返回課程列表
[COMP3211]Intro to intro to AI.
課程時間：2019年Fall
授課教授：LIN, Fangzhen
我覺得教授：下面说
評分標準：assignment * 3 = 30% + midterm 25% + take-home final 45%
這門課的Grade：Grade 未知 不过据说Fangzhen给龟还是很lenient的。这门课算很基础吧，大概介绍了几个方面的概念：reactive agent, searching (uninformed, informed, game search, constraint satisfaction problem), Markov decision process, reinforcement learning, machine learning (讲的极为浅显，听后毫无印象那种), knowledge representation and reasoning, uncertainty (Bayesian network), game theory, NLP(毫无印象).
教授讲课个人风格很明显，讲课一个是慢，慢的惨无人道那种（后续看了给MSBD的课，理解了为什么讲的这么慢了。一节MSBD 3h，如果讲的太多大家都会疯吧233。这门课在cwiki上基本没有评论也可能是大家实在觉得讲的太慢就drop了吧2333）。
第二个是讲课基本脱离ppt，喜欢在onenote上写字来讲课。教授很注重问题的formulation，此处在讲search，mdp，rl的时候极为明显。请别溜号，因为作业和考试中也会强调问题的formulation。（我个人还挺喜欢教授这种讲课方式，认真听的话能了解一些哲学(? 问题）但是这个讲课方法也有弊端，例如我上完了这门课是知道了这几个问题，可是记不住solution2333。
assignment包括programming和non-programming part。programming有一半来自不知道多少年前的cs188 Pacman，可能教授犯懒+TA犯懒，都9102年了还在用上古的Python2.7。non-programming主要都是上课的内容，问题的formulation啊，计算题什么的。这部分难度还是有的，还记得手算mdp optimal policy的酸爽。
考试我个人觉得其实还好吧，不算难。好好听课问题不大。
推荐给不想自学ai的懒人（包括我）。若对讲课方式接受无能，请谷歌Berkeley的cs188。
[COMP3211]Berkeley CS188
課程時間：2017年春季
授課教授：SONG Yangqiu
我覺得教授 人还不错，英语有待提高
這門課的Grade：一般
这门课的prerequisite：comp2011 (excuse 咪？)
notes原封不动照搬伯克利的cs188, 难度不小。（有关logic的部分是搬自standford的cs221)。总体来说内容还是挺丰富的，然而professor英语比较坑，notes也是搬来的，//所以讲的窝不太懂？
homework和project没照搬，然而难度和质量差了一个档次，人家那边是每章都有homework，在线作业，跟我们这边的math差不多，无限次交，做对就行。我们这边是总共4份纸质作业，要改对错，题量小，分值巨大（每份占10%），因此直接后果就是大家都会互相对答案，每份平均分达到9%。人家那边的project有5个（search*2,reinforcement learning,markov model,classification)，而且比较好玩，还有小比赛，比谁的算法更optimal之类的。然而这边只有两个，一个是individual的（10%），给几个graph/tree然后用几个search算法按顺序return从数据结构里pop out的nodes。一个是group的（20%），从给定的几个topics里选一个做，要交report，给分迷。无midterm，final占30%。
给龟真的很坑，absolute grading。97%以上才有A+,94% 以上A, 90%以上A- ，前面的东西稍微失误一点就基本没A+了，//final考满分可能还有点希望。
虽然给龟坑，但教授人还是挺好的，我之前有份homework交错了，然后得了0分，我跟professor发了邮件解释了一下，然后他就accept了。虽然最后那份只能让我得90%的分，但已经很不错了。
伯克利的cs188有notes，有视频，有作业&答案，有project skeleton，pastpaper&答案，在下强力推荐。如果有同学对ai感兴趣而且比较自觉的话的话就移步cs188吧，上3211作甚？这边给个链接：http://ai.berkeley.edu/home.html
//另外强力推荐伯克利的cs294(deep reinforcement learning)，跟cs188一样资源丰富，这边也给个链接：http://rll.berkeley.edu/deeprlcourse/#related-materials
//话说我这个学期为什么一直在自己学校上别人家的网课？迷。
return 0
[COMP3211]Intro to AI
课程时间：2012年Fall
授课教授：James Kwok
Grade：较好
Grade：我觉得不能笼统的说grade怎样，因为总共就20+人上课，很大程度上取决于这20+人中是否有很多大神。。。
Professor：James挺好玩的，上课会用"TOo simple, sometimes naive"举例，并且要命的还会问这话是谁说的=0=。不过我的确还是没怎么去上课因为太懒了。notes还算比较容易看懂，实在不行就上网自己看呗，毕竟他教的内容还是中规中矩，不像Wu先生。
Assignments：如果没记错一共三个，其中一个用到了programming，都不难。
Exams：midterm和final也都不是很难，而且题没读懂或者有什么不明白的地方就大方的问出来。James为人和蔼亲切，比如我们midterm的时候他就当堂解释一道题解释了快半小时，给了无数hints，呵呵。
总的来说，我还是很喜欢这课和James的 XDDDD
[COMP3211]Introduction to AI
课程时间：2008年Fall季
授课教授：Brian Mak
Grade：较好
Brian Mak上课属于中规中矩的类型，notes很整洁，整门课的大结构很清楚，第一部分讲logic，第二部分讲search，第三部分讲基础的machine learning。英语很清晰，香港口音很轻，听起来挺舒服的。听说之前的学期有布置给机器人写程序的project，但是Brian Mak带的时候是发了三个小project，第一个implement一个search algorithm，第二个……不记得了，第三个是用weka跑些training set。考试的内容和上课的贴的很近，基本上是上课的一个大知识点卷子上就会有一道对应的题。这门课唯一有点麻烦的就是例子和题比较少，容易出现以为弄清楚了但到考试时候才发现其实不清楚的情况……
这学期在上COMP328，前两个星期的课基本就是221最后一部分的复习，notes的版式也是CS经典的上下蓝中间白……这两门课还真是一脉相承啊……
[COMP3211]introduction to AI(introdution to NLP from dekai's point of view)
课程时间：2009年Fall
授课教授：Dekai.我的课会引导你至正确的方向.Wu
Grade：较好
其实相比COMP526,dekai已经很努力地像课程应该有的方向靠拢了
至少同学们文件夹里COMP221的那一格没有空着一整个学期
而且确实感到还是能学到那么点东西的
不过由于他本人对于NLP的高度狂热以及天马行空不拘一格的个性
一些AI中本来挺简单能说清楚的概念
还是被他强制与NLP结合而导致变得十分纠结而且过程冗长了
这一点只要在书店里拿起一本AI有关的正统教材翻翻你就能体会得泪流满面
因为进度被多种dekai式的原因一拖再拖
原定占50%的5个assignment被缩减到两个(仍然50%)
考试的话期中期末都只有一道题，其中若干个小题，做错前面的会严重影响后面的
grade没有参考价值。。感觉比较random
个人觉得如果要在AI方向起步。。还是上一门正统点的导论课比较实际
[COMP3211]introduction to AI(introdution to NLP from dekai's point of view)
课程时间：2009年Fall季
授课教授：dekai
Grade：still unknow...
Dekai在某一些时候可以是神，有一些时候则绝对是噩梦...
如果说dekai的151H是grade神的级别，那么dekai的221绝对是全体上课学生的噩梦。没有notes，所有人都只能够跟着dekai的吹水神游这只是初级版的挑战，考试极其random, 改卷更加random这类事情更是屡见不鲜。如果你确定想挑战一下自己对一大堆名词的记忆能力和你自己的get pang极限，你大可以来一下挑战dekai 221,不过做好心理准备就算你get到所有的pang你还是发现你final有半份卷子不知道该怎么做。
珍惜生命，远离dekai，这是07届N多cs人的血与泪的教训
执意要take这门课的人，我只能够说一句： 同学，保重
