※ [本文轉錄自 neoneon 信箱] 作者: [email protected] ("愛宕有機奈米負離子貓") 標題: [心得] 人工智慧概論 - 王才沛 時間: Sun Jul 10 11:11:38 2016 作者: yukuro (魔法師mystery) 看板: NCTU-Teacher 標題: [心得] 人工智慧概論 - 王才沛 時間: 2012/07/03 Tue 23:44:12 （按Ctrl+v 預覽，稍微修一下版面，可讓你這篇文章更專業喔^^） ⊕課名⊕ 人工智慧概論 ▲教授▲ 王才沛 ★修課年度★（請加註開課單位 如:大三通識、XX系選修、XX所） 大三資工組必修 ￡教了什麼￡（課程大概內容。或是額外學會了什麼東西。） 課本用AI聖經本 Artificial Intelligence - A Modern Approach 教的內容是課本 Chapter 1-9, 一點點Fuzzy Logic, 一點點Uncertainty概念, Chapter 18 Chapter 1-2 是介紹AI是什麼, AI agent的架構有哪些 Chpater 3 感覺很像在學演算法的searching, 但又不像演算法可以很容易去 improve 它的complexity Chapter 4是處理一些local search和面對一件事有多重選擇時的做法 Chapter 5是和遊戲有關的AI Chapter 6是Constain Satisfy Problem, 就像寫個程式解數獨遊戲那種感覺 Chapter 7-9是處理Logical Agent, 包含propositional logic 和 first-order logic和它們的演算法 Chapter 18是machine learning, 但著重在建decision tree ◆上課方式◆（投影片、團體討論、老師教學風格） 用投影片上課,感覺老師上課實在是很free style, 有時候會問學生問題, 整個感覺就是很輕鬆, 可惜回去要自己讀, 比較能注意到一些重要細節, 有些講義上會要你上課聽完後自己填, 不過課本應該有 ▼考試作業▼ 期中考+期末考共60%, 較高分的35%, 較低25% 作業分為 1. 3次手寫10% 2. project1: 寫一個8-puzzle 解題程式, 實作A* search 和 Iterative Deepening Depth-First Search , 其中程式 7%, 報告 5% 3. project2: 一個會玩像Dara或是Dala的直棋agent, 可能用到min-max search或 α-β pruning, 其中程式結果8%, 演算法+報告10% 不過原先不是這樣, 是 程式50%, 手寫10%, 期中期末40%(大概吧...) 完全整容 我覺得他考試不會弄得太複雜, 課本好好念, 要80-90, 甚至100都不難 ￥其他￥（是否注重出席率or嚴禁遲到？需要的基礎？） 出席的話,好像有一次點名加分, 但你不到也沒關係, 反正只要能自律自己讀, 程式寫得出來, 報告生得出來, 分數就都是你的 至於基礎, 我覺得設計演算法的能力不可以太差, 這個科目很重演算法的實作, 所以coding 能力也不可太低, 另外是離散數學的propositional logic和first -order logic 當然我覺得如果你演算法的complexity分析學得好的話是加分, 因為比較容易看懂 課本的分析,可惜在這門課不是很重要... 另外如果對一些和probability有關的agent有興趣的話, 可以去學stochastic process 應該會比較容易看懂課本的14和15章, 不過這學期沒上到這個部分 ￠最後想說的話￠ 我覺得上AI的自律能力很重要, 因為上課的內容老實說是不難, 但是實作的時候可能會 碰到困難, 這可能是程式經驗不足,也可能是你沒看到它演算法需要注意且比較深層的 東西。如果沒注意, agent可能會達不到你想要的效果, 考試如果機車一點, 可能會回 答不出來, 或是答錯, 所以我真的覺得演算法的設計和觀察能力要強一點。 而我自己在AI上做得最好的是, 可以寫出為甚麼8-puzzle problem在挖兩個洞以上的話 一定有解,其他就還好, 而可惜的是, game agent寫暴了, 後來才發現是我把規則想得 太複雜, 才寫不出程式, 自己覺得很遺憾, 因為這部分是很好玩的。 我當初有修陳穎平老師教的AI, 他出的作業是pacman 的AI, 用python寫,但是因為是 online judge, 所以只要寫得不general, 就要重寫, 當初就覺得完了, 就退選, 不過 後來好像很多人不會寫,考試不高都過了, 但我不是很在意, 因為我覺那樣混過去,根本 學不會AI, 所以當初決定下次要做好, 可惜還是做不好, 很遺憾。 另外是我有問過A*在priority更新上要怎麼更有效率, 他提供用兩個STL multimap, 我試過覺得效果很好, 所以感覺老師學術能力還不錯吧, 這也是這學期學到的好東西 之一。 最後是沒有上到深入的probability decision覺得很可惜,那部分感覺很有研究和學習 價值, 可是他到logic之後, 我也不太清楚他想要做什麼, 都是講一些敘述性的東西, 但沒有細節, 我覺得很無聊, 直到最後machine learning 覺得有趣一點, 只可惜也 只有上一點點... ＆誰適合修這門課＆ 這我不知道該怎麼說, 因為我個人覺得還可以適應他的上課方式, 可是應該不是所有人 都這樣想, 所以我也不知道怎樣比較適合..., 但是我覺得喜歡和老師互動會比較想上 他的課 -- ※ Origin: 交大次世代(bs2.to) ◆ From: 111-251-181-131.dynamic.hinet.net → kougousei："強烈建議"想修他的課的人先去試聽看能不能適應那種.... 07/04 01:10 → kougousei：風格(?)再決定 至於必修的同學就嗚呼哀哉節哀順變了 07/04 01:11 → erase2004：就C/P值來說,還不錯w 07/04 12:34 推 keke0421：感謝分享:) 07/04 22:27 推 tzrae：上他的課=自修。 07/04 22:35

※ 發信站: 批踢踢實業坊(ptt.cc) ※ 轉錄者: neoneon (106.105.175.48), 07/12/2016 02:33:00