人工智能数学基础
课程性质：考试课
学分：3.0
分数构成 = 30% 实验分 + 20% 交流与沟通分 + 10% 作业分 + 40% 期末考试
关于课程
1. 总体介绍
这门课作为人工智能专业的第一门专业考试课，容量大，内容上融合了线性代数（向量、矩阵、方程组及其数值求解）、线性规划、凸优化理论、贝叶斯规则、信号与系统、卷积、信息论、随机过程等众多课程内容，课程学习中充满数学证明、计算、推理，且没有较为成熟的网课资源，学习难度很高，但如果能够坚持下来收获会很多。
2. 关于授课
- lsh
- 老师人真的很好，给分也非常高，PPT内容真的很足，课堂一般不点名，有小测但好像不计分，但还是建议不轻易翘课
- 有问题可以QQ群问，也可以私聊老师，一般都会很耐心地回复
3. 关于实验和大作业
主要包含三次实验和一次大作业，实验课会讲实验的内容，无验收，可随意调库，最后有一个期限收实验报告和源代码，时间很充裕，大作业选题可以非常宽松，基本不扣分 1. 数据拟合 2. PCA+RPCA 3. 优化算法的实现：梯度类方法+ADMM方法的实践
大项目：构建AI仿真器，或者其余相关的大作业都可以
4. 关于考试
考试范围非常广，所有PPT上的内容（包括实验课PPT）都会考，考试主要是填空、判断、简答、证明计算、讨论，难度挺大，但是对最后分数影响不大hhh，给分比较高，基本都在90+
具体题型：24个填空24分，12个判断12分，7个简答28分，3个证明计算26分，2个讨论10分（可能会有变化）
一些可能有用的资源
- 学长的经验：https://zhuanlan.zhihu.com/p/682081822
- 2023年春人工智能数学基础期末真题：https://blog.csdn.net/CulfateBurner/article/details/131253094
学习经验
笔者第一次学这课，经验就留待后人补充吧（确实没啥可以借鉴的）
参考书目
- [1] 刘浩洋、户将、李勇锋、文再文编著，最优化：建模、算法与理论，高等教育出版社
- [2] Gilbert Strang, LINEAR ALGEBRA AND learning from DATA，2019, Wellesley-Cambridge Press.
- [3] Dimitris Bertsimas, Nonlinear programming，清华大学出版社，2017
- [4] 冯朝路，人工智能的数学基础，清华大学出版社，2022