※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID） （是／否／其他條件）： 是，須通知作者 哪一學年度修課： 101-1 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 于天立 δ 課程大概內容 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 私心推薦指數(以五分計) ★★★★★ ★★★★★★★★★★ η 上課用書(影印講義或是指定教科書) 沒有教科書，投影片為本體。但有兩本參考用書。 [人工智慧，AIMA，主要] Artificial Intelligence: A Modern Approach, 3/e, by Russell and Norvig [機器學習，ML，次要] Machine learning, by Mitchell μ 上課方式(投影片、團體討論、老師教學風格) 投影片上課。 投影片內容非常紮實，有上過老師計算機概論的同學應能體會。 老師會舉大量例子來解釋，讓學生更好理解， 每次上課前也會花一些時間概覽上次的進度。 如果有不懂的地方，下課去問老師，老師會很熱心的解答， 若還是不清楚，老師會在下次上課時給出更好的解釋或例子。 σ 評分方式(給分甜嗎？是紮實分？) 程式作業(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) 期末總成績全班加4.5分。 若在邊緣(研究所標準是70分?)，會視作業繳交情形拯救之 ρ 考題型式、作業方式 作業是寫UC Berkeley著名的小精靈Project， 內容是search與learning相關。(不過我們的HW似乎有做過修改) 語言是Python，但學過C++的話要適應應該不難， 建議參考Python官方文件邊寫作業邊學。 每個作業約花三~四個晚上左右，包括學Python的時間。 考試方面，雖然可以帶雙面A4大抄， 但沒真正讀懂的話大抄也救不了你， 因為考題非常靈活，需要多加思考。 建議在大抄上記一些投影片上的證明，會有幫助的:) 期末專題，2~3人一組，自訂一個有關AI或ML的題目， 期末上台報告10分鐘並交一篇term paper(就是報告XD)。 內容舉例而言，可以是遊戲AI(撲克牌、棋類...)或影像處理。 不過只能報告10分鐘，因為組別太多， 所以務必注意時間orz ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？ 加簽習慣？嚴禁遲到等…) 程式能力是必要的，作業和期末專題都會用到， 老師表示：資料結構或演算法起碼要修過一個。 老師完全不在意是否出席或遲到早退，但學生應該會TAT 投影片密度太高，回家自己啃會有點辛苦。 加簽的話，本學期是3類加選，因為期末專題每組都要上台報告， 老師不希望人太多XD Ψ 總結 雖然這是一門研究所的課， 而且還有大學部較少見的期末專題， 不過整體來說還是適合大三以上對CS有興趣的同學來修， 可以對AI這門極廣泛的領域有更具體的認識:) --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.112.244.51 ※ 編輯: OckhamsRazor 來自: 140.112.244.51 (01/22 17:48)