人工智能，计系不得不品鉴的课程。

内容上，前半学期是各种搜索以及元启发式算法的介绍，后半学期是几种机器学习模型的介绍。

理论课而言，袁老师前半学期安排的课程内容比较稀疏，如果对搜索/元启发式算法有一定了解，上课甚至会觉得很轻松，他也通常可以在下课前就把内容讲完，然后畅谈一点别的内容。后半学期就比较恐怖了，一节课介绍1~2个机器学习模型，对于数学推导过得很快，需要自己下来再疏通一遍。

实验课而言，一共有10次需要完成practice的实验课，其他四次只需要跑助教提供的教程即可。practice以ipynb的形式提供，上面markdown写的什么，你在下面的代码todo里填上就完事了，难度很低。

Project而言，一共有三次project，和lab practice合起来占大约一半总评，难度都还好，但是要做好的话还是要花不少功夫，可以拿课程号去github上找往期优质作品。人工智能课不得不品鉴的一大原因，就是project根据跑分排名给分(比如黑白棋会打循环赛按排名赋分)，直接鼓励内卷。

不过，在占比大概一半的期末考试面前，上面那些分都太好拿了。lab practice和机器学习project只要会调sklearn, pandas这些包就行，但是考试的机器学习考的什么呢？手算反向传播，手算支持向量机，手算adaboost，主打一个爆杀调包侠，所以考前请务必手算一遍各个机器学习模型，复习可以参考：https://gutaozi.github.io/2023/06/12/CS311_Final_Review/ 

理论课老师对着ppt狂念一通。偶尔遇到一两个需要解释的公式就在ppt上用鼠标写天书，推了两步之后就根本看不清符号写的是什么了。

实验课虽然写的是袁老师来上，但实际上是袁老师组里的学生（助教）来上。两个学长看得出来水平都很高，但讲课水平我不好评价。

理论课没有作业，只有实验课有每周需要给助教检查的practice，主要是实现一下上课讲的模型。难度适中，就我个人这个小菜狗来说实验课上比较难全部完成，但是课后稍微再多花一点时间也差不多能写完。有三次project，祖传的反转黑白棋和CARP，以及据说每届会换的project3，我们这次是预测收入水平。反转黑白棋和同班同学两两对战，根据胜率给分，本人被图班的卷王们吊起来打。CARP由OJ评判。预测收入水平纯调包。总体来说相比计系的其他大project来说难度不大。

期末考试全是大题，各种讲过的模型大模拟。老师大概自己也知道题目出得太难并且平常没有任何作业练习这些题目，所以在考试的时候和我们说尽量写点东西上去他能给多少分就给多少分，最后还调了期末考试在总评里的占比。（可是这和我这门课学得一塌糊涂又有什么关系呢）