因为LC写得太好了就借用一下格式 ※ 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： 102-1 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 (期末没考) 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) 投影片为主，内容主要从以下两本来： 1.Artificial Intelligence: A Modern Approach, 3/e, by Russell and Norvig 2.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，投影片比较精简，老师会讲满多的，上课上的满好的 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5分。 若在边缘，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。 语言是Python。 考试方面，可带双面A4大抄(电脑列印可)，但考题非常灵活，所以没读熟 可能还是会满惨的，老师给分并不吝啬，有摸到边就会给一些，所已不要 吝於表达。 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7.5分钟并交一篇报告，报告时间满紧迫的， 所以投影片不要做太多...... 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…) 3类加选，不加签 Ψ 总结 虽为研究所的课但是大学来修并无妨，比较扎实便是，内容满有趣的但是 得花时间，老师上课上的不错也有教学热诚，对这一方面有兴趣的很推荐 来选这门课! --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 119.2.49.2 ※ 编辑: so15963 来自: 119.2.49.2 (01/16 17:12)