大数据常用处理方式和可视化，python常用库；机器学习和深度学习和实现人工智能的一些任务；数据挖掘应用实现：大作业直接甩你一脸数据集（路网、POI、车流、疫情和蛋白质等），配好任务和代码示例，当然你要自选数据集和应用也没人拦着。大作业核心就是表示学习或智慧交通应用里的数据挖掘任务，数据处理、模型建立、实验设计训练和可视化一条龙安排。两人一队双排开黑，中间老师还会就选题和方法给建议和点评，主打一个有问必答小助手。收尾要交报告加项目展示。 上课自由度： 没有点名签到，自由度高到像是无人区。 考核标准： 课堂小测20%+作业30%+大作业50%，作业难度适中，卡住了可以问老师或者助教，按时认真做完基本可以作业满分，属于做作业就像刷日常任务，做了就给满。 授课质量： 课时较短，讲课速度堪称开了1.5倍速，内容倒是挺丰厚。哪块不熟自己回去翻PPT、看代码、补录屏。按要求把作业做完，成绩一般都不会难看。

课程内容：python+matplotlib/ploty/folium画图+numpy+pandas+scikit-learn机器学习+pytorch深度学习，本质就是把学习资料（ppt和notebook）往你脸上一丢说：自学吧您内。想短时间掌握这么多？梦里啥都有，顶多算抛砖引玉。 上课自由度：高，基本自学。好在**电子技术实验课**里试过用pytorch训深度学习模型，入门相对没那么难，属于带着半个技能包进门。 考核标准：平时20小作业30大作业50，小作业几乎没难度，但记住一句话：可以不会，不可以不交。 三个老师的大作业不一样，郑老师那边是机器学习数据挖掘相关，温老师那边是强化学习相关（？），这边是关于深度学习**分布外泛化OoD**的研究，应该也是老师自己的研究方向之一，偏理论但也比较有趣——比如猫狗二分类，训练集里狗全在草地上、猫全在沙发上，测试集反着来，模型就会把沙发和猫锁死，测试时看到沙发上的狗直接喊猫。要求针对彩色数字识别数据集搭网络，复现并试着改几个OoD算法写成报告，最后一节课是展示环节，每个同学可以到别的组去交流。 授课质量：中规中矩吧，反正都是自学，但给分真的好，应该几个老师都给得挺高，从排名看超过1/3的人都满绩了。不过个人感觉都给这么高，对真的很认真做的同学反而不太公平。

课程内容：电院ai都绝版了，这门课大概率也是末班车级别的遗产，内容大致是python语法速通，然后NumPy+Pandas+Matplotlib+Plotly这些可视化全家桶，再上Sklearn的机器学习（分类、回归、降维、聚类这些）+Pytorch的深度学习 上课自由度：极高，不签到不点名不提问，教室基本默认改成大型自习室，大家跟着讲义自己往前冲 考核标准：4次随堂小测（4x5%，属于投喂型送分）+3次编程小作业（3x10%，有点难度但可以无限次调试，主打一个反复横跳）+大作业（50%） 授课质量：温老师人很好很温柔，课上解答问题非常耐心（配环境那节印象挺深，有些同学卡住了，老师和助教都手把手来操作），授课内容把Jupyter讲义自己走一遍其实也差不多够了。大作业是老师给了一个multi-player-game-ai-project，需要做的基本上是debug和补全算法，熟练使用ai工具会容易很多，总体应该比其他班难度稍低一些。 ps：和助教多交流真的会受益匪浅，感谢ykgg的悉心指导，提供了很多优质建议，好评！！

课程内容：Python基础，加上几个常见库的用法，约等于给大家快速擦一遍枪 上课自由度：高。不签到、不点名、不提问，老师比WiFi信号还透明 考核标准：50%小组大作业（做五子棋AI，评分从程序本身、对战排名到实验报告、poster和pre都算）+20%课堂小作业（4x5%，基本属于官方发糖）+30%课后作业（3x10%，最后一发稍硬，有点难啃） 讲课质量：快，非常快。基本是把Python语法加numpy、sklearn、torch这些库的主要函数用法一根筋地过一遍，开着事先备好的代码当实践（还有一小撮是课堂作业），对0基础的人来说就是火箭起飞，不课后补课根本追不上。大作业那是直接让造火箭，不过老师大概也知道我们造不出来，允许从别的地方借点零件拼一拼。任务量个人体感偏重，但最后给分还算能处

课程内容：python入门基础知识➕NumPy+Pandas+Matplotlib+Plotly等一系列高级可视化➕基于Sklearn的机器学➕基于Pytorch的深度学习，一股把技能树三连点满的味道 上课自由度：极高，不签到不点名，你去不去都没人管，几乎可以任性地云上课 考核标准：4✖️5%随堂小测（基本上就是小作业）➕3✖️10%平时作业➕50%大作业，作业和考试跟着公式排队来、准时收 授课质量：4/5，ppt内容是真心能用，不爱听老师叨叨你可以纯自学开开挂，同时课堂会留相当长的时间给学生自己上手实操，遇到坑老师也会耐心来帮你填。 ps：今年助教gg非常认真负责，全程在线营业，实打实地给了我很多帮助，希望温老师以后还能捞到这样的好助教👍（听说今年给分比去年好多了😄）。

课程内容：标准化流程，讲点python基础和常见库，最后一脚踹进实际机器学习任务，自己扑腾着调模型。 上课自由度：21级小学期线上，不签到，偶尔甩俩问题和小测当彩蛋。 考核标准：50%大作业（课题的质量分析30%，报告撰写20%）；30%平时作业（共三次作业，每次占10%）；20%课堂小测（共4次，每次5%）。这不叫考核，这叫计算器按冒烟。 讲课质量：还行，基本等于PPT复读机，听说其他老师也是同款播音腔。课时短得跟短视频似的，建议提前把python语法刻进DNA，课上不喂细糠，全靠自学。大作业有点狠，但不想卷的话老师允许选择性躺平，最后给分还蛮香的。

课程内容：python基础语法和一些机器学习的知识，地基加天花的组合包。 上课自由度：非常高，网课期间偶尔有签到和小测，不过老师可能会点名问你学的怎么样有没有问题——突然点名的压迫感堪比考试。 考核标准：考勤10%+平时作业40%+大作业50%，作业难度适中，好好做基本能拿满，大作业是小组合作的，很适合卷王自由发挥，个人感觉老师给分挺高的，要求放的很宽，属于是勤劳致富型课程。 讲课质量：整体讲得很快，尤其是基础语法部分，基本靠自学，老师上课就是飞快地过一遍。值得一提的是助教都很耐心，有问题可以放心问。

温老师是搞多智能体强化学习的，这门课大作业就是让你调教一个简单游戏环境里的agent，属于是课程界的螺蛳壳里做道场，挺有特色的。 ------------------------------------------------ 大作业**相对其他两个班**好像难度偏高（说白了很简单，就是环境是全新的，这门课每年的大作业都跟RLChina合作，你想跟隔壁班一样上互联网Ctrl+C Ctrl+V？门都没有，抄都没得抄） ------------------------------ 这门课的查重属于是礼貌性查重。cs老师基本都会在教务处要求的分布上给满，均分很多是被拉低了。来听个笑话： 有一天助教发现两份提交的作业长得有点像，于是他把两份作业摆到一起，点开压缩包一看，哈希值一模一样。 -------- 小作业跟其他班保持一致，大作业就一个game环境，有集群算力让你跑RL，也可以自己手搓ifelse（大部分人都这样，我也是），就是比较有特色，从来不查考勤，真不知道“事极多”这个结论是怎么被推导出来的。 **#30358**你这65分....真的是给分不好这么简单就能解释的吗.....这门课可连考试都没有啊

课程内容：从python到RL的速通，一路火花带闪电，等于买了张站票被塞进高铁，坐没座、站没扶，全靠自己扒着车门活下来。 上课自由度：高，可以不来，来了也未必是来了，不来才是真的来了。 考核标准：系列小作业练习和最终建模大作业（该学期是送外卖的对抗游戏），对，送外卖，没开玩笑，学完人工智能回来骑电驴抢单。 授课质量：速通基本是不管死活的，我们能理解，因为这需要学生下来花功夫去掌握，主打一个"师父领进门，修行看坟头"。 ### 下面讲讲其他感受 给分情况：我在第二周一项填空类型的简单小作业上，因查重率高被判抄袭，申诉无果， 也因此直接总分扣除5分，我不明白简单小作业填空型，这一本就重复可能性大的题目， 为何设置如此门槛，以致使学生蒙冤——填空题啊家人们，填空，答案就那几个字符，全国人民的脑回路在这题上是量子纠缠的，你让我怎么填出个独一无二的宇宙来？ 其他评价：或是课程性质逼迫，或是些许人早期拖延而最后迫切完成任务，反馈不及时 各项大小作业的分数均是小学期结束数周后的同一天凌晨出分（**助教辛苦了**/抱拳）， 而且不容学生质疑地“**及时**“提交于教学信息网，因此我第二周的作业成绩得知恨晚， 最后一句“成绩提交之后就不能修改了”搪塞结束，堪称教科书回答，值得我们学习——凌晨集体出分，仪式感拉满，像双十一零点抢购，只不过抢的是自己的分数，还抢不到。 ### 总结 本学期老师为我们准备了插板方便充电，让我感动，推荐指数+1，因此打一星——插板是真贴心，分数也是真扎心，感动和心梗在同一个学期里达成微妙平衡，所以我打一星，格局打开。

课程内容： 第一周 python语言光速快进，快到像开了1.5倍速的网课 第二周 NumPy+Pandas+Matplotlib+Plotly等其他高级可视化，工具人全家桶 第三周 基于Sklearn的机器学习（分类、回归、降维、聚类等）+基于Pytorch的深度学习，直接给你从拧螺丝升维到造火箭 第四周 最后一节课大作业展示，见真章 讲课质量： Jupyter讲义做得不错，属于自己啃能啃出味的类型，但是上课的时候老师也就是对着Jupyter和课件念一遍，念得还好快，像AI语音朗读PPT，听一遍没什么感觉，课上自己动手的时间也少，感觉效果不太好，最后还是要课后自己花时间，主打一个课上听个响、课后再投胎。 **所以建议直接对着老师给的Jupyter讲义自学，不懂的查官方文档或者csdn之类的，别指望课上给你喂到嘴里** 关于大作业： 好像每年不一样？记得老师说上一次是贪吃蛇AI，反正这次是五子棋AI，经典上课拧螺丝下课造火箭了，除了python语法和numpy算有点关系，别的都根本没啥关系可以说，前面教的和小火箭之间的鸿沟能塞下一整条黄浦江 在正赛之前会有几次不算成绩的热身赛，白送的练手局，最后算分的是 正赛排名+展示海报+项目报告，一套三连带走 给分还不错

温老师一开口我人直接化成一滩水，嗓门儿软得像棉花糖泡牛奶，真的很nice。这门课嘛，几个老师端出来的菜基本一个味儿，都是速成Python+一坨大作业，妥妥的预制菜套餐。劝你课下自己把课上那几个notebook再回锅炒一遍，因为上课那速度属于是开着倍速播放，眨眼就上天。 有课堂作业（当天就得交，4\*5%）+回家作业（3\*10%），按正确率给分，错一个都像手机掉地上心咯噔一下。 大作业占50%。温老师的大作业2020级是贪吃蛇团战，2021级是五子棋团战，3-4个人一队，当时感觉这是全场最靓最有意思的一个，果断上车。结果最后大家整出来的大多是想一个算法，深度学习根本没时间塞进去，AI在门口排队排到下课。不过只要能提胜率你随便造，什么路子都不限，结课做pre吹一波就行。 最后成绩好像跟比赛结果挂钩，几场比下来我们组名次坐过山车一样上上下下，最后结果中规中矩，所以这块分数也没能翘到天上去。

课程内容：基础python语法 机器学习入门，主打一个从入门到入土，入土之前先学会import。 上课自由度：很高 可以不去，高到你以为自己在读函授，老师在你生命里属于彩蛋级别NPC。 考核标准：50分大作业，50分小作业，一半一半，合起来凑齐你一整学期的精神状态。 授课质量：还行 老师人是好的，人品在线，但给分这块属于是当场把我送走。为什么去年看上去给的那么友善 今年直接乱扣一片啊。。这落差感堪比去年发的红包今年变成账单。某一次占比10分的小作业，全班均分3.3，相当于总评直接平均少七分，一刀下去众生平等，还不要说其他作业和大作业的扣分了，基本上4.0在梦里，梦里还得是清醒梦才能摸到。反观隔壁老师九十几一大片，真的羡慕死，隔壁在发过节费，我们在这儿交过路费。小学期的课就不能友善一点嘛 给个好一点的分大家都开心过暑假不好咩，都是小学期了，给分就不能像夏天的空调一样管够吗。

课程内容：python那点基础，监督/非监督学习，回归，神经网络等等一锅端 上课自由度：高，不点到，小测和quiz给你的时间也宽裕到能摸鱼 考核标准：50%大作业+30%三次quiz+20%四次小测和出勤 授课质量：还是可以的，老师和助教各种姿势试图把人工智能的思维和实现塞进我们脑壳，也一直怂恿我们动脑、发问、去刨自己感兴趣的东西；非要挑毛病的话大概就是整体节奏也偏快，吃完有种囫囵吞枣、枣还没嚼完就咽了的恍惚感

课程内容： 这个课三个老师都差不多，就像三杯不同杯子的同一款奶茶，只有最后的大作业有区别。 上课自由度： 挺高的 考核标准： 比较开放，除了三个班都相同的三次quiz和三次作业，还外加一次特有的数据挖掘的大作业跟相关pre。 授课质量： 较高

课程内容：Python的基础知识，常见Python库的用法，Python在机器学习中的应用——听着像三件套，实际上是把一棵Python树苗连同整个森林都薅给你看。上课自由度：网课学期，无签到——自由到你会怀疑这门课是否真的存在，存在感比断网时的Wi-Fi还低。考核标准：5%×4随堂作业+10%×3小作业+50%大作业——这配置跟火锅店小料台似的，前菜摆得挺多，主菜一锅全押大作业。讲课质量：讲课速度太快，需要自学，基础部分较少。大作业自主选题，两人合作，因此较难（卷）。但按要求完成任务就能取得不错的分数——速度那叫一个快，感觉是开了1.75倍速要把知识射进你脑子，基础不讲够，你得自带底板接招。大作业自己选、两人组队，江湖凶险（卷）。但剧情最后会有反转：照着要求交作业，分数不亏待你。

# 给分跟其他老师一比简直降维打击式地烂，事儿倒是膨胀式地多，终极结论：快逃就完事了 --- 讲的其实有用，助教和老师人也都还行 课程内容：4 上课自由度：5 考核标准：0 授课质量：3

课程内容：python 给分不好，属于是知识给你端上来了，分数转头就走，主打一个陪伴式教学 上课自由度：5 考核标准：3 授课质量：2

课程内容：python语法，numpy，pandas，matplotlib，pytorch的上手使用 考核标准：20%小测，30%作业，50%报告 讲课质量：课时有点短得意思一下，需要自己补的知识量很大，属于课堂上种种子、课后自己原地开花型。最后报告数据处理那块要求不高，感觉重心在于你多试试不同的特征工程和模型，就是这么种折腾劲儿

课程内容： 挺好的 上课自由度： 不是很高，像是被软性拴在了座位上 考核标准： 挺高的 授课质量： 一般般

好。两个字，气场拉满，跟期末评语里的“已阅”一样，废话不多但信息量为满格——就是好，别问了。