人工智能

考核要求：

课程考核分为签到+编程作业+期末，分别所占比例为5+25(35)+70(60)。

作业内容：

编程作业在mo.zju.edu.cn上完成，共有5个左右，内容包括八皇后问题、黑白棋、K-means异常检测、手写数字识别与垃圾分类、机器人自动走迷宫等，当然每届可能不一样。可以看出作业内容涵盖了无监督学习、监督学习、强化学习、优先搜索等多类知识，如果事先没有相关知识储备可能有些难以上手，但是整体难度并不高，具体得分会由系统评分和助教给出。

以下简要给出作业心得：

1）八皇后问题，经典回溯法，教程众多，可以自行搜索学习；

2）黑白棋，应用蒙特卡洛树搜索下黑白棋，战胜系统和其他同学的算法。理论和编程有些难度，相关资源也相对较少，b站和CSDN有一些资源，但印象中可能有误，需要甄别，建议能看伪代码的同学按照伪代码敲。要想得高分，需要在基础的实现上考虑剪枝等操作；

3）K-means异常检测，基础的K-means，要求分类准确，印象中满分是5类，但是基本大家只能分4类；

4）手写数字识别与垃圾分类，一个简单的深度学习任务，识别准确即可，我最后的准确率大概是90%多，需要做一些原始数据的调整和增强；

5）机器人自动走迷宫，用深度强化学习，难度不大。Github上有部分类似的作业被开源，也可以参考人家的优化思路。作业虽按照准确率打分，但不建议过分追求，整体分数差距不会很大。

教学内容：

教学以理论为主，内容广泛，包括逻辑、搜索、监督/无监督学习、强化学习、博弈论等。如果是小白听起来可能有些无聊，但如果是有实践经验的同学，相信听一些理论知识是会有帮助的。建议在上课时按照自己的需求听，例如我对Transformer的网络架构有一些疑惑，则可以重点关注深度学习这部分内容，其余的例如逻辑部分，如果自己暂时用不太到，大致了解即可。我上的是范鹤鹤老师的课，老师人很好，课间也有很多同学交流自己科研中碰到的一些问题，课上回答问题也会有小零食。

考试内容：

考试闭卷，考一些理论知识，内容广而细，所以需要对部分内容进行一些背诵。复习时间因自身的基础情况而异，但是一两天基本足够了。复习时需要重点关注书中提到的算法，要十分清楚这些算法的流程，会考大题让你计算，比如卷积神经网络卷积后的数据维度，Q学习迭代几步后的结果，A*算法是怎么搜索的等等。其他的比如算法的性质等大多是填空题，眼熟即可。考试历年卷98上有一些回忆可以参考，搜索时注意课程名称和开课学院。考试的分数对绩点起非常大的影响。

其他建议：

人工智能个人建议大家从实践中学习，代码从来不是重点，重点是判断这个任务需要采取什么方法比较合适，如何进行调参提高算法的能力，这些都需要一定的经验。同时理论也是非常重要的，忽视理论很难做有价值的创新，这部分需要时常翻看教材或者相关论文，也建议大家亲自从零开始手写一些算法，或者推导数学公式。