人工智能理论与应用 · 修读回执档案

课程内容：讲ai的发展史，从老经典一路推到前沿的内容和方向，算是比较全的 上课自由度：扫码签到就行，课上干啥都可以，老师不管你 考核标准：三次小作业各10分＋大作业40分＋平时分20分，班级均分88＋ 授课质量：本人是真没怎么听，不过翻了杨老师的ppt，感觉背后是有用心备课的，杨老师本人水平也很高，我觉得还是能学到东西的。而且老师也算负责，虽说作业有时候不会按时传上来，但留的时间真的是宽裕到奢侈，微信群通知也到位，有事情会私戳到同学本人，时不时还会塞两篇比赛相关的公众号推文。

课程内容：感觉讲得抽象到飞起，全英PPT简直雾里看花，总觉得真正作业和讲课内容之间关联性小于百分之二十 上课自由度：屎。我有两次没签上到，扣了我总评的四分。二十分的平时成绩只给我打了十六分。What can I say, man。 考核标准：平时成绩+三次作业+一次大作业 授课质量：用心听的话可能能学到点东西，但能学到点东西这事儿可能性不大

课程内容：机器学习的理论与应用，不是跟你闹着玩的那种 上课自由度：低，每节课可能随机抽签式签到，但这学期只在开学前几次课搞过签到，早八叠上去那真是纯刑具，所以有时候会觉得这堂课自由度非常低，学期后半段基本放了羊，签到查无此人。 考核标准：三次小作业，外加一个大作业和考勤，大作业是写作任务，只要小作业每次认真做，大作业写得规范认真，而且是真的下场干了活，我认为高分是能端上桌的。比如我就租了服务器去跑实验，花了将近 100 多块，还包括开了 AI coding 的会员。感觉烧钱量属于大出血级别，但只要真做，高分是够得着的。 授课质量：客观评价，老师的 PPT 内容深得像个无底洞，不适合拿来当人工智能的入门课。但如果你本来就有底子，那上这堂课你可能真能捞到点知识。这深度确实比较深，加上上课人数爆炸多，一屁股坐后排，专注力直接开溜。感谢老师本学期授课，也希望后续能改一改！

课程内容：人工智能 上课自由度：高 考核标准：平时分20分，三次作业各10分，大作业50分，大作业要写一篇英文论文，可以自由选题，也可以从三次平时作业里选题 授课质量：低，知识点讲不清楚。还附赠防自学设计：ppt全英文，信息量还小，想看懂ppt得先有点相当的基础，属于是门还没进先被门槛绊一跤 给分情况：平均分据说有88分，但我觉得老师打分并不用心，付出和分数之间基本靠玄学，相关性很小

课程内容：纯英文PPT，老师声音比较小，坐后面像隔了堵墙，听着费劲。 上课自由度：要签到。 考核标准：三个平时作业+期末大作业，作业内容好像和杨老师给大三上计算机视觉留的作业如出一辙。没有期末考试，且平均分88+，感觉老师人挺好，但一学期下来感觉收获不大。

**课程内容：** 主打一个深度学习（DL）串讲，但讲着讲着就拐进老师早年的研究自留地——CV、（有向）目标检测，最后快马加鞭抡一遍前沿基础模型和Agent入门，属于前菜管饱、主菜看缘分。 **上课自由度：** 中等偏上。老师头一回给本科生开课，早期签到多得像查岗，手起刀落毫不含糊；到了学期后段，可能察觉到大家对签到兴趣寥寥，签到频率直接断崖式下跌。课堂上你爱干嘛干嘛，老师不查水表。 **考核标准：** 20（平时分）+10（HW1：图像分类）+10（HW2：视觉任务）+10（HW3：vibe coding个人网站开发）+50（开放性大作业，用CVPR模板写论文）。每次作业报告+代码双打包，codebase？不存在的，自己找、自己造轮子。下面四个作业的说明书附上： > HW1图像识别 考核要求： 实验目标：使用卷积神经网络（CNN）撸一个图像分类任务，PyTorch、TensorFlow或Jittor三选一，代码必须跑得起来。 数据集要求：挑标准分类数据集（比如MNIST、CIFAR-10）或者自己制备标注数据集，做好预处理和划分。 模型设计：单层或多层CNN随便搭，可整活（比如塞ResNet模块），但得讲清楚你的设计思路。 性能评估：把训练的损失和准确率记下来，给出测试集分类准确率，顺带聊聊超参数的影响。 代码要求：PyTorch或TensorFlow实现，代码清晰可读带注释；上Jittor算加分项，源码记得交。 实验报告：得包含实验背景、数据集说明、网络结构、实验过程、结果分析和总结，训练曲线和性能指标一并附上，有创新点或失败实验反思更好。 > HW2视觉任务 考核要求： 实验目标：去经典视觉任务（物体检测/分割/追踪等）里探个险，PyTorch、TensorFlow或Jittor实现全流程，代码必须能跑。 数据集要求：标准数据集（如MS COCO、PASCAL VOC、DOTA等）或自备标注数据集，做好预处理和划分。 模型设计：复现经典算法（建议但不限于MMDetection/MMRotate/JDet/MMSegmentation等），也可以在经典算法上加创新模块，思路要说明白。 性能评估：记录训练的损失和准确率，给出测试集准确率，谈谈超参数影响。 代码要求：PyTorch或TensorFlow实现核心代码，清晰可读带注释；Jittor实现加分，源码要交。 实验报告：实验背景、数据集说明、网络结构、实验过程、结果分析和总结全都要，训练曲线和性能指标也跑不掉，创新点或失败反思可以加餐。 > HW3 vibe coding个人网站 用Vibe Coding整一个自己的个人主页。注意不是那种放张自拍写两句介绍的糊弄页，而是一个能体现你个人特征的「数据小馆」——展示一份属于你自己的真实小数据，配上可视化以及一个能整活的交互彩蛋。 作业要求 个人主页可包含以下三个区域，顺序和风格你说了算： •① 自我介绍区：昵称/专业/年级 + 3-5句有特色的简介 + 一张能代表你的图。 •② 数据可视化区：挑一份关于你自己的真实小数据，用合适的形式可视化。比如作息/咖啡因摄入/步数、歌单Top 20、追过的剧、去过的城市、本学期课表+主观打分等等。柱状图、词云、地图、时间轴、卡片墙……形式自己选。 •③ 交互彩蛋：至少一个能「点/悬停/滑动」触发的小机关。比如点头像爆一句吐槽、日夜主题切换、隐藏小游戏、底部撒纸屑…… 防同质化：数据必须真属于你；彩蛋得有原创设计；Prompt记录必须真实。直接搬运别人的作品判零分。 值得说明的是，这个HW3的要求文档，看那味儿八成是word相关tool里AI生成的，和claude的典型审美严丝合缝，懂的都懂。 > 大作业 考核要求： 实验目标：锻炼学生实战科研写作能力，独立完成。 写作要求：用latex写，模板author-kit-CVPR2026-v1-latex-.zip下载author-kit-CVPR2026-v1-latex-.zip，建议用在线overleaf或本地装latex写作软件。 内容要求：围绕本课程相关内容选就行，也可以从三次作业里挑一个作为主要内容，按学术论文风格写，Abstract/Introductoion/Related Work/Method/Experiment/Conclusion/References等章节安排上，长度4-8页左右。 提交内容：编译后的PFD论文，以及latex源码。 最终**总评平均分88+**，给分整体是友好的。 **授课质量：** 说实话，我觉得这课挺不错。假如你有一定coding底子，对Learning那点知识略有耳闻，再会点Coding Agent帮你敲代码，那这课的事会特别少。我一直信奉一条课程价值观： *高质量 > 质量普通但水（wkld小、给分友善）> > 又没用又硬核* 都这年头了，难道真如某些老登所说，学光学、学传统检测技术、学嵌入式 :yaoming: ，是所谓“智能感知工程”的看家本领？当SCS、SAI或者某些荣誉班级的大二同学，在每年翻新的大作业里玩扩散生成、训minimind这类本地大模型、搞具身这些前沿方向的时候，我们还在焊传承多年的板子，还在抱怨写作业居然得自己掏钱买API。这就是jinhan老师口中“新专业会给你们重新塑造自我的机会”？教学座谈后同学们对光学课程的意见反馈是这样的： > 任课教师表示将适当调整量子光学内容： *督导认为光学是专业基础，从专业培养的角度来说，学习这门课程（现代光学基础）是非常有必要的，不管是以后就业还是作为科研都是有帮助的* ：同时建议加强合上教师之间的交流沟通。学院将向任课教师们反馈PPT、中英文讲授及考试形式的优化建议。 对的对的，我们聪明仪器学生就该学这种以后就业和科研都“大有裨益”的大好课。 不过说回这门课，虽然科研领域大神哈基杨老师讲得还有几分青涩，但前半段PPT的质量是真的高，我认为能卡在高质量和水之间。愿意自己钻课件，那算高质量；没时间也不太想听他上课叽里咕噜，那也算水课。吃惯了金课的感知学子们，夫复何求呢？

课程内容：人工智能理论（其实一学期下来也听不懂） 上课自由度：中等吧，前几周需要签到。 考核标准：三次大作业＋一份latex写出来的期末大作业。 授课质量：绝大部分靠自学。英文PPT已经劝退一堆……巨抽象的金课只能说。

课程内容：深度学习和cv和ai的各种东西。 上课自由度：1，签到，腿长在别人身上，命签在老师手里。 考核标准：好多次大作业，直接把你的青春献祭给显卡。 授课质量：不知道在讲什么玩意，不如自学，还天天签到，各种布置深度学习作业还不给服务器，喜欢用国产框架，用国产框架国产芯片加分你能绷得住吗——我绷不住。写个破作业还让我直接充钱卖codex和claude，何意味。不会vibe coding的有福了，各种课程大作业你就手搓吧，搓出火星子也没人管。

- 课程内容：神经网络、图像识别、计算机视角、Transformer、大语言模型这一串。 - 上课自由度：有时课间canvas签到，不给补签（当场找他补也没戏）；当然你在课上干嘛他都不管。 - 考核标准：3次平时作业30%+大作业50%+考勤表现20%。相比以前黄老师把期末考试取消了。 - 授课质量：个人体感就是一坨。PPT是英文的，满屏陌生概念看不懂；讲课还时不时冒出英文概念和专有名词，没相关基础的同学基本就是听天书；课叫“人工智能理论与应用”，可讲的清一色是理论，到底怎么应用、怎么实操半个字不提，所以平时作业没基础的同学不靠AI根本做不了，每次作业还得把大把时间砸在配环境上，做完也就等于交了差，啥也没学着。 - 总结：真想学东西的，听他的课学不到什么，不如自己啃；平时作业就3次但每次都是大作业体型，东拼西凑出一坨自己都看不懂的屎山代码，毫无成就感。好处是没期末考试，想水倒也好水。先给2星，出分了再来补刀。

课程内容： 计算机视觉，听名字像高达，上起来像被迫参加看不懂的高端学术局。 上课自由度： 极低，不定期签到，在平时分的基础上缺勤-2分，请假-1分（是的，请假要扣分），请个假搞得跟欠了什么一样。 考核标准： 平时作业+大作业，黄了考试改大作业，但福报还在后面。 授课质量：极低，杨哥作为新老师完全不像是在给学生上课，而像是在自己做学术汇报，对于这样一门充斥着大量枯燥理论与繁琐数学架构的课程不仅完全照读PPT，还几乎全程带着自己中英混杂的学术黑话（当然，通常不会解释），讲课过程中语ᅳ......调平缓声音毫无感情，同时对于课程知识也没有重点难点意识，所有的知识点都是一样的态度和一种讲法。给2分是由于相比黄少了考试改成了大作业，但这一点之后还得观察。 补评：为什么不能0分，杨哥第三次作业教程上还能教我充值的，我做个作业还要交钱，三国杀上大分，原来选课是进副本，作业是内购。

课程内容：机器学习最根本最重要最基础的那套地基框架，如果你未来要往这块科研或工作走，建议认真啃 上课自由度：高，要点名会提前打招呼 考核标准：70%平时成绩，30%考试。平时基本满血，也就是说你就算期末摆烂不考，都挂不了；你期末哪怕考70分，总评都在90往上了 授课质量：讲课风格稍微有点催眠感，但内容是真的干货堆满

课程内容：人工智能简介、神经网络、卷积神经网络、循环神经网络、注意力网络、自监督预训练模型、机器学习的理论基础。以上全是纯理论，键盘一次都不用敲，手是干净的，脑是烧的。 上课自由度：高到离谱，基本不点名，点名还会提前在微信群摇铃通知，上课你想干嘛干嘛，主打一个有消息必达。 考核标准：四次平时作业、期末读一篇论文（做pre加交一份阅读报告，可以两人一组）、期末考试。前两项给分慷慨到像发慈善物资，期末考试也算友好。总评大家分都很高，属于集体沐浴阳光。 授课质量：老师是很有水平的，但讲的内容尤其是那种成片成片的理论推导，对数学不是那么好的同学来说有点像被按在黑板前看天书，好在也没考——没考是普度众生的意思。老师上课没有ppt，纯手写板书，粉笔就是他唯一的武器，满满都是干货，上完一个章节会发一份章节pdf。总的来说十分推荐，值得5分，5分不多，5分是良心。

同样是手写板书，黄老师就是余用江的完全上位版，这波属于是版本更新直接把前浪拍在沙滩上。 大家希望他发板书的电子版，他就自己整理成文字PDF发出来了，这服务比外卖还周到。平时分和大作业都是给满的，签到会提前通知，早八一堆人翘了也没啥怨言，讲完一段还会问大伙听懂了没，简直是早八人的救世主。

课程内容：ai基本知识，讲到transformer\n\n上课自由度：高，点了两次名好像也不占分，而且点名前会在班级群通知好几次\n\n考核标准：35%期末+四次平时作业+论文阅读汇报和报告，除了期末基本都给满\n\n授课质量：高，讲得很好，很有水平\n\n然然无敌！

期末总评均分和中位数都在90以上，这种神仙老师还要啥自行车

课程内容：人工智能那点家底，回归、经典神经网络和 transformer 架构打包一锅炖 上课自由度：高，老师会提前通知你什么时候签到 考核标准：35%期末考试+65%作业平时加汇报 授课质量：高，老师思路清楚得像拉直的网线，讲得明白，人也挺好

tql，一时之间竟不知道是在膜谁，反正先膜为敬，膝盖已经自主下班了。