※ [本文转录自 neoneon 信箱] 作者: [email protected] ("爱宕有机奈米负离子猫") 标题: [心得] 人工智慧概论 - 王才沛 时间: Sun Jul 10 11:11:38 2016 作者: yukuro (魔法师mystery) 看板: NCTU-Teacher 标题: [心得] 人工智慧概论 - 王才沛 时间: 2012/07/03 Tue 23:44:12 （按Ctrl+v 预览，稍微修一下版面，可让你这篇文章更专业喔^^） ⊕课名⊕ 人工智慧概论 ▲教授▲ 王才沛 ★修课年度★（请加注开课单位 如:大三通识、XX系选修、XX所） 大三资工组必修 ￡教了什麽￡（课程大概内容。或是额外学会了什麽东西。） 课本用AI圣经本 Artificial Intelligence - A Modern Approach 教的内容是课本 Chapter 1-9, 一点点Fuzzy Logic, 一点点Uncertainty概念, Chapter 18 Chapter 1-2 是介绍AI是什麽, AI agent的架构有哪些 Chpater 3 感觉很像在学演算法的searching, 但又不像演算法可以很容易去 improve 它的complexity Chapter 4是处理一些local search和面对一件事有多重选择时的做法 Chapter 5是和游戏有关的AI Chapter 6是Constain Satisfy Problem, 就像写个程式解数独游戏那种感觉 Chapter 7-9是处理Logical Agent, 包含propositional logic 和 first-order logic和它们的演算法 Chapter 18是machine learning, 但着重在建decision tree ◆上课方式◆（投影片、团体讨论、老师教学风格） 用投影片上课,感觉老师上课实在是很free style, 有时候会问学生问题, 整个感觉就是很轻松, 可惜回去要自己读, 比较能注意到一些重要细节, 有些讲义上会要你上课听完後自己填, 不过课本应该有 ▼考试作业▼ 期中考+期末考共60%, 较高分的35%, 较低25% 作业分为 1. 3次手写10% 2. project1: 写一个8-puzzle 解题程式, 实作A* search 和 Iterative Deepening Depth-First Search , 其中程式 7%, 报告 5% 3. project2: 一个会玩像Dara或是Dala的直棋agent, 可能用到min-max search或 α-β pruning, 其中程式结果8%, 演算法+报告10% 不过原先不是这样, 是 程式50%, 手写10%, 期中期末40%(大概吧...) 完全整容 我觉得他考试不会弄得太复杂, 课本好好念, 要80-90, 甚至100都不难 ￥其他￥（是否注重出席率or严禁迟到？需要的基础？） 出席的话,好像有一次点名加分, 但你不到也没关系, 反正只要能自律自己读, 程式写得出来, 报告生得出来, 分数就都是你的 至於基础, 我觉得设计演算法的能力不可以太差, 这个科目很重演算法的实作, 所以coding 能力也不可太低, 另外是离散数学的propositional logic和first -order logic 当然我觉得如果你演算法的complexity分析学得好的话是加分, 因为比较容易看懂 课本的分析,可惜在这门课不是很重要... 另外如果对一些和probability有关的agent有兴趣的话, 可以去学stochastic process 应该会比较容易看懂课本的14和15章, 不过这学期没上到这个部分 ￠最後想说的话￠ 我觉得上AI的自律能力很重要, 因为上课的内容老实说是不难, 但是实作的时候可能会 碰到困难, 这可能是程式经验不足,也可能是你没看到它演算法需要注意且比较深层的 东西。如果没注意, agent可能会达不到你想要的效果, 考试如果机车一点, 可能会回 答不出来, 或是答错, 所以我真的觉得演算法的设计和观察能力要强一点。 而我自己在AI上做得最好的是, 可以写出为甚麽8-puzzle problem在挖两个洞以上的话 一定有解,其他就还好, 而可惜的是, game agent写暴了, 後来才发现是我把规则想得 太复杂, 才写不出程式, 自己觉得很遗憾, 因为这部分是很好玩的。 我当初有修陈颖平老师教的AI, 他出的作业是pacman 的AI, 用python写,但是因为是 online judge, 所以只要写得不general, 就要重写, 当初就觉得完了, 就退选, 不过 後来好像很多人不会写,考试不高都过了, 但我不是很在意, 因为我觉那样混过去,根本 学不会AI, 所以当初决定下次要做好, 可惜还是做不好, 很遗憾。 另外是我有问过A*在priority更新上要怎麽更有效率, 他提供用两个STL multimap, 我试过觉得效果很好, 所以感觉老师学术能力还不错吧, 这也是这学期学到的好东西 之一。 最後是没有上到深入的probability decision觉得很可惜,那部分感觉很有研究和学习 价值, 可是他到logic之後, 我也不太清楚他想要做什麽, 都是讲一些叙述性的东西, 但没有细节, 我觉得很无聊, 直到最後machine learning 觉得有趣一点, 只可惜也 只有上一点点... ＆谁适合修这门课＆ 这我不知道该怎麽说, 因为我个人觉得还可以适应他的上课方式, 可是应该不是所有人 都这样想, 所以我也不知道怎样比较适合..., 但是我觉得喜欢和老师互动会比较想上 他的课 -- ※ Origin: 交大次世代(bs2.to) ◆ From: 111-251-181-131.dynamic.hinet.net → kougousei："强烈建议"想修他的课的人先去试听看能不能适应那种.... 07/04 01:10 → kougousei：风格(?)再决定 至於必修的同学就呜呼哀哉节哀顺变了 07/04 01:11 → erase2004：就C/P值来说,还不错w 07/04 12:34 推 keke0421：感谢分享:) 07/04 22:27 推 tzrae：上他的课=自修。 07/04 22:35

※ 发信站: 批踢踢实业坊(ptt.cc) ※ 转录者: neoneon (106.105.175.48), 07/12/2016 02:33:00