杨旸 · 人工智能(B类)修读档案

给分我体感还是挺好的啊🤔 也不用爆肝，期末按画的重点正常复习就行，虽说重点也没全覆盖考点（也可能是我没复习到），但最后分数依然不错。 大作业得认真搞一下，挺有意思，也能学到东西，比较吃队友，最好全员不摆烂早点开干。 坚持出勤就完事了，不过双学位跨校区确实难受。 另一个班没有期末考试，但我学期初就想，不考一下这课跟没上一样（dddd），而且有期末考试分数也能自己多把握一点，总之还是挺不错的。

课程内容：跟数据科学基础重合到像是买一送一、联名款**高度重合**，外挂搜索（有信息/无信息，对抗）和非确定性推理（贝叶斯网络采样）。 上课自由度：低，前面杨旸老师上课每节课都要签到，单防拉满；后面郑伟龙老师上课有时不需要签到，突然松防。 考核标准：40%期末+ 55%（平时作业+大作业）+ 5% 出勤。 授课质量： - 大量PPT非常混乱，像从国内外其他学校AI课程的PPT直接组队来开派对，还时不时插入老师自己平时科研的成果，复习时只能让AI来当私人秘书整理。 - 老师上课比较催眠，PPT如上所说又很乱，这学期大多数同学的重点已经不在课内，课堂并不活跃，但两个老师似乎不能理解，其中一位讲着讲着就有点生气（何意味？这题超纲了）。 - 考试前老师会在canvas放练习题，题型和考试最终题型基本一样，所以期末比较简单，很多同学提前交卷，交卷内卷。 - 大作业今年首创，内容是根据脑电信号和对应的情绪完成指定任务之一（监督/自监督/多模态 etc）。给学弟学妹建议：一定要能解释清楚结果，因为结果有问题pre时老师一眼看穿（郑老师是这方面专家，数据来自他之前一个工作）。 - 最后给分还可以，平常也几乎没作业，就是期末周需要突击复习一下，所以给4分。 PS: 突然发现隔壁黄涛老师的这门课居然没有期末？？？！！！

我想知道，为什么这门课每节课都有签到、要课上互动，没有组内互动的课就要quiz，还安排在最后一节课，说是一定要听课，我请问呢？如果给分好就算了，前面的人每个都说分数不好看，那为啥这门课还能给到高分……大三了，人人都在想着实习或者科研突破，你给我来这个？ 出分了，考的和往年内容很多重，因此算仁慈；但签到机制还是太恶心；最后平时分也没有给满，虽然个人成绩还不错；总之给你提两颗星。

我是真的没招了，阴得没边了，每节课都签到，扫码不够，还要面对面建群，最后一节课再来个随堂小测，真就强制你肉身到场，人不到位一切免谈

酌情砍掉一分 要是期末考试像话点儿我就给五分了，可今年考试难度明摆着比往年往上顶，考的东西ppt里也没细细列出来。 跟隔壁班比吧，好处是作业量轻一些。但百分之四十的期末占比，对中下游学生来说真不是什么善茬，所以我还是更推荐隔壁班。

我不太明白为啥期末考分会低成那样，最后靠平时成绩给我拽上岸了（平时成绩应该涵盖签到、作业、大作业，有时候上课还甩几道随堂题要求笔头上交，也会来点名）。不过貌似也有平时分被扣得稀里哗啦的，跟隔壁大作业班比只能说是各挑各的碗，感觉大差不差。

老师上课讲得还是挺好的，作业量远小于另外一个班，是一股清流。唯一难受的是期末得背八股文上考场，分数构成是平时60%+考试40%。 --- 考试试卷不算难，但非常细，每个点都得会，反正我是有不少不确定的地方。个人认为如果完全不捞，分数可能不太好看。无论如何，选这门课是大三下不错的打算（workload适中+考试背诵），刚考完，分数没出。 --- update：出分了，这个给分没有预期的那么高，可以说期末完全没捞。我只能说人工智能方向的含金量还在下降，也许班上有同学满分，反正这期末给分不太行。（酌情减1星）

除了签到之外上课几乎从不点名，平时作业又少又简单，答案详细得像怕你读不懂父母心；大作业经过去年和期中的反复反馈后越缩越水，期末考前还发一份非常详细的大纲，考试简单到像交白色卷子上交自信，老师又非常愿意按同学们的意见调整教学和考核。yy老师太好了，选到就是赚到🤩🤩🤩

考核标准： 参与5%+作业和Project55%+期末闭卷考试40% <br> 课程内容： 1-Intro 2-Searching 3-Adversarial Search 4-CSP 5-Lgic Agent & KB 6-Uncertainty & Prob Inference 7-HMM 8-Learning 9-Bayesian Learning 10-SVM 11&12-NN 13&14-Reinforcement Learning 15-Advances of AI <br> 参与：签到这事儿吧，线上扫码跟扫共享单车似的，线下则是扫码与面对面建群随机盲盒。 作业：4次，全是简答或应用题，题量走的是清淡路线，助教批完还附赠参考答案，属于是给你递刀叉切蛋糕。 <br> Project：原定3个，结果时间老头儿不同意，第三个被削成了选做，不做不扣分，做了有bonus。3个都得交代码+报告。 Project1（9.22-10.7）用DP、A*、遗传算法搞多序列匹配，从零写，建模自己拍脑袋定，语言随意。难度可以说是地狱级，特别是三序列老老实实跑（不做硬件软件优化那种老实），等它跑完够你追完一部番。 Project2（11.20-12.18）MNIST Classification手写数字识别，助教安利python加sklearn、pytorch，明面上允许调包其实就是在喊你调包，svm和nn（结构自定）各来一遍，参数得自己调还得用表格摆报告里，助教发了下载数据集的python代码，照着把训练集测试集分好就行。 Project3（12.24-1.8，选做）Q-learning玩21点，助教给文件，咱就填十几行代码的空，跑通、结果不离谱就完事。 <br> 期末：单选2\*9，多选3\*8，判断2\*9，应用40(12+12+16)，应用题只认作业题型，整张卷子但凡需要公式，公式都像外卖一样直接送到题里。 <br> yy老师学期中后段请来教改组的老师做匿名反馈，你想吐槽就吐槽，通通转达给yy老师，老师照单改进。Project3就是这么来的——有同学哭着说周数都尾声了还不布置别的课也要挤爆炸，于是改选做。 给分那是一整个猛^_^，我canvas上作业和project明摆着扣分了，最后进系统的分数居然给满了，说不定是bonus奶起来的，但这波直接拿到60%分，相当于期末考试交白卷都及格！别的课这种好事做梦都不敢这么做。 <br> 上课自由度：比较自由，一整个学期抛出去的问题凑不够10次。 <br> 授课质量：还成，就是有点散装。

课程内容：人工智能发展历史上大部分的模型与方法——说白了就是AI编年史大礼包 --- --- 上课自由度：基本每节课前会有签到, 偶尔会有一些奇怪的签到方式(面对面建群),此外别无要求——签到环节偶尔整个骚的,除此外放养到底 --- --- 考核标准：5% participation+55% homework and project+40% Final paper exam——就这三段式配方，原样装配 --- --- 授课质量： **总体评价是高于CS授课平均水平但也没高出太多**——跑赢大盘半个身位吧，也就半个 课程设置在中午1点连上三节, 加上老师本人语调极其催眠以至于我从来没有完整地听过三节课.——正午时分三连发,再配上那自带安眠效果的嗓音,三节全勤通关这事在我这属于传说成就 > 老师:"我下学期尽量让教务处安排得更合理一些" --- 老师比较认真负责, 注重授课质量, 这学期多次调查学生对于课程的评价,并且在本学期内确实做了反馈(将一个project从必做改为选做, 准备期末复习提纲, 降低平时作业难度等等)——认真负责这事儿是有实锤的,学期中反复收集民调,而且不是收集完扔回收站,当场就改了(一个project从必修名单里放生,整了复习提纲,作业降难度,一条龙) --- 助教批改作业, 答疑都很认真, 给分也蛮不错, 据说这门课的助教多次评为优秀助教——批改答疑两开花,得分也友好,据传这颗助教之星评级拿到手软 --- 授课大多数内容都是摘自CS188, 个人感觉讲的不比B站伯克利网课好, 自学可以直接去看网课. 对于前沿的人工智能方法做了科普,考试不做要求. PPT做得比较一般, 复习时光看PPT会很迷茫, 好在老师提供了复习提纲, 完全涵盖考试内容——大半货都是CS188搬运出品,我个人觉得还不如B站那档伯克利网课下饭,想自学请直接奔网课.前沿方法就纯科普调味,考是不考的.PPT嘛水平普普通通,单独抱着复习等于雾里看花,幸亏老师发了复习提纲,考试的地图全画在上面了 --- 全学期共有三个project, 都是个人完成, 第一个project略难, 代码量比较大, 但算法比较简单; 第二个project调库就完事了; 第三个project助教提供了主体框架, 补上大概不到50行代码就完事了, 总体从难度上还算可接受, 但收获不多.——三个project统统单人solo,第一个小为难人,代码声势浩大但算法挺朴素;第二个主打一个调库瞬间闭环;第三个连骨架都是助教喂到嘴边,补不到50行就收工,难度上整体算是接受门槛内,不过回血条基本没涨 --- 期末考试非常简单, 一些简单概念+作业题改编, 而且期末占比只有40%, 想要卷分数的话,还是比较推荐的.——期末呈现人畜无害形态,几张简单概念外加作业换包装重投,还只吃40%的比重,卷积分爱好者这边请 --- 课程具体内容可参考传承上的全家桶.——课程细节请遵医嘱查阅传承全家桶 --- 一学期学完之后收获不大, 又或者是我本人问题...不过想卷分数或者水过去还是很容易的. 不过在CS想要收获满满, 建议是另谋出路——一学期下来知识塞得薄如蝉翼,也可能真的是我菜…但冲分和摸鱼上岸都格外丝滑.真想在CS里捞满钵,建议换条河 --- ---

课程内容：这门课的内容就是人工智能相关，讲得比较基础，适合入门。 上课自由度：老师基本不点名，去不去全凭自觉。 考核标准：平时作业+期末项目+考试，占比记不太清，好像作业30%、项目30%、考试40%左右。 授课质量：杨旸、郑伟龙两位老师轮着上，风格不太一样，整体还行，偶尔有点催眠。 给分：给分据说还行，身边人好像都85+，也可能是我所在的圈子比较特殊。 建议：想水过去的慎选，期末项目还是要花点时间的。

课程内容：搜索、知识图谱、机器学习的概念和简单运用。 上课自由度：一般，不定期点名。 考核标准：签到+四次还是五次基本是简单概念题的小作业+两个LAB（含repo）+50%期末考试。 讲课质量：一般，催眠效果一流，本人基本全程离线睡觉。 其他：第一个LAB是个人LAB，简单得很，用DP算法、A星算法和遗传算法搞定多序列比对。第二个LAB自己组队，四人一队，当时做的是kaggle网站上天梯项目lux ai，天梯积分占比不高，主要是repo和答辩那些。

课程内容：基础AI，搜索算法+概率模型+最后四周ML，拼桌上菜。 上课自由度：高，不提问，有扫码签到，但偶尔会在扫完码后再来一次现场点名，伤害你想逃课纯真的心。 考核标准：平时60（包括一个人项目和一个小组项目），期末40。 讲课质量：讲课中规中矩，老师很用心，助教极其负责，但是毕竟AI内容太多一学期不可能讲的很细，尤其是最后讲ML的时候非常粗略，像用二倍速看完一部电影。有四次小作业，个人project是实现和比较搜索算法，小组project预测RNA结构或者kaggle上lux AI，两个都属于神仙打架。期末考很简单。

课程内容：大概遍历了一遍人工智能发展史上的各种模型（搜索、逻辑推演、贝叶斯、隐马尔科夫、机器学习），全面但不深入，像自助餐每样尝一口。 上课自由度：扫码签到&两次扫码quiz，老师比较随和，随和到想加微信。 考核标准：考勤quiz&个人project&团队project&40%期末，个人project是实现三种搜索算法，团队project是深度学习/强化学习（比较玄学），期末考试小题比较多&和作业比较像。 讲课质量：老师讲课很认真，但是如果对人工智能不感兴趣可能很枯燥，比看说明书还困。