※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID） （是／否／其他条件）： 否 哪一学年度修课： 101-1 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 于天立 δ 课程大概内容 总共大约分三个部分 这学期的顺序是 search -> machine learning -> logic 各5~6周 Ω 私心推荐指数(以五分计) ★★★★★ 五颗星!! η 上课用书(影印讲义或是指定教科书) 有参考书，但没有也OK 主要: Artificial Intelligence: A Modern Approach by Russell & Norvig 3rd 次要 Machine learning by Mitchell Artificial Intelligence for Games by Millington & Funge, 2nd μ 上课方式(投影片、团体讨论、老师教学风格) 老师在上面用投影片讲课，偶尔搭配黑板 进度上每次前半节课会快速复习上周的部分 老师会观察学生表情，在大家很茫然的时候会讲慢一点 怕老师讲太快的话，就坐前几排茫然给他看吧XD σ 评分方式(给分甜吗？是紮实分？) 紮实吧！ homework 8% + 8% + 9% = 25% Midterm 30% Final 20% Project 25% 最後调分会全班一起加分 ρ 考题型式、作业方式 作业：写pacman(小精灵)，使用的语言是python 因此排斥学习一种新的语言的人请慎重考虑 作业不难，不像隔壁房有时候会不小心把我们的投影萤幕占领的资结 共三次作业，每次应该都可在10~20hr内结束 考题形式："非常灵活的"问答题 结合不同章节的概念，把好几个东西混在一起 很难完全写对，但老师会部份给分 考试满分 = 所占的期末比例 (期中考满分30，期末20) 问答题每题约2~3分，把你想的东西全部写上去，不要错得太夸张应该可以拿一半 期末专题：2~3人一组，写任何跟AI有关的题目 期末专题DEMO订在期末考後一周，是投票决定的 虽然没有规定，但期末专题几乎所有组别都有做图形介面，有如在听网多般 可惜的是因为组别较多，每组只有10分钟可报告 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 不重视出席率 加签是采第三类，老师很坚持不超过人数，说下次可能会收更少 这是电机所的课，修课的人数上大学部和研究所大概一半一半 基础的话就是coding能力吧 真的是一门可以学到很多东西的好课!! Ψ 总结 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 111.240.172.82