人工智能与机器学习

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。