docs: 更新人工智能逻辑和机器学习相关内容，新增脑启发人工智能导论内容 (#209)

docs/major_elective/ai_logic/index.md

@@ -63,7 +63,7 @@
 
     21:每周都会布置思考题，设置的 ddl 一般是下周上课前，每次题目的数量在4-6题不等。一般情况思考题就是教材的课后习题。由于教材尚未出版，这个方向也相对小众，作业很难找到现成的答案，作业的难度也参差不齐，快的时候一小时可以搞定，但在比较难的章节可能需要花接近半天的时间。
 
-    22:每周会有思考题，但今年助教姐姐很好，基本每周最多只有3道，很多时候只有1道，也是来自课后习题，有的简单也有的有一定难度，没有答案和反馈。
+    22:每周会有思考题，但今年助教姐姐很好，基本每周最多只有3道，很多时候只有1道，也是来自课后习题，有的简单也有的有一定难度，没有答案和反馈。22年的作业我附在了[这里](https://github.com/dieKarotte/AI_Logic)，有需要的同学可以参考一下，请不要进行任何形式的抄袭。
 
 * 考试（60%）
 

docs/major_elective/brain_inspired_ai/index.md

@@ -1,3 +1,41 @@
 # 脑启发人工智能导论
 
-\#TODO: 目前还没有内容，待完善。
+<!-- \#TODO: 目前还没有内容，待完善。 -->
+
+<div class="badges">
+    <span class="badge ai-badge">AI 专业选修</span>
+</div>
+
+## 课程学习内容
+前半部分是对认知神经科学导论的无意义重复。后半部分是祁玉老师讲授的有关脑启发人工智能的内容，包括脑机、类脑计算等部分。
+
+### 先修要求
+可以先修认知神经科学导论，但是毫无疑问的，这门课也一样**不推荐选修**。
+
+## 任课教师
+本课程由唐华锦老师和祁玉老师共同授课。
+
+唐华锦老师：<!-- 我拒绝评价。 -->
+
+祁玉老师：讲授是清晰的、明确的，并且会有实例来帮助同学理解。
+
+同时唐华锦老师会请他的博士生来为大家讲授SPAIC平台的相关知识，就像在认知神经科学导论课程上的那样。还会有一些实验室的博士生来讲授一些实验室的前沿研究内容，几位博士生的水平都是很高的，可以清晰、自信的介绍自己的研究方向，也会有一些实验室的展示，对于SNN和类脑计算感兴趣的同学可以进行了解。
+
+## 课程教材
+无
+
+## 分数构成
+和认知神经科学导论一样，这门课的分数是非公开的，但是可以确定的是，这门课的分数和你的预期会存在一定的差距。
+
+本课程的考核内容如下：
+
+* 一篇神经科学论文的阅读展示：和认知神经科学导论一样，这门课程的考核方式是阅读一篇神经科学论文，并进行展示。甚至连论文的名录都大有重叠，要是你手速够快抢得到之前讲过的那篇，那么说不定你会收获和之前一样的分数。值得一提的是，如果你选择在第一周展示，因为你的展示准备时间“比别人短”，你会获得额外的加分。
+<!-- 众所周知的是，少有同学因为兴趣来上这门课，因此稀稀落落的同学并没有人在听，老师也不是特别在意。 -->
+
+* 课堂签到：本学期一共进行了3次线下的纸质签到，看不出占比，并且大家自觉的签完就走，老师也不追问。
+
+* project：单人完成，平台是唐华锦老师实验室开发的SPAIC平台。今年有4块内容，分别是LIF和GLIF神经元模型（30%+30%）、STCA算法MNIST分类（30%）、复现23年唐中的一篇ICML里面的梯度替代算法(10%)，并且要求在最后一节课上每人进行展示。在之前的课上这部分内容有发过ppt，因此除了最后一个任务之外，都可以参考demo代码进行完成。考虑到这些任务根本做不出什么区别，所以每人5分钟的展示就好像是一个大型的复制粘贴现场，笔者也不知道这个展示的意义何在，想必给出的分数也是不言自明的。
+
+## 笔者的话
+
+不推荐选修该课程，原因是自明的。

docs/major_mandatory/machine_learning/index.md

@@ -14,7 +14,9 @@
 
 ## 任课教师
 
-机器学习是赵洲老师的课，人很亲和，你和他讨论很多问题，他都很欢迎，包括但不限于AI，职业规划等，事少分多，给分巨好，零基础也可以学，入股不亏。但就上课水平来说，赵老师并不会花费太多的时间备课，上课方式也是标准的ppt reader，不建议对授课质量抱有太高的期待。
+机器学习是赵洲老师的课，人很亲和，你和他讨论很多问题，他都很欢迎，包括但不限于AI，职业规划等，事少分多，给分巨好，零基础也可以学，入股不亏。但就上课水平来说，赵老师并不会花费太多的时间备课，上课方式也是标准的重复反复ppt reader，不建议对授课质量抱有太高的期待。
+
+<!-- 作为一个一个一个的经典来源，赵洲老师是标准的 text-to-audio 模型，任何企图通过听课来学习的行为都是不明智的 -->
 
 ## 课程教材
 
@@ -36,6 +38,10 @@
 
     2023年秋冬学期选用的教材是周志华老师编写的《机器学习》（经典西瓜书），上课的内容也完全与西瓜书贴合，作业题目也来自西瓜书。当然西瓜书的内容完全被CS229覆盖，可以考虑直接学习CS229，或许会有更大的收获。
 
+=== "2024年秋冬学期"
+
+    2024年秋冬学期选用的教材仍然是《机器学习》（西瓜书）。讲授了除去第12章外的所有内容。另外赵老师补充了一些前沿的内容，如 transformer 等
+<!-- 仍然不建议任何想要学习这些前沿知识的同学去听赵老师的课，与其听重复的平调的读ppt，为什么不去上一个高质量的网课呢？ -->
 ## 分数构成
 
 === "2022年秋冬学期"
@@ -61,3 +67,19 @@
     + 随堂测试（40%）
         - 最后一节课进行90min的随堂测试，中文考试可以携带计算器。
         - 23年秋冬学期在倒数第二次课程还进行了一次模拟考，但模拟卷和考卷的关联度并不大。
+
+=== "2024年秋冬学期"
+
+    + 作业（20%）
+        - 作业题目和复习题目都是由生成式人工智能模型产生的。共2次，每次4-5道题，会考察一些基本的知识，但是帮助不大，会有部分和去年的题目重合。
+        - 值得注意的是作业没有delay的punishment，过期不允许补交。
+
+    + 签到（15%）
+        - 一共15次签到，每次签到1%，纸质签到，不会有人翘课？但是事实上赵老师恐怕签到了不止15次。
+
+    + 实验（25%）
+        - 选择的大作业依然是Kaggle上的叶子分类实验，最后的实验分数分类结果的正确率占20%，代码和提交的实验报告占40%。
+
+    + 期末考试（40%）
+        - 由于各种原因，今年没有进行随堂的考试，根据学院安排在考试周进行了考试，因此不同于去年的90分钟，今年是进行了120分钟的考试，考试形式是闭卷，可以携带计算器。
+        - 考试一共包括10*3的选择题和7道大题，后面的多个大题出现了4-5个小问。毫无疑问的，考试的难度是有的，但是是根本写不完的。