※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：
否
哪一学年度修课：
101-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
于天立
δ 课程大概内容
总共大约分三个部分
这学期的顺序是 search -> machine learning -> logic
各5~6周
Ω 私心推荐指数(以五分计) ★★★★★
五颗星!!
η 上课用书(影印讲义或是指定教科书)
有参考书，但没有也OK
主要:
Artificial Intelligence: A Modern Approach by Russell & Norvig 3rd
次要
Machine learning by Mitchell
Artificial Intelligence for Games by Millington & Funge, 2nd
μ 上课方式(投影片、团体讨论、老师教学风格)
老师在上面用投影片讲课，偶尔搭配黑板
进度上每次前半节课会快速复习上周的部分
老师会观察学生表情，在大家很茫然的时候会讲慢一点
怕老师讲太快的话，就坐前几排茫然给他看吧XD
σ 评分方式(给分甜吗？是扎实分？)
扎实吧！
homework 8% + 8% + 9% = 25%
Midterm 30%
Final 20%
Project 25%
最后调分会全班一起加分
ρ 考题型式、作业方式
作业：写pacman(小精灵)，使用的语言是python
因此排斥学习一种新的语言的人请慎重考虑
作业不难，不像隔壁房有时候会不小心把我们的投影萤幕占领的资结
共三次作业，每次应该都可在10~20hr内结束
考题形式："非常灵活的"问答题
结合不同章节的概念，把好几个东西混在一起
很难完全写对，但老师会部份给分
考试满分 = 所占的期末比例 (期中考满分30，期末20)
问答题每题约2~3分，把你想的东西全部写上去，不要错得太夸张应该可以拿一半
期末专题：2~3人一组，写任何跟AI有关的题目
期末专题DEMO订在期末考后一周，是投票决定的
虽然没有规定，但期末专题几乎所有组别都有做图形接口，有如在听网多般
可惜的是因为组别较多，每组只有10分钟可报告
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
不重视出席率
加签是采第三类，老师很坚持不超过人数，说下次可能会收更少
这是电机所的课，修课的人数上大学部和研究所大概一半一半
基础的话就是coding能力吧
真的是一门可以学到很多东西的好课!!
Ψ 总结