引言
尘埃落定。
这是我见过的出分最快的一门专业课，12.11中午12点刚考完期末考试，12.12就出了总评成绩。于是趁热打铁，写一下对于该课程的总结与建议。
一、成绩组成
1. 课堂表现（10分）
zzx老师为了提高课堂积极性，用课堂回答问题次数排名给同学的这部分平时分赋分，也就是说，只要你回答问题的次数是全班同学中最多的，课堂表现部分就能拿到满分。不知道明年会怎么样，如果还是这样的话，一定要积极举手，回答不够准确、不够全面都没关系，只要站起来回答，答案靠点谱就能算一次。不过，就算回答问题次数不够多也没关系，这部分貌似分数差别不大。
（当然如果改一下评分标准就更好了）
2. 小班讨论（16分）
具体形式如下：
这一部分就比较麻烦了，因为每一组不仅要汇报一次自己选的论文，还要去提问一次别的组选的论文。大概流程就是，A组作为正方，从头到尾讲一遍自己的论文，然后B组作为反方，准备好问题向A组发问，问题可以包括这篇论文或A组做的改进等等的各个部分，然后A组进行回答。
3. 课程实验（24分）
最麻烦的部分。三个实验分别是语音单模态机器学习、文本单模态深度学习、文本+语音多模态不限学习模型，按照测试集上的F1-score进行排名给分。想拿高分，画在上面的时间肯定要多。每个实验的时长是2周左右，那2周里面起码有1周多的时间没事干就琢磨实验……
不过好在最后成绩差距貌似也不大，比如第1到第5估计差不了几分。
4. 期中/期末考试（50分）
期中考试没啥好说的，开卷，还允许上网，要尽量拿满分。明年就不知道了，感觉一年一个样。
期末考试，因为这门课内容庞大、知识琐碎，尤其公式复杂且多。考前复习花了大概4天左右，也只是看了个大概，一些边边角角的知识没有复习到（结果期末考了，做错了qwq）。不过期末考试总体重理论，而非应用。大多数大题都是考基本的公式和知识点，很少有给一个场景，要求具体应用某个算法的场景的题目。（考前还在突击α-β剪枝算法的应用，也没完全掌握，还好没考）
期末考试原题见HNU 2025年人工智能（拔尖班）期末试卷
二、个人总结及建议
1. 总结
从个人的角度评价一下这门课程吧。
优点：
（1）课程内容基础、实用，都是人工智能领域最基本的内容，如果未来想要从事人工智能领域研究，这些知识是必须要掌握的。
（2）给分还挺高的。有1/3的同学总评上了90分，3位同学上了95分，最高分97分。
缺点：
（1）事几乎是核心课中最多的，课堂表现和实验都是按排名给分，所以要一直弄。
（2）可能是由于数据集的原因，实验结果不一定与花在实验上的时间成正比。
（3）期末复习的课程内容真的很多，而且貌似今年的期末考试难度比去年加大了。
2. 建议
尽量在每节课结束之后将PPT上的内容搞懂、消化。你永远无法想象，期末考试备考时对着大多数只有图片，少部分文字还可能是英文的PPT备考有多难受……
结语
祝各位选了这门课的学弟学妹学业有成！
反正我考完了出分了再也不用管实验再也不用把PPT扔给AI让他帮我解释内容再也不用脑子里装着一大堆奇形怪状的公式去战战兢兢地期末考试啦哦吼吼吼吼~
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
