智能科学与技术
对智科的一点介绍，以及与计科,AI课程的一些对比，评价。
Last updated
对智科的一点介绍，以及与计科,AI课程的一些对比，评价。
Last updated
智能科学与技术，是依托南京大学人工智能学院，建设以人工智能为基础，涵盖 机器学习、智能信息处理、认知科学与类脑智能等前沿理论和高新技术的综合性前沿专 业。详细的可以查看
在一切开始前，你一定很疑惑智能科学与技术和人工智能专业是什么关系，你可能下意识地认为智能科学与技术是人工智能的低配（毕竟分数更低一点嘛），这其实并不准确。
在隔壁北大，也有一个智能科学与技术系，而且创系是在03年。这个系和南大的智科是有着很大的不同的。北大的智科对标的其实是清华的人工智能系；也就是说，这俩系（人工智能和智科）在清北其实可以算一回事。有了AI，就没有智科，反之同理。所以，由于苏州校区的开设，呢喃成为了全国第一个同时拥有这两个系的学校。从这个角度来看，智科与AI是同等地位的，只是空间位置不同，一个位于苏州，一个位于南京。在采访了智科的戴望州老师后，我们得知，尽管二者都是其实都是人工智能，但主攻方向不一样。在学校的规划下，南京的AI偏向于传统的机器学习等，苏州的智科更偏向于发展较新的反绎学习等。这里附上采访的稿子。
然而从培养方案，课程设置来看又很不一样。
下面是一些智科，AI，计科核心课程的比较。
C语言程序设计基础（CPL）（1-1）
程序设计基础（1-1）
高级程序设计（1-2）
高级程序设计（1-2）
离散数学（1-2）
离散数学（1-1）
认知科学导论（1-2）
认知科学导论（选修）
数字系统设计基础（1-2）
数字系统设计基础（1-2）
数字逻辑与计算机组成（1-2，2-1）
程序设计实训（1-2）
知识表示与处理（2-2
人工智能导论（2-1）
人工智能导论（2-1）
概率论与数理统计（2-1）
概率论与数理统计（2-1）
最优化方法导论（2-1）
最优化方法（2-1）
数据结构与算法（2-1）
数据结构与算法分析（2-1）
数据结构/算法设计与分析
计算机系统基础（2-2）
计算机系统基础
计算机网络
操作系统（2-2）
操作系统（2-2）
机器学习导论（2-2）
机器学习导论（2-2）
知识表示与处理（2-2）
数理逻辑（2-2）
数理逻辑（1-2）
神经科学导论（3-1）
神经科学导论（选修）
深度学习平台与应用（3-1）
深度学习平台 及应用（选修）
数字信号处理（3-1）
数字信号处理（选修）
模式识别与计算机视觉（3-2）
模式识别与计算机视觉（3-2）
自然语言处理（3-2）
自然语言处理（3-2）
显然，智科主要还是对标AI的课程，大部分课程相同，但是智科少了点AI的核心课程，同时一些AI的选修课变成了智科的核心课，智科的选修课也与AI很不一样（少了很多很多硬核课程，多了点乱七八糟的课程），同时智科有各种各样的程设课，而且还是必修，这是AI没有的。而且，在教育部的归类下，人工智能系属于电子类，而智科则属于计算机科学与技术类，由此看来，智科应当是更像CS的一个专业，一个确定了人工智能方向的CS，但这绝不准确，因为cs的计网等重要课程我们也是没有的。总结，智科就是AI和计科的交叉（或者说缝合）。它不是简单的AI或者说CS，它就是智能科学与技术。
但是，同时也要注意到，尽管课程相似，但是老师却不同，AI，CS在仙林教学，老师团队配备齐全，教学模式成熟，教师经验丰富/而智科在苏州，教师缺乏且多是新教师，虽说学习主要靠自己，但若有一个好的老师领路，那一定会让人受益匪浅。
分数占比：作业(50%)，项目(10%)，机试(30%)，笔试(10%)
与这一门高质量课程相匹配的，是高质量的课程作业。对于刚刚开始接触编程的同学而言，这是你们在程序设计领域的第一课，也是极为重要的，不可或缺的一课。助教设计作业的完成时间是每周10小时，但实际操作上远远不止。如何抽取题目中的重要信息，如何设计脉络清晰的程序结构，如何应对大量全面测验数据的考验，如何在繁杂的代码中完成debug，如何清楚地提出并描述你的问题，以及最重要的，如何在几十几百次失败后仍怀有重新打开IDE并认真找寻bug的信心都将是你们在这门课中面临的挑战。 在刚开始时，你完成一份作业也许会非常困难。不熟悉的OJ平台，复杂的配置环境流程，作业本身的难度和谈笑风生的同学都会成为劝退的缘由。但请相信，只要坚持下来，最后的结果不会辜负你的努力。
分数占比：作业(10%)，机试(30%)，项目(20%)，笔试(40%)
这门课是和计科一起上的。
总体上是一门不错的课程，老师也很好。相比较于上学期的C语言程序设计基础，这门课的难度不高，主要涉及C++语法的学习和面向对象的基础。可能上学期的C到这学期的C++会有点跳跃，但实际差距不大，自己稍微翻阅一下书本或者查资料即可。
在日常的上课中，理论课没有点过名。陈家骏老师虽然年纪比较大了但上课还是很有激情的，绝不是简单的念PPT，他会有很多提问，拓展，补充。对于理论课的内容，你可以选择上课听老师讲，也可以直接自学。机试每节课都要签到，通常是在两个小时内完成两道题目。机试的分数虽然与总评直接挂钩，但即使没有在课上完成，课后补交也能够得到80%的分数，所以不要太过紧张。大多数机试题目不会很难，保持认真就足以在规定时间内得到大部分分数。
这门课的重头戏是项目，2022级的项目是使用Qt或其他使用C++的接口的图形库实现一个类幸存者游戏。项目文档很详细，给分点的设置也很清楚。2022级设置了提前提交的日期，提前提交的同学能够在总评上获得加分，最后的截止日期在期末周最后几天。请合理规划时间，不然最后的期末周真的会非常紧迫。只要实现文档中的给分点就能够得到全部的分数，最后会录视频或者线上会议验收。最后的笔试难度不算很高，考前老师会给样卷和复习重点。需要特别注意的是会考一部分名词解释的内容(如类和对象的定义)，但应该并不需要死记硬背，写出自己的理解应该就会给分。
作业(30%), 期中(20%), 期末(50%)
本门课程的要求是高于软院的，和计科,AI对标。
离散数学是后续算法等课程的数学基础，需要认真理解。但是这门课的难度较大，可能会花费较多时间。课程内容主要包括数理逻辑，集合论，抽象代数，图论等内容。内容很多也很离散，学习起来并不简单。
平时作业一定要好好做，其难度其实是大于其中期末考试的，同时，平时作业的成绩也占平时分的很大一部分。
就像任何一门数学课一样，考前刷刷往年卷是个不错的选择。
期末考试(60%),课堂测验与考勤(10%),课后作业(20%),实验(10%)
主要讲解数字逻辑和计算机组成，由于压缩了很多内容，所以学习的时候可能会很难受，很多时候为了写作业，为了应对考试只需只需要知其然，而不需要知其所以然。
杨老师人还是不错的，但由于课程设置本身的问题和老师缺乏教学经验，学习体验并不算很好(似乎南大就没有一门这个方面的好课。计科的这门数逻也被疯狂吐槽)。课程内容设计非常非常多的方面，如果某一节课没有搞懂，很有可能接下来的几节课都会跟不上。课上会有提问，老师会把回答同学的学号记下来之后加分；签到的方式是做一张测验卷，测验基本上是一些课上的基础知识(后来老师发现很多同学都学不懂后降低了测验的难度)。 作业和课上讲的脱节(不知道之后会不会改善)，这就导致计算课上听懂了也还要查阅很多资料才能把作业做完。作业的正确率也会与最终成绩相关。 实验是在在线平台上搭建电路，在本地用logisim搭建(尤其注意版本问题)。实验难度不大，大多数实验的电路图会直接给出，没有给出的大部分也能在课本上找到。2022级实验的ddl是期末考试周最后一天。在完成实验后还要撰写实验报告。 最后的考试会考选择题(单选和多选)，判断题，计算题和电路设计题。选择题和判断题涉及很多琐碎的概念性知识点，大题考察了变址寻址，卡诺图化简和代数化简，电路解释和电路设计，难度因人而异。考前很多同学都在复习的定点数相关运算具体方法并没有在大题内考察，只在选择判断内进行了概念性的考察。\
课堂表现(5%),中期论文(25%),期末考试(70%)
名为认知科学导论，实际上是心理系的肖老师来讲认知心理学。感兴趣的会觉得这门课的内容很有趣，不感兴趣的会觉得这门课很无聊。这门课没有点过名，所以同学们可以规划自己的时间。
中期的论文是3000-5000字，需要提前学习APA7th的格式和endnote的使用，论文会进行查重。
期末考试前最后一节课会画重点，考试的内容都在重点范围内。重点的内容很多，但需要压缩在一张A4纸上。期末考试的分数直接与你带的内容相关，不在上面的内容也很难在考场上猜出来。期末考试会考名词解释，实验内容(指将实验过程内容写出来，所以尽量把重点范围内的实验都记下来)，以及最后的论述题(考人工智能与人类的区别和相似，如人工智能进行模式识别的特点，和人类的区别（22级考题））。
智科确实挺卷，但是只是相对于技科内部而言，因为是热门专业，头部大佬多，所以给人的压力还是比较大的。但其实智科的最大特点不是卷而是忙。忙是技科搞“学科交叉”以及课表规划不合理的后果，而智科的大一课表...只能用灾难来形容。（啊当然，再忙也忙不过强基拔尖这种规格外的存在）但实际上，其实AI,CS他们也非常的卷非常的累，不止智科。
TODO
这是一门极好的课程，抽丝剥茧的讲述，不断完善的课程网站，丰富的教学资源与认真负责的助教都将为刚刚进入大学的你们提供良好的学习体验。首先我并不推荐你跟着技科的老师学习，推荐去听软院的蚂蚁老（)学习。因为我们技科是跟着软院一起的，这意味着我们的课后作业是根据他们的进度的，是根据他们的课堂教授来布置的，同时技科的老师也远远比不上蚂蚁老师，蚂蚁老师会带着你一步一步的写代码，讲每个知识点都讲解的很清晰，而技科的老师大概的确只会念PPT，请珍惜每一位会带着你一步步写代码的老师。
正如我在中所说的，现在的技科并不值得，智科也同样如此。但是，如果你的分数够不上AI，CS，且对 智科感兴趣，那么欢迎来到智科。