AI3603 人工智能理论及应用 - IEEE.ICU

[ieee-icu]

https://ieee.icu/#/courses/grade-3/AU332

上海交通大学 IEEE 试点班，一个充满了「神仙」课程的专业，本网站旨在记录这些课程的信息以及历届学生对其的评价

[fysjtu]

强推一波吧 课程内容PPT是Berkeley AI的PPT，基本上可以类比国外大学的ai入门课，GY老师课讲的也非常好

每堂课会上完会有小测（从Berkeley的试卷中选题），巩固当堂课内容（两人一组，可以互相讨论）（最后算分的时候舍弃最低两次取平均，应该大家都挺高的） 大概占10分 编程作业挺不错的， 总共六次，中途两三次有一定难度，允许一次两天的delay 占40分左右 一个project 包括proposal，mideterm report和最终presentation 占30分左右 一次考试，题目大部分都从Berkeley的往年题中选。 占15分左右

大致总结一下就是： 优点： 老师课讲的很好，课程设置合理，上完之后学到了很多东西。 缺点： 课程负担稍重（作业+project+考试） 我上课时由于有留学生，所以老师大部分时候用英文讲课+偶尔中文解释，有时会不太能跟上。

总体而言我个人感觉很好。

[Lipurple]

课程简介 讲道理这门课和同期的CS222人工智能教的内容基本一致，我当时选也是出于无奈hhh，2+2的课程必须要多选一门，就选了这门看起来正常听起来稍微比通信原理简单点的课。课程内容基于Berkeley AI的PPT，大家自己看PPT吧我就不介绍了，http://ai.berkeley.edu/lecture_slides.html 授课教师 比较固定，人工智能学院的高岳老师，英文授课（因为有留学生），水平绝对是第一流的（最好的例子就是当高老师给另一门人工智能课代讲一次后，大家都不想要原来的老师了），但是有时语速较快并且本人英文不好，所以课下经常会看很久。另外高老师说以后可能就改为纯中文授课 考核方式 课堂小测10%，两人一组完成，最后会去掉一次最高分和最低分算平均，可以对答案，基本上满 project30%，这是老师最看重的了，注意中期报告和最后的pre，最后pre在16周，老师允许存在未完成部分 平时作业40%，大部分是编程，和课程紧密相关，非常不错，难度适中，难度一般 期中考试15%，大概在10周左右，cheating paper，考试题来自往年Berkeley考试题，难度适中 平时参与5%，基本满 总结 平均分接近90吧，老师人非常nice，特别是和同期的某门课比起来，建议以后把这门课改为必修，造福学弟学妹

[sbsjtu]

19级，我来点踩一波吧 先说结论，这课除了老师讲的还算可以，其他方面非常离谱。

评分是30% lab+ 10% quiz+ 5%课堂参与度 +20%大作业+ 35+期末考试。看上去分数组成很多，其实到最后出分，基本看不到这个分数比例的影子。

• lab 从发布到最后没有出过一次分，也没有课程微信群和任何反馈。最后只在教学信息服务网上出了个平时分（共65分）的总分，而且大家分数都一样（我甚至都怀疑助教压根没看过）
• 大作业选题跟课堂内容关系不大，而且只听她讲过的几节课做大作业根本不够，你要问助教怎么做，他可能也不知道。。最后结果就是大部分人在一周之内缝缝补补了各处能跑的代码。最后pre形式是做一张学术海报。。而且做的好坏也基本不会作为评分标准。总之大作业很玄学，有些人可以说根本没做，就把题目理解了一下，最后给分嘛… 基本都一样
• 期末考试 允许带一张cheat sheet。gy最后几周会在canvas上公布一些复习题目。跟期末考试题目不能说十分相似吧，只能说是毫不相关。考试题目基本是照搬了伯克利cs188的往年期末考试题，很多都是一些犄角旮旯的知识点，和一些题目很长，少看一句话就会做错的题。如果你没刷过cs188的真题，那期末大概是要凉了。
• 最后给分：有人欢喜有人忧

如何考好这门课：我建议lab每次只用完成基本部分即可，不用费时间做bonus。大作业找一个能跑的版本稍微改动即可。然后留出时间狂刷cs188的往年真题（谷歌随便一搜一大堆）

如何学好这门课: 竟然有人觉得在交大认真听课就能学好某门课…