---

前言

写这篇文章的时候，是第十五周的结尾，差不多面临期末周了，我十七周周一就考试了，今天早上来实验室的时候还看到研究生在考试。
对于其他平时上课听着的人来说，其实还能再晚一点开始，但对我这种一学期都没怎么听过课的人来说，还是趁早上路一天走一步慢慢来吧。

回想我的大学三年对待学业的态度，变化还是蛮大的。大一刚入校那会儿，啥也不懂，以为像高中一样，只知道能拿个好成绩就不错了（大学生又称Q版高中生，一个个做题嘎嘎猛那种）。当然也可能是高考失利的打击一直警醒着我，要更努力才能chase上那些985 211 title的同学，所以一进校我就下定决心要当学委，好好搞学习。大一结束，成绩确实也看的过去。回想我的前两年，我的数理类成绩基本都在90以上，最低的一次也是高数下的89，但当时也是半期考的稀里糊涂，不然铁定也能上90。

我或许是一个比较合格的做题家，但我骨子里那向往自由和有趣的艺术家叛逆基因却时常和我做题家的本性打架。回顾我的大学，算不上迷茫，但绝对是矛盾的。以至于当我给我的老友说我以后想成为一名程序员的时候，他表示很震惊，说“你的性格不适合这样的职业的”。但我或许可以这样理解，往上攀爬的人总是会失去一些什么东西。我逐渐发现如果是为了自己热爱的事物而拼搏，这点损失也不足挂齿。

但大学真的是高中那种吗？在学校待的时间越久，越发觉得二者的不同。你会发现许多成绩不那么好的大学生依旧过的很好，过的很成功。大学考试，只不过是一种通过性考试罢了。如果你不选择保研或者出国，分数GPA这个东西其实一点用都没有。我庆幸我能在我的大学前一年半就理解这个道理，但同时也后悔太晚懂得这个道理，不然此时的我应该已经在实习了吧哈哈哈~

说这么多我其实想表明的是，我会为了自己心目中的理想而pursue，而不是去为了完成许多学校里的应试指标和要求。对于那些我谈不上兴趣的东西，我是一点时间都不想多花在那上面。所以，当我发现我真正的热爱后，我就基本没怎么听过课了。我把我的时间全花在了计算机上，花在了算法题上，而不是花在那德高望重的PPT上面。

---

所以，我想总结的是，学校里的东西根本教你到你什么，考前应付几天其实完全就够了，这些东西都是“上古时期的宝贝”，但对于技术和找工作而言，毫无帮助。yes，学校里学的东西已经和企业、社会脱节了。

我希望在座的你我都能尽快懂这个道理，而不是一味的抱怨学校的老师讲课不行，你改变不了什么。与其花时间怨天怨地抱怨学校抱怨老师，不如自己多花时间学习提升自己。

---

学科速成总结

这个课比较内容杂，内容都是网上东翻西找的，总结汇总了一下，按照我下面的流程走，还是没问题的。

状态空间表示

状态空间表示先看下这个：【人工智能教程】3.2 - 基于状态空间图的搜索技术,这个视频囊括了传教士和八数码问题

做题的话，就需要先定义一下三元组，比如<m,c,b>
看下这篇吧：人工智能：状态空间图

大致步骤如下：

1. 列出所有状态
2. 删去不可能出现、不合法的状态
3. 定义操作集合
4. 画状态空间图，从初始态开始，一步一个操作，得到最后状态
5. 解题

---

图的搜索

估价函数：F = G + H
一般预估函数H选择欧氏距离或者曼哈顿距离

---

A*算法直接看这个，有原理有代码：python实现A*算法
八数码看这个：八数码问题 启发式搜索

上面两个主要是了解他的流程，每一步的选取。其中结点的选取用到了优先队列/单调栈，每次取估价函数最小值来继续计算，把周围的各种可能性都放入这个队列/单调栈中，相当于一种BFS？

噢，还有一点就是open表，close表。我的理解是：

1. open表就是上面提到的优先队列/单调栈，用来记录被考虑的最短路径的方案的；
2. close表就是一个memo，防止重复计算的（走过的路径就不要再走了，可用于每次循环前先判断一下）。

代码感觉应该不会考吧，所以我也没去自己实现一遍，会写伪代码应该就可以了。

最后再看这个，最通透了：A算法与A*算法

---

遗传算法

网上很多的视频博客要么又臭又长，要么看不明白。为了应付期末考试，没必要看那些。为了期末考试那个题，看我这个足够了。

不确定性推理

321上链接：【人工智能教程】5.2 - 主观Bayes方法

模糊推理

这部分会考水箱案例，看这篇：模糊控制——（1）基本原理
模糊控制的应用实例

决策树

这一部分感觉巨难算，感觉要是考试给的数据和分类多的话，要算很久，等我考了来看看。
这个视频讲的很详细，把这个题的步骤看懂了，最好自己再手写算一遍，就没问题了。【决策树算法1】ID3算法 数据挖掘 期末考试 计算题 详细步骤讲解

有个技巧，当最终结果为一半一半的时候，熵值为1，如果全部为一个分类，熵值为0.

神经网络

这部分考感知器和卷积神经网络，其中，卷积神经网络得会卷积操作、池化操作。

感知器

BP神经网络
5分钟-通俗易懂 - 神经网络 反向传播算法（手算）

卷积神经网络
多维度的卷积计算看这篇文章：卷积神经网络——卷积层计算
简介概括就是多个维度的相加，注意，整个过程都不需要进行相除。

---

考完了

蛮简单，建议多看下状态空间、图的搜索之类的概念，简答题是一点写不来。。。