因為LC寫得太好了就借用一下格式
※ 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）：
是，須通知作者
哪一學年度修課：
102-1
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
分成三部分，每部分5周左右
期中考到[2]-(1)
[1] Search
(1) Uninformed/Informed Search
(2) Non-Classical Search
(3) Adversarial Search
[2] Learning
(1) Concept Learning
(2) Computational Learning Theory
(3) Decision Tree & Bayesian Network
(4) Reinforcement Learning
[3] Logic
(1) Propositional Logic
(2) First-Order Logic
(3) Planning (期末沒考)
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★
η 上課用書(影印講義或是指定教科書)
投影片為主，內容主要從以下兩本來：
1.Artificial Intelligence: A Modern Approach, 3/e,
by Russell and Norvig
2.Machine learning, by Mitchell
μ 上課方式(投影片、團體討論、老師教學風格)
投影片上課，投影片比較精簡，老師會講滿多的，上課上的滿好的
σ 評分方式(給分甜嗎？是紮實分？)
程式作業(Python)三次 25% = 8% + 9% + 8%
期中考 30%
期末考 20%
期末Project 25% = 5% (proposal)
+5% (presentation)
+15% (term paper)
期末總成績全班加5分。
若在邊緣，會視作業繳交情形拯救之
ρ 考題型式、作業方式
作業是寫UC Berkeley著名的小精靈Project，內容是search與learning相關。
語言是Python。
考試方面，可帶雙面A4大抄(電腦列印可)，但考題非常靈活，所以沒讀熟
可能還是會滿慘的，老師給分並不吝嗇，有摸到邊就會給一些，所已不要
吝於表達。
期末專題，2~3人一組，自訂一個有關AI或ML的題目，
期末上台報告7.5分鐘並交一篇報告，報告時間滿緊迫的，
所以投影片不要做太多......
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…)
3類加選，不加簽
Ψ 總結
雖為研究所的課但是大學來修並無妨，比較扎實便是，內容滿有趣的但是
得花時間，老師上課上的不錯也有教學熱誠，對這一方面有興趣的很推薦
來選這門課!