人工智能基础理论

课程内容：人工智呢基础（真不是我缺字，题就是这么写的），含机器学习和深度学习。 上课自由度：高，随便干啥，进去当个挂机账号都没人喷。 考核标准：作业+上机+考试。作业/上机基本上是交了分就不会低，属于签到式送分；考试全是选择题，只要能拟合出题人的脑回路就能通关，这是一个训练拟合能力而非知识的测评。 授课质量：中。能让大家觉得自己会了（吗?)，但实际上很多算法讲得缺乏细节，需要自己额外阅读（不过并不算考试重点）。与此同时在一些并非很重要的细节内容上又过于慷慨地浪费时间。实际上一节课的信息量大约等于课中问10min ai获得的，知识密度有点感人。 频率和凝聚现象这类神经网络解释的内容比较有趣，频率现象甚至还有证明，含金量略有抬头。 不过有些内容确实需要概率论/信息论/fft等数学基础填坑? 总的来讲确实学到了不少理论知识，本人甚至觉得在vibe coding时代这比真的上手写更重要。

从基础的无监督学习一路讲到深度学习再杀到强化学习，每一块都舀了一勺，挖得不深但胜在入门友好，初学者来这就像拿到了导览地图。而且作业不算多，压力不大，给分也比较OK，甚至比一些专业课还要好看，非常推荐大家来薅这门课的知识羊毛。

这门课把数学基础、传统机器学习、深度学习、强化学习四舍五入凑成一桌满汉全席，整体难度属于养生局。本学期扔了三次作业，基本就是选择题加coding，而且作业全班一个模子刻出来的，抄不抄的都显得很轻松。大作业是六选一，差不多晚上随手翻翻资料就能复现出来的那种程度。对初学者还挺友好的，可以浅浅感受一下机器学习的门槛有多低。但大作业老师不给算力，这点属实让人抓耳挠腮。