Principles-of-Artificial-Intelligence.md

人工智能原理

评价1

1. 开课信息：邓芳，王晓茹（2019秋）
2. 推荐等级：一般推荐
3. 授课内容：人工智能原理；机器学习
4. 考核方式：期末开卷考试，华为云ModelArts实验
5. 作业情况：无平时作业；邓芳老师有1次小测
6. 成绩情况：85+
7. 心得体会：比较简单
8. 其他方面：没有课本，考试内容均在课件上，可以将课件打印出来，做好书签方便查找

---

评价2

1. 开课信息：邓芳，王晓茹（2019秋）
2. 推荐等级：一般推荐
3. 授课内容：人工智能原理；机器学习
4. 考核方式：期末开卷考试，华为云ModelArts实验
5. 作业情况：没有平时作业，邓芳老师的小测其实就是为了点名，对成绩没有影响
6. 成绩情况：85+
7. 心得体会：确实是开卷考，就是开卷考的内容我找不到，tcl; 毕竟都是一些原理性的东西，然后开卷考时间比较紧张，因为题量比较大，还找不着答案(可能是我太菜了)，还有计算题(允许带计算器); 想得高分的话感觉有点困难，隔壁python据说给分很好，毕竟有期末考试(占比忘了，但好像还挺高的)，所以压力也不小。

---

评价3

1. 开课信息：邓芳，王晓茹（2019秋）
2. 推荐等级：不太推荐
3. 授课内容：人工智能原理；机器学习
4. 考核方式：期末开卷考试，华为云ModelArts实验
5. 作业情况：没有平时作业
6. 成绩情况：90+
7. 心得体会：没什么太大意义的一门课，感觉学不到啥东西，最后做的实验也是个0代码的实验，给分又很一般。

---

评价4

1. 开课信息：邓芳，王晓茹（2020秋）
2. 推荐等级：不推荐
3. 授课内容：经典人工智能理论，机器学习基本概念
4. 考核方式：期末开卷考试，华为云ModelArts实验
5. 作业情况：无作业
6. 成绩情况：90+
7. 心得体会：没有 get 到这门课的意义，不推荐选择。

---

评价5

1. 开课信息：邓芳，王晓茹（2020秋）
2. 推荐等级：不推荐
3. 授课内容：人工智能理论，机器学习基本概念。
4. 考核方式：期末开卷考试。一次实验，华为不给平台了，自己写朴素贝叶斯给文本分类，另有SVM选做。
5. 作业情况：无课下作业，课上作业有四五次。
6. 成绩情况：80+
7. 心得体会：并不是人工智能的入门课。课程内容各方面都涉及一点，前半段当科普还好，后半段却又断断续续需要很多并不会事先解释的前置知识，最后就感觉没学到东西。可能是太菜的缘故。做的实验变了，需要手写朴素贝叶斯，LDA选卷，SVM选卷，单人做加分，会看你的准确率。期末考试很符合开卷考试的特点，PPT上找即可，不过还是有部分找不到。最后，给分很一般。建议想入门AI的，事先看一下这课的课件再作考虑；想要分的，不稳。

---

评价6

1. 开课信息：邓芳，潘维民（2021秋）
2. 推荐等级：随便
3. 授课内容：人工智能理论（知识表示+知识推理）+机器学习基本概念（聚类，分类，关联分析等等）。
4. 考核方式：期末开卷考试+随堂作业+聚类实验/套利实验（19级）
5. 作业情况：邓芳的部分随堂布置作业，作业内容在ppt里，签到意义大于做对意义；潘维民的部分布置一个实验。
6. 成绩情况：90+
7. 心得体会：

• 实验的部分其实主要会看你的准确率，不限制使用的语言和方法（可以直接用现成的机器学习库，当然大佬也可以手撸算法）。
• 期末是开卷考试，有些内容是在ppt里找的送分题很舒适，但是也有需要好好学会几个重点的算法题，比如知识表示、alpha-beta剪枝、关联分析里的fp-tree、分类算法里的决策树等等，19级最离谱的是考了个犄角旮旯里的聚类算法FSFDP，甚至PPT就用了两页提了一嘴。不过最后期末的时候老师还是海底捞了一把，给分比较给力。

---

评价7

1. 开课信息：邓芳，王晓茹（2023秋）
2. 推荐等级：一般
3. 授课内容：分成两个部分，邓芳老师负责人工智能理论，王晓茹负责机器学习部分。
4. 考核方式：期末开卷考试+一次实验。
   • 期末是开卷考试，把PPT打印出来、做一点往年的题就没问题了。
   • 实验是文本分类实验，据说非常看重准确率，我们小组使用自行爬取的数据加上SVM分类器获得了~98%的准确率，供参考。
5. 作业情况：有四次课上作业，但是主要目的是点名。
6. 成绩情况：90+
7. 心得体会：
   • 课程本身感觉还是能学到不少人工智能相关的知识，但是因为需要考试所以个人不是很推荐