对于这门课，我能感觉到老师们是想打造成一门大师云集涉及面广的精品课的，但是毕竟第一学期开课，经验不足，课程设置是在是欠妥。

lws老师的第一节课基本就是材料系宣讲的形式，讲讲材料学的主要研究方向和课题组的情况。第二节课和第六节课，个人认为zwq老师讲的还是很不错的（没听过他的大物课，但是就这门课讲的还比较清楚，让人比较有兴趣听下去），不过只是更多地介绍为什么要用AI方法，虽然也简单地带了一些数学和算法的知识，但是感觉更像科普，内容并不太多。

然后就来到了最硬核的第三四节课了，ll老师第三节课先用不到两小时把python的基本内容和常用库过了一遍，然后第四节课用不到两小时讲了线性拟合模型、机器学习和神经网络，留了写二维线性拟合python代码的作业。我上学期学了python，这两节课都跟的很吃力，班上有很多零基础的，那一定更是无从下手。从表白墙和大家的反馈中可以感受到痛苦，所以老师们商议后就降低了作业难度，临时又把第五节课改成了习题课，lgf老师和ll老师一同前往，确保每位同学能把样例代码改到可以运行为止。确实给了大家缓冲时间，不过也耽误了后面的课程安排。

第七节课沈老师是临时代lbw老师来上课的，但是这节课真的准备很充分，内容也比较丰富。从研发光学隐身衣出发，讲了很多数学，物理和算法的内容，讲的也很好，循序渐进，大部分同学都能听懂，收获算是比较大。

最后就是期末报告，要求是读一篇或几篇材料学作用AI方法的论文并写心得，可能并不难，但也给期末周徒增任务，相当痛苦。

总之这门课不能说差的没法看，老师们确实是用心了的，但是真的还有特别大特别大的改进空间，选课的各位慎选。

关于课程内容安排及强度，Vincent_Jordan的评价个人认为十分中肯，基本符合这学期的课程情况。

上这门课最大的感受是，大家都在水，很少有人认真听课。甚至最后一节课的时候，只来了不到一半的人。不过我觉得这件事本身责任还在教学内容和教学方式上多一些，老师讲得东西有些枯燥乏味，再加上是没有考试要求的课程，那自然就不会有很多人认真听讲。此外，很难说我是否真的学到了什么知识上的东西，即使是科普性质的也很难说。老师们或许还要在这些方面上下点功夫。

期待下学期课程的质量会更高。

课程内容设置个人认为不太好，前面一直在花大力气讲一些很概括性的（过于概括以至于有些抽象的)东西——比如强调半天AI方法很重要，但给我的认识一直是“因为不知道能怎么研究，刚好碰上了AI大热，不如拿AI来试试”，而且基本一节课换一个老师，所以重复的东西很多。中间还有两节课从零开始速通python然后试图教会我们自己写一个拟合的程序，由于无基础的同学（包括我）很多，最后降低难度，只用写一下神经网络的基本原理。顺带一提，教python的老师是开发可解释性机器学习软件的，所以他的入门=我的入土。

另一个作业是读一篇讲材料科学中的AI应用的paper，写一篇学习收获，1500字。知网搜索“材料科学中的AI”蹦出来了一些辣鸡文章，所以又一次加深了我的误解。

直到倒数第二节课才讲了一些算法的原理和具体的案例（尤其是一个AI和物理理论相互辅助的案例），可以说只有这一节课是全程听完学到了东西。不过这节课的沈翔瀛老师是临时来顶替的，所以这好像并不是原本的课程设置（悲）