※ 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）： 是，须通知作者 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 分成三部分，每部分5周左右 期中考到[2]-(1) [1] Search (1) Uninformed/Informed Search (2) Non-Classical Search (3) Adversarial Search [2] Learning (1) Concept Learning (2) Computational Learning Theory (3) Decision Tree & Bayesian Network (4) Reinforcement Learning [3] Logic (1) Propositional Logic (2) First-Order Logic (3) Planning Ω 私心推荐指数(以五分计) ★★★★★ ★★★★★★★★★★ η 上课用书(影印讲义或是指定教科书) 没有教科书，投影片为本体。但有两本参考用书。 [人工智慧，AIMA，主要] Artificial Intelligence: A Modern Approach, 3/e, by Russell and Norvig [机器学习，ML，次要] Machine learning, by Mitchell μ 上课方式(投影片、团体讨论、老师教学风格) 投影片上课。 投影片内容非常紮实，有上过老师计算机概论的同学应能体会。 老师会举大量例子来解释，让学生更好理解， 每次上课前也会花一些时间概览上次的进度。 如果有不懂的地方，下课去问老师，老师会很热心的解答， 若还是不清楚，老师会在下次上课时给出更好的解释或例子。 σ 评分方式(给分甜吗？是紮实分？) 程式作业(Python)三次 25% = 8% + 9% + 8% 期中考 30% 期末考 20% 期末Project 25% = 5% (proposal) +5% (presentation) +15% (term paper) 期末总成绩全班加4.5分。 若在边缘(研究所标准是70分?)，会视作业缴交情形拯救之 ρ 考题型式、作业方式 作业是写UC Berkeley着名的小精灵Project， 内容是search与learning相关。(不过我们的HW似乎有做过修改) 语言是Python，但学过C++的话要适应应该不难， 建议参考Python官方文件边写作业边学。 每个作业约花三~四个晚上左右，包括学Python的时间。 考试方面，虽然可以带双面A4大抄， 但没真正读懂的话大抄也救不了你， 因为考题非常灵活，需要多加思考。 建议在大抄上记一些投影片上的证明，会有帮助的:) 期末专题，2~3人一组，自订一个有关AI或ML的题目， 期末上台报告10分钟并交一篇term paper(就是报告XD)。 内容举例而言，可以是游戏AI(扑克牌、棋类...)或影像处理。 不过只能报告10分钟，因为组别太多， 所以务必注意时间orz 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…) 程式能力是必要的，作业和期末专题都会用到， 老师表示：资料结构或演算法起码要修过一个。 老师完全不在意是否出席或迟到早退，但学生应该会TAT 投影片密度太高，回家自己啃会有点辛苦。 加签的话，本学期是3类加选，因为期末专题每组都要上台报告， 老师不希望人太多XD Ψ 总结 虽然这是一门研究所的课， 而且还有大学部较少见的期末专题， 不过整体来说还是适合大三以上对CS有兴趣的同学来修， 可以对AI这门极广泛的领域有更具体的认识:) --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.244.51 ※ 编辑: OckhamsRazor 来自: 140.112.244.51 (01/22 17:48)