三位老师风格迥异。普遍认为王子磊老师讲解细致且有趣，较受学生欢迎；查正军老师的授课被部分同学评价为“水”，趣味性不强；熊志伟老师上课中规中矩。课堂内容信息量大，英文课件较难理解，特别是对于不熟悉英文术语的同学而言。另外，助教支持不够，沟通不畅，及时性较差。
期末考试由各部分内容组成，考题包括搜索算法、概率计算、机器学习基础等。部分同学认为考试内容简单且多为作业原题，复习时建议重点回顾作业和课件。此外，期末给分情况较为不一，少数同学对给分方式表达了不满，认为存在不透明和不公平的现象。
总体来说，《人工智能导论》覆盖面广、信息量大，适合作为人工智能学科的入门课程，但教学方式和给分机制存在一定争议。对于具有较强自学能力的同学，期末复习认真，平时按时完成作业，获取较高分数并不困难。然而，对于其他院系或基础较弱的同学，该课程可能较为挑战，需要慎重选择。
这门课的平时作业也没什么难度，毕竟是导论课程。知识点多且庞杂，不好复习，建议找几个笔记先过一遍，然后再看课件，最后自己整理一份笔记。
不过这门课的助教看着挺忙的。他人在高新区，一个学期就来了3次不到，收作业是来去疾如风。我上课前5分钟赶到教室准备交作业，得知助教已经收完作业跑了；最后一次收作业干脆不来，直接要求拍照发送，那为啥不用bb系统呢，或者开学就通知交电子版。有疑问也没有回复。期末考完半个月了卷子还没开始批改。
你可能感兴趣的一份期末考题回忆版：
你可能感兴趣的大作业代码：
你可能感兴趣的参考教材答案：
Literally两天速成，喜提4.3。感觉自己期末考的没有那么好，应该是奶了的。
当然这个两天是从早上睁眼开始到晚上睡觉前除了吃饭都在看，再加上部分内容之前有基础，平时作业不是纯抄的条件下达成的。
知识广度很广，而我学期中一点没听，导致速成难度巨大。所幸到考试前，除了CV的部分课件，其他全部认真复习了。
建议:平时听不进去的话就不听，但是做作业的时候要看一下PPT和书尽量搞懂一点（尤其是有些比较复杂的计算的东西）。然后期末再早几天开始复习，不要像我这么极限，人都要没了。
以下为被老师邀请写的学习指导内容qwq
就23秋的教学来说，三位老师分别负责三个部分的内容。
第一部分是搜索，主要讲了各种各样的搜索算法，包括但不仅限于UCS，A*,alpha-beta剪枝等等。这一阶段的任务就是把各种算法怎么执行的搞明白，考试的时候叫你执行算法能写出来就行。
第三部分是机器学习，对于学过真正的机器学习的同学来说，就是小菜一碟啦；没学过也没关系，不是特别硬核的，可以放心。个人感觉主要是决策树算法，卷积神经网络的参数数量计算，以及视差图的计算。视差图的计算按照惯例会出一个实验让你写代码，最后考试的时候还考了这个实验，让你写个伪代码。所以如果出了实验的话，记得考试前试着写一写，至少看PPT了解下原理。
平心而论，这门课不难，但是覆盖广度比较广。如果平时完全不听的话，速成会很有压力，因为东西多且杂。所以还请认真做作业，把每个题目搞懂呀。
概述：十批必修课，这次和ai排在了一个班，幸运的是ai已经在其他课程学了一部分本课程的内容，十批也是理所应当地兜底了排名靠后的成绩。讲课水平：没有水平，只有水老师助教态度：没有态度。考完半个月才开始改卷，三个老师轮流改卷，完美演绎了什么叫三个和尚没水喝。哦，大概老师是不会改卷的，三个助教改卷，大概他们连答案都不知道吧。课程群是没有匿名的，同学问问题是没有人回答的，私聊助教是已读不回的，改作业是迟交就增加了助教工作量的。等有空了把某人的发言截图()放上来，让那幅传世名画永远镌刻在十批的记忆里，以供后世瞻仰。
属于是老师认为自己在水，很开心。
学生也知道自己可以水，很开心。
教务处看到学生又多学了一门课，很开心。
三方共赢。
他们都有光明的未来！！！
三位都是人工智能方向非常厉害的老师，课程内容比较多，有点像本科生方向性质的课程（仅仅是对人工智能不同方向的一个介绍），能开阔一下视野。关于考试，第一部分主要是一些搜索算法（深度优先、广度优先等数据结构学习过的和启发式搜索）和α-β剪枝。第二部分是推理和逻辑，这部分好好做作业，作业和课件内容都理解好就行。第三部分是机器学习基础，以前学过机器学习的话比较轻松，没学过问题也不大，都是一些基本模型，对照b站找一些图解机器学习或模型数学推导的小视频就行。
分三个老师讲三个方向:搜索,逻辑与概率,机器学习
我是没怎么听课hhhh
考试很水,很多作业原题,考前可以背一背作业上的题目.
内容多，覆盖面广，但是重点不清，泛泛而谈。三个老师不好协调，为了赶进度，很多东西讲的特别快，讲是讲完了，下边学的一脸懵逼。ppt还一直拖延着不给，最后催着才发。考前复习一堆ppt，看着头就大。内容挺像导论课的，就是考核形式不像，如果能像计院人工智能那样开卷就好了。给分还不知道。不建议对人工智能感兴趣的同学选修。
考完发现出的题都挺简单的，觉得会是重点的，一点没考。
复习的时候挺难的，三个老师风格不同，没有适应英文教学环境的人(比如我)复习的时候看全英文的课件就很难受，而且有个公认的事实是这门课的教材翻译一塌糊涂。
大作业一定要好好做，不要像我一样随便搞搞就交上去，什么也没学到。熊老师出的题有相当的部分是和他布置的大作业涉及到的知识有关的，如果乱做就像我一样最后什么也不知道。王老师上课超认真，也挺有趣。
最后，老师都挺好的，就是我不太行。。。。呜呜呜
三个老师应该都是非常厉害的人工智能方向的老师！
王子磊老师上课讲得比较扎实，解释知识点还有例题啥的，基本能理解。很惭愧其他两部分上课没有怎么听...第一部分花了一个晚上基本就可以速成，第三部分基本是机器学习基本常识。
考试第一部分考了alpha-beta剪枝和一道设计启发式函数的。第二部分考了买车那道作业原题（上一届考了另一道原题）。马尔可夫那块儿比较复杂的计算一点儿都没考。第三部分也考了不少作业原题（zero-oneloss，设计一个神经网络等）
不大清楚哪里写得不大好，最后分不高。感觉如果扎实学好的话应该不错的
今年给分依旧杀手。实在是不明白，卡绩卡84分我可以理解，卡89分是什么意思？
课程内容一言难尽。内容太多导致学的基本上是一知半解，理解掌握全靠考前自己复习。感觉如果自己对着书学，也可以基本达到同样的效果，甚至理解的更好。
就冲着刷新下限的给分，给五分算是给老师面子了（，不过想想我可能卷面+实验平均40分，总评70+，自己评价.jpg
也就中间的老师教的比较让人容易听懂，考试也容易写，整体上逻辑对我来说比神必不堪的agent和ai基础要好多了，其他两位，也不是教的很差，可能是我智商有碍，尤其到了第三部分，英文PPT加众多概念对没有基础的人非常不友好
今年实验是计算深度图和视差图（用OpenCv直接调库就行的东西），但考试考了整个算法的伪代码，所以如果以后还做这个实验希望学弟学妹认真研究不要偷懒
2021.9：由于给分不行甚至被隔壁zzg班评分反超
本学期最迷的一门课三个老师风格高度不同结课很晚查老师实在是混王老师讲的最认真要是全是王老师上就好了熊老师上的中规中矩只上了一次习题课感觉如果不好好复习的话很难抓到重点。最后考试感觉挺简单的很多原题却没有满绩
内容超多，最难的在逻辑那块，其他概念懂了做题很简单，考试也不难，就作业那种，还考了原题。反正最后速成93
上课内容无比充实丰满，但是老师讲课质量实在是让人没有想听的欲望，ppt看起来也是在云里雾里的。期末考试复习起来完全没有头绪，十几二十章的内容硬啃着自学，最后还是有好多脑子里面都没有印象，考试部分按照三个老师讲过的三部分出题，最后一个老师部分的题目都空着了，作业交了三分之一，大作业认真写了，可惜还是挂掉了。
选课需慎重，如果只是其他院系想来陶冶情操水水的，还是不要选这门课了，会很吃力的。
上课内容很过分的多，考试内容分三部分，总会有那么一俩部分考的很迷，我反正稀里糊涂写完卷子（好几题都没做全），给了91还是92忘了.。。。不过感觉周围同学都考的不错啊，不柯学。。。
课程内容极多，分三个部分，搜索，推理，ML，其实好好学每部分不是很难，但内容真的多，按照助教的话，每部分都可以单独开设一门课了，考试不难，准确的说认为难得地方并没有考。。大作业这学期是写视差图算法，也不难，给分应该说不错了，考试的时候一道归结没写完都给了4.0还是挺满意的。