COSC0015 人工智能导论

[Emanual20]

https://nkucs.icu/#/courses/grade-2/COSC0015

NKUCS，一个充满了「神仙」和「神仙」课程的专业，本网站旨在记录 NKUCS 的信息以及历届学生的评价

[GTMDTTKP773]

虽然这门课的分数非常丢人QAQ，但是鉴于听说大家的分数都非常丢人以及毛稿费的原因，作为一个上过课的人，来描述一下课程内容吧。
首先，程明明 Warning，如果你还没有听说过他，建议立刻上搜索引擎进行一个索的搜。当然这里警告不是因为这个原因
对这门课来说，理论部分，无论是教材，还是讲授，都是非常mathematical的，充斥着笔记的会是各种算法，各类公式，各种奇奇怪怪的人名，这一切的一切，对数学盲都非常不友好，有时我会觉得我在上算法导论（雾）
but，这门课的期末考试，内容非常，基本上都是对基础概念的考察，不涉及更深层次的算法问题，甚至有40分选择，我们当时应该涉及数学的就考了一个蒙特卡洛树算权重（然后我还给忘了，哭）。
实验部分，是用的浙江大学的平台，python语言，前三场基本上是特定算法的python实现，除了一个手搓蒙特卡洛树外没啥难度，后面是openCV + numPy + pyTorch的简单应用，总体来说可能需要一定的自学能力，但是在这个学习资料满天飞的时代也不是太难。我觉得cs专业的同学不会搓神经网络螺旋丸都不好意思出门好吧
最后，这门课给分可能不会太高，但是也不用担心（因为大家都不高）

[TephrocactusHC]

课程设计就是一个迷，好大一锅大杂烩啊！ 讲的很多，但没有任何一点内容讲的细致。而且无论是ML还是DL，评价就是重要的东西一点没讲。实验课全是槽点，对不懂的同学来说没有起到任何引导作用，既没有办法快速上手拿算法去应用，也没有深入底层实现很多重要的算法。对于在上学期PYTHON课上掌握ML的同学来说实验很水。总的来说，AI这样学就是浪费生命，完全无法快速进入这个领域。
更新一波：
考试就是平时作业，难度很低，出的都是原题，2022spring基本上大家都是40min写完，给分都很高，考虑到平时实验略有扣分，可能95+有难度，不过只要都背了上90是不困难的。不过我还是坚持我的观点，这门课并不能是学人工智能的一门好课，甚至质量很低。我个人对这门课的内容给予一个较低评价。

[water-00]

人工智能导论课件2022版

实验基本都能在github上搜到...有时别光搜NKU 人工智能，也去搜搜ZJU 人工智能，因为题都是一样的

考试相关：

平时可以基本替代学校课程的网课：BV1ZJ411V7kJ，但是学校讲的在某些章节会比它略多一些，所以这个网课跳过的一些章节建议自己看看书。

考试好像是30选择*2？有点忘了，但雨课堂上的选择原题会考很多，基本上就按那个复习吧；大题2*20，如果把雨课堂上的大题作业都搞懂也没问题。今年考的是：

• 给了MixMax树，问你如何减枝
• Q-learning，教材p270的原题

[mingxuZhang2]

授课时间：2023Spring

授课教师：刘夏雷老师

课程介绍：这门课程是人工智能的一个粗浅的介绍，包括了人工智能的发展历史，逻辑推理，搜索算法，强化学习，深度学习，博弈等，知识点很多但是学的并不深入，就是给你大概介绍一下目前主流的人工智能的一些方法和手段，确实有之前的学长说的一些问题，比如讲解不够细致，并且无法快速上手应用等，不过平心而论，这门课程如果仔细研究一下，收获还是很大的，老师都是年轻老师，人很好，还会请其他大学的一些专家教授介绍他们的研究方向。这门课程我觉得是这学期为数不多实验和理论不算完全脱轨的课程，实验能够起到的作用远远大于理论，不过鉴于大部分人都是直接CV大法就能取得很高的分数，如果仅仅想得分，建议去找成型的代码而不是自己一点点调。很可能你一点点动手实际调出来的模型，花费一个下午或者一天，结果得分不如人家5分钟抄完代码的高！不过对于想研究或者对这方面感兴趣的同学，还是强烈推荐自己把实验部分完成。自己做完的实验必然知识更加牢固。此外，这门课程的某些方面可以和这学期的课程结合，例如我的算法导论大作业就是基于强化学习做的...并行的优化目标也是几种典型的深度学习方法。

实验介绍：本学期还是七个实验，不过把大作业改成了几个cv领域的文献综述，做得好的每个方向都会选出一个优秀大作业，上去做报告，对于这个大作业，一定不要抄袭！！！今年就有可怜的小朋友抄袭被发现了，直接大作业挂0了...一定一定不要抄，并且要严格遵守学术规范，老师是一个特别注重学术规范的人，对于不标准的引用或者出处未体现很可能会判定为抄袭！

考试和分数相关：今年是60+40，考试只占40%，剩下的60%是实验+大作业+出勤等，平时分拿不满，笔者的期末成绩是85分，但是总评90，也就是说平时分扣掉了4分，况且笔者是优秀大作业，在大作业这一项基本没扣分，出现这个的原因就是上面说过的，自己调的不如现成的模型来得好，所以各位下学期一定要戒之慎之！对于考试，考试的难度很低，选择题基本是PPT原题，还有平时作业的原题，这门课程想拿高分特别容易，考前1天突击即可，把PPT都过一遍，然后作业重新做一遍，平时作业只要不摆即可90+，不过今年的成绩我大概问了一下老师，是没有去年那么高的，卷面上90的极少，大部分都是70多分，鉴于期末只有40%，所以大部分的成绩分布应该是在80以上的。

结语：这门课的老师都特别特别好，想方设法的给同学们减负，基本是这学期压力最小的一门课了，并且给分还算不错，拉分程度甚至不如可视化hhh

24 Fall TA来评论一下，鉴于去年lz上实验课的体验相当不好，实验PPT重点完全没有，TA完全照搬PPT讲解，不靠网上的代码基本无法自己写出来，所以今年的实验PPT进行了一系列的整改和微调，以本人负责的实验为例，实验PPT大幅度增加篇幅，22级的学弟学妹们如果对实验课有什么意见或者建议都欢迎联系我~

[KaiserTT]

授课时间：2024Spring

授课教师：郭春乐老师

趁着刚考完试还记得些，来写一下今年考试和分数相关的吧。

分数组成：40% 考试 + 40%实验 + 10% 大作业（论文阅读）+ 10% 课堂出勤与课后作业

考试：30 道选择题（60 分） + 4 道简答题（20 分） + 2 道计算题（20 分）

选择题：今年选择题难度感觉要难于雨课堂课后作业，涉及到更多的细节和平常不易重视的小点，如亚里士多德是逻辑学之父、路径排序推理的概念、启发式搜索的性质、DQN的损失函数等等，但也可能是 lz 复习的不够全面，所以觉得不太容易。有许多选择正确 or 错误选项的题，错误的点比较细节，但如果注意到了就会觉得很明显。

简答题：四道分别是

• 一阶逻辑推理
• 线性判别分析（LDA）步骤简述
• 因果推理中因果图写联合分布
• 简述一个搜索算法步骤。

简答题难度不大，但需要好好复习，掌握记忆各种算法的具体步骤，说不定就考了。

计算题：两道计算题基本上是课后原题。

• 第一道是 Ada Boosting 计算弱分类器和样本权重，和课后作业基本一致。
• 第二道是 Q-Learning，三问：第一问是常规的迭代计算两个片段后的策略；第二问调整了动作-价值函数问是否能找到目标状态；三问 Q-Learning 处理无限状态时的问题，解决方法

计算题总体难度不大，计算量较大，考试允许带计算器。

考完后，上这门课的三位老师面对同学们的“菜菜，捞捞”be like:

A 老师：狠心的 B 老师和 C 老师，出那么难的题

B 老师：狠心的 A 老师和 C 老师，出那么难的题

C 老师：你俩叫什么😁

[Liu-Hua-Qing]

@mingxuZhang2 授课时间：2023Spring

授课教师：刘夏雷老师

课程介绍：这门课程是人工智能的一个粗浅的介绍，包括了人工智能的发展历史，逻辑推理，搜索算法，强化学习，深度学习，博弈等，知识点很多但是学的并不深入，就是给你大概介绍一下目前主流的人工智能的一些方法和手段，确实有之前的学长说的一些问题，比如讲解不够细致，并且无法快速上手应用等，不过平心而论，这门课程如果仔细研究一下，收获还是很大的，老师都是年轻老师，人很好，还会请其他大学的一些专家教授介绍他们的研究方向。这门课程我觉得是这学期为数不多实验和理论不算完全脱轨的课程，实验能够起到的作用远远大于理论，不过鉴于大部分人都是直接CV大法就能取得很高的分数，如果仅仅想得分，建议去找成型的代码而不是自己一点点调。很可能你一点点动手实际调出来的模型，花费一个下午或者一天，结果得分不如人家5分钟抄完代码的高！不过对于想研究或者对这方面感兴趣的同学，还是强烈推荐自己把实验部分完成。自己做完的实验必然知识更加牢固。此外，这门课程的某些方面可以和这学期的课程结合，例如我的算法导论大作业就是基于强化学习做的...并行的优化目标也是几种典型的深度学习方法。

实验介绍：本学期还是七个实验，不过把大作业改成了几个cv领域的文献综述，做得好的每个方向都会选出一个优秀大作业，上去做报告，对于这个大作业，一定不要抄袭！！！今年就有可怜的小朋友抄袭被发现了，直接大作业挂0了...一定一定不要抄，并且要严格遵守学术规范，老师是一个特别注重学术规范的人，对于不标准的引用或者出处未体现很可能会判定为抄袭！

考试和分数相关：今年是60+40，考试只占40%，剩下的60%是实验+大作业+出勤等，平时分拿不满，笔者的期末成绩是85分，但是总评90，也就是说平时分扣掉了4分，况且笔者是优秀大作业，在大作业这一项基本没扣分，出现这个的原因就是上面说过的，自己调的不如现成的模型来得好，所以各位下学期一定要戒之慎之！对于考试，考试的难度很低，选择题基本是PPT原题，还有平时作业的原题，这门课程想拿高分特别容易，考前1天突击即可，把PPT都过一遍，然后作业重新做一遍，平时作业只要不摆即可90+，不过今年的成绩我大概问了一下老师，是没有去年那么高的，卷面上90的极少，大部分都是70多分，鉴于期末只有40%，所以大部分的成绩分布应该是在80以上的。

结语：这门课的老师都特别特别好，想方设法的给同学们减负，基本是这学期压力最小的一门课了，并且给分还算不错，拉分程度甚至不如可视化hhh

24 Fall TA来评论一下，鉴于去年lz上实验课的体验相当不好，实验PPT重点完全没有，TA完全照搬PPT讲解，不靠网上的代码基本无法自己写出来，所以今年的实验PPT进行了一系列的整改和微调，以本人负责的实验为例，实验PPT大幅度增加篇幅，22级的学弟学妹们如果对实验课有什么意见或者建议都欢迎联系我~

实验讲的特别好呜呜特别清晰 感谢

[1973315112]

上课时间：2024春 授课老师：刘夏雷老师 给分：感觉应该是经过大幅度捞人之后很不错，赞美伟大的张助教和刘老师（本人 90+，身边同学不少85+和90+，有传言说25%+的90+） 总体评价：我个人对这门课的课程内容给予较低的评价，对于选择刘夏雷老师表示一定的推荐。 分数构成：课后作业10+大作业10+实验作业40+期末考试40 上课签到：课上有点过几次名，包括一次全班点名（不确定是否对成绩产生影响），老师有提过实验课要签到但实际没签过 上课内容：一些人工智能算法，掌握难度较大，讲授不是很清晰。 作业： 课后作业：本学期本班级要求完成即可，不要求准确率，但容易遗忘，建议及时完成。 编程作业：数个课程上简单讲授的问题，其中黑白棋（个人花了一周且实现效果不好）和机器人走迷宫（个人花了半周且实现效果不好）相对较难，张助教很用心的教授了各个实验，但个人掌握的很差，可能是因为我没有修读python课程的原因，所以高度推荐大二上修读python。 大作业：三人一组，阅读三篇指定论文+一篇自选论文，撰写论文，优秀大作业需要展示，因为每个主题一个优秀大作业，所以建议选择人少的。 考试：今年考试的难度非常大，流传的22年的卷子几乎只有题型有参考性。 选择：大部分中等偏难，少部分非常难，建议较为全面的复习PPT和课本。 简答：一阶逻辑推理（类似离散的题），线性判别分析步骤简述（个人是完全不会的，听说大家都不怎么会），因果图（写联合分布和三种结构），写搜索算法的伪代码。 大题：自适应提升（课后作业套皮，甚至数据都没改） Q-learning（第一问课后题，第二问PPT题，第三问实验作业题） 个人建议多和助教交流，会对该课程的学习有很大帮助。