人工智能与机器学习

(林志赟)SDM2742024秋 2023秋  
2024秋 2023秋
9.0(1人评价)
  • 课程难度
    中等
  • 作业多少
    中等
  • 给分好坏
    超好
  • 收获大小
    很多
选课类别:专业任务 教学语言:双语
课程类别:专业核心课 开课单位:系统设计与智能制造学院
课程层次:未知 获得学分:3.0
课程主页:暂无(如果你知道,请点右上角“编辑课程信息”添加!)
课程简介(教工部数据)
理论课,3学分,3学时/每周。先修课程:MA127高等数学(下)、MA113 线性代数。本课程介绍人工智能与机器学习的基本概念和基础知识,基于Python编程语言和NumPy,讲授回归与分类的各种经典监督学习和无监督学习方法。通过本课程的学习掌握应用人工智能和机器学习的思想和算法解决工程问题。


Lecture, 3 credits, 3 hours per week. Pre-requisites: Calculus II (MA127), Linear Algebra (MA113).This course introduces fundamental knowledge and concepts about machine learning and artificial intelligence, and presents broad classes of classical supervised/unsupervised learning principles and methods for regression and classification problems. After this course study, it is expected that students are able to apply and adapt the ideas and algorithms from artificial intelligence and machine learning in solving real-world engineering problems.
点评写点评
user avatar   反对向量机     2023秋
  • 难度:中等
  • 作业:中等
  • 给分:超好
  • 收获:很多

22级老登23秋选的,给24秋的同学指路。

  • 给分:22级前给分依托,于是屡遭学生锐评,22级开始大幅改革,最终下来给分非常不错。
  • 课程:tis里面有简介,需要注意的是22级改革后变化很大,深度学习部分cnn\rnn\transformer全删了,平时作业以及project用numpy完成,总结就是深度学习的占比小了,所以如果对dl感兴趣最好自己补知识。这边建议收藏ut的csc411,里面的试题可供复习使用。
  • 老师:大林很负责,也乐意与同学交流,会在群里亲自回答你的任何疑问,包括bug。老师想充分带动课堂氛围,奈何大家有点沉闷,后来也不再勉强了哈哈。
  • 作业:如果踏踏实实写,说实话有点花时间,毕竟完全用numpy手搓。可能很多前辈会给你说“现在都import torch了,手搓这些古早模型有任何意义吗?”我个人认为,和CS科班相比,咱coding的机会就少,而这些作业是提高你码力最直接的途径,尤其是debug能力,所以踏踏实实写作业和project,收益会很大。否则你大概率上了一学期AI课还是啥也不会。
  • 关于GPT:这门课还是有一些问题,比如没有lab,上课的内容全是数学推导,课下作业实现起来如果不借用csdn会寸步难行。所以当你实在想不出来,借用GPT往往比干想更好。但关键在于,应该先读懂别人写的代码,然后关掉浏览器凭借记忆和理解自己写出来,而非无脑复制粘贴,否则,你学的AI也就相当于少儿科普的水平。

自学指南:这里不得不提几本无敌的机器学习入门书:

  • mathematics for machine learning 神中神,尤其是SVM和PCA,比PRML更友好,好看到停都停不下来,但深度学习讲的不多。
  • neural networks and deep learning 对于SDM274的深度学习部分,这本书是最佳选择,在线交互式教材,直观体验调参,有理论有代码,而且会告诉你种种训练的trick,对project帮助极大!
  • pattern recognition and machine learning 本门课的推荐参考教材,bb上有链接。这确实是本好书,不过对于初学者,由于没有经验,一些很有insight的句子即使读了也不会注意到,所以很难体会到这本书的妙处。
  • python for data analysis 原本不应该出现在机器学习的推荐书目中,但本门课完全使用numpy来搭建机器学习模型,因此前几周对于不熟悉python和numpy的同学,这本书是一个很不错的crash course。


teacher avatar

林志赟

系统设计与智能制造学院

教师主页

其他老师的「人工智能与机器学习」课