Artificial Intelligence  COMP9414

23T2 Francisco教的

终于换老师了，难度爆降，两个proj一个基于lab内容写agent，一个用tf搭MLP玩

WW你终于走了

亲测， ww的9414不要选（仅限学渣， 学神请忽略， ww至少问个问题现在还比较负责）， 3w没了， 我人也快没了， 我发誓这是我第一个挂的也将会是我最后一个挂的科目。

我还有个同事6714之前被ww给挂了， 这次9414也被ww挂了， 这老师是真喜欢挂人， 没自信能刚过这个老师的千万要避开他。

assignment2的评分并不公平。自然语言处理的细节太多，完全跟评分的测试的case一一对上基本不可能，而且这也不能体现学生的能力。

期末考试时间特别紧，平均3分钟完成一道选择题，题目就是平时tutorial的内容，每一题的计算量都挺可观。而期末考试占60%，所以拿高分是很难的。楼上同学可能是同班的，不对tutorial的内容做大量练习，这个学期确实很容易挂科，不清楚这个班的挂科率是多少。

WW角度, fail了

题错了会扣分， 就因为差这0.1分挂科了。 可恶啊啊啊啊啊啊啊啊。 难度还是可以的， 讲的也就那样。 就是这分数是真不留情面， 搞得我都想退学了。

血的经验教训。

9414这门课就考试而言真的不难，刷几遍tut足可以。但是作业是最艹蛋的。阿兰的作业还好，只有第三个有点挑战性

可是轮到Wobcke Wayne这个人时，两个作业难度简直毁天灭地，第一个作业改写AIpython略有难度，第二个作业是他妈的数据挖掘，数据挖掘！！这对于刚入学的人来说简直是噩梦一样。所以奉劝一句，学9414就学Alan的，如果要学Wobcke的，我用自己的脑袋向你保证，你死都不知道怎么死的。

三学期的考试是选择题，难度应该比之前简单了许多，上课没听过，考前做做tutorial就够了。

水课，上课完全不听，考前几天tutorial认真做完就hd了。

三个作业，第一个是prolog，没啥大用，不过挺帮助理解递归的。

第二个呃...阿兰说是他高中的题，挺无聊的没啥意思，也不难。

第三个作业很好玩，俩人一组，有两个选项，第一个是用prolog玩一个小游戏啥的，我没选。第二个是用c/python/java任选一种语言，写一个小AI来玩生存游戏。挺有意思的，当时和队友写了800+行代码，对理解搜索算法帮助挺大的，也大大提高了我的python水平哈哈。

总体不推荐。

讲真如果真是没有课可以选的话再来考虑这门课，这prolog什么玩意。。

真真一点也不水。。。s1分数最低的一门课。。。比考砸了的9021还低。。。。真是远远低于预期

水吗？  作业3prolog写死你都写不出来好吗？ 。说水的得是大神

水吗？  作业3prolog写死你都写不出来好吗？ 。说水的得是大神

有作业题吗?

9414这门课学的是人工智能比较层面高的知识，底层的算法涉及的并不是很多，而且写作业时要求用的编程语言是pl，如果以后工作不是偏研究方向的话，应该也很少会用到，所以这门课对我自己而言，算是比较水的课了。

作者：陈迪威
链接：https://www.zhihu.com/question/24357695/answer/132740090
来源：知乎
著作权归作者所有，转载请联系作者获得授权。

COMP9414 ARTIFICIAL INTELLIGENCE

Textbook:

Bratko, I. Programming in Prolog for Artificial Intelligence, 3rd edition, Addison-Wesley, 2000.

Allen, J. Natural Language Understanding, 2nd Edition, Benjamin Cummings, 1995.

Russell, S. and Norvig, P., Artificial Intelligence: A Modern Approach, Second edition, Pearson Education, 2003.


Topics:

• Prolog programming: terms, rules, recursion, the cut

• Rule-based systems

• Frames and semantic networks

• Search

• Basic search algorithms (depth-first, breadth-first, best-first,
     hill climbing)

• A* search, adversarial search (minimax, alpha-beta)

• Propositional logic: Truth table semantics, logical equivalence, soundness and completeness, propositional resolution

• First-order logic: Quantifiers and scope, interpretations, logical equivalence, first-order resolution, relation to Prolog

• Reasoning under uncertainty: Bayes' rule, conditional independence, computing with probability tables

• Machine learning: Error backpropagation learning in feedforward network creating decision trees - the ID3 algorithm

• Natural Language Processing: Linguistic basics context-free grammars parsing using

• raw Prolog

• logical form

• lambda-expressions and their use in logical forms

• semantic interpretation of simple sentence

AI水课，听说没有什么内容，比较简单，也比较适合刷分，第一学期选选AI和离散适应一下英语环境学习也不错，可选。