※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：
否
哪一學年度修課：
101-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
于天立
δ 課程大概內容
總共大約分三個部分
這學期的順序是 search -> machine learning -> logic
各5~6周
Ω 私心推薦指數(以五分計) ★★★★★
五顆星!!
η 上課用書(影印講義或是指定教科書)
有參考書，但沒有也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 上課方式(投影片、團體討論、老師教學風格)
老師在上面用投影片講課，偶爾搭配黑板
進度上每次前半節課會快速複習上周的部分
老師會觀察學生表情，在大家很茫然的時候會講慢一點
怕老師講太快的話，就坐前幾排茫然給他看吧XD
σ 評分方式(給分甜嗎？是紮實分？)
紮實吧！
homework 8% + 8% + 9% = 25%
Midterm 30%
Final 20%
Project 25%
最後調分會全班一起加分
ρ 考題型式、作業方式
作業：寫pacman(小精靈)，使用的語言是python
因此排斥學習一種新的語言的人請慎重考慮
作業不難，不像隔壁房有時候會不小心把我們的投影螢幕佔領的資結
共三次作業，每次應該都可在10~20hr內結束
考題形式："非常靈活的"問答題
結合不同章節的概念，把好幾個東西混在一起
很難完全寫對，但老師會部份給分
考試滿分 = 所佔的期末比例 (期中考滿分30，期末20)
問答題每題約2~3分，把你想的東西全部寫上去，不要錯得太誇張應該可以拿一半
期末專題：2~3人一組，寫任何跟AI有關的題目
期末專題DEMO訂在期末考後一周，是投票決定的
雖然沒有規定，但期末專題幾乎所有組別都有做圖形介面，有如在聽網多般
可惜的是因為組別較多，每組只有10分鐘可報告
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
不重視出席率
加簽是採第三類，老師很堅持不超過人數，說下次可能會收更少
這是電機所的課，修課的人數上大學部和研究所大概一半一半
基礎的話就是coding能力吧
真的是一門可以學到很多東西的好課!!
Ψ 總結