这门课主要讲人工智能的基础知识，例如梯度下降法、卷积神经网络等，课程内容还是比较容易理解的，作为一门公选课还是讲基本法的。主页见http://cig.ustc.edu.cn/teaching/list.htm。作业有一次图像处理的基本操作（基本靠百度），一次神经网络的搭建（跟TensorFlow官方 >>更多

这门课由向老师主讲，丁老师则负责习题课。 向老师上课坚持板书，讲课很赞，有着自成体系的一套力学理论，时不时会讲一讲他对物理学的理解，很有启发，因为出身天文系，也经常会结合力学知识讲一些天文知识。丁老师的习题课干货很足，也在言语中强调对物理定律的理解。 总的来说，这是一门收获颇丰的课程。 >>更多

老师人很好，在科大的老师中爱好算比较独特了，喜欢折纸，喜欢历史，而且不仅仅是物理学史，似乎是熟读三国，当时讲电势的时候还提到了“天下大势，分久必合合久必分”；讲课也蛮有意思，突出重点，但可能是周五早课我实在起不来（毕竟是冬天）而且那个教室在3A一楼被一堆树木挡住了阳光实在是阴冷昏暗，我可能有好几次旷 >>更多

课程内容：西瓜书1~11，13，14章；课程作业：每章2道习题，虽然后面几章的作业都极难，但总是有大佬写的出来，如果是课后题网上也会有人分享解题思路，所以不是那么煎熬；课程实验：一共五个：LR, SVM, XG-Boost, K-Means, LDA。其中LR和SVM和K-Means都是人工智能基础 >>更多

强烈建议好好记笔记，，我视力不好看不见黑板有时候不抄了听个意思，然后期中巨大吃亏比平均分略高一点（但是把别人认为很难的最后一题做了，因为组合讲过类似的hiahia 然鹅分值不高）期中后努力听课 偶尔还是会很迷，不明白其中的动机（比如矩方法数数，最后变成边..顶点什么的时候达到迷惑的高峰）期末考试感觉 >>更多

陈恩红上课reader参见https://icourse.club/course/3556/，无力吐槽。徐林莉上课不错。秋季学期2021.1.6考的试，2021.3.17过了个年还没出分，比春季学期开学考的应用数学还出分晚，而且据说去年暑假出的分。。。助教不负责，实验什么细节都没有，要求参加的比赛结 >>更多

之前很抗拒上茂爷的课的，毕竟疫情期间网课效果确实一般。结果真正到了课堂，我发现老师貌似之前在划水？讲的很清晰，重点突出，思路也很好，板书也很漂亮，而且非常愿意给同学讲东西，有任何问题直接问老师，老师都会耐心解答，甚至下课呆了快半小时才走，但态度一直非常好。考试的话是期中期末37开＋15分平时分，调分 >>更多

沙发！纪念留影！内容：实用的最基础的概率论、线性代数、矩阵论、微分与差分，以及它们的运用课件质量：10分，对概念和方法的讲解易于理解，比如p->odds->logit->logistic; 但同时保有深度，比如最小二乘法为什么不是最小化距离、量子内容以及红色教育（滑稽）；同时有足够多的例题（反正就是 >>更多

老师上课声音有点小，而且不太注意细节知识，所以进度神速，期中前就讲到定积分了，最后甚至上到了下册。不过这样貌似可以培养强大的自学能力。 助教超赞，对知识的理解十分透彻，习题课会补充老师没讲到的知识。而且习题课不会占用课外时间。 给分很赞，不过期中占很小，只有10%，期末占比很大。 >>更多

老师讲得很好毋庸置疑，院长天马行空，谈老师提纲挈领，作业不多，oj虽然繁琐，但最起码不难，还不查重，给同学们留下了自由探讨的空间，而且oj确实在之后的各种机试中很有用；但是，真是烦透了每年都需要和计科的同学在某一门课上狂卷，就硬卷，周二下午8，9节的课，为了占座位3：30之前至少要到教室门口，不然3 >>更多