欢迎来到 AI.SE @Kate_Catelena！

我在本科阶段教授人工智能课程，所以这些年来我看到了很多学期项目。以下是一些通常会带来令人兴奋的结果的模板：

1. 选择一个新的棋盘或纸牌游戏，并编写一个程序来玩它。您的课程可能涵盖了对抗性搜索，也可能涵盖了蒙特卡洛树搜索或自我游戏强化学习方法。这些项目通常很有趣，很有创意，因为它们很容易做得很好，但总是有新的、令人兴奋的领域可以应用这些算法。我认为过去项目的一些例子是玩棋盘游戏 Tac（主要是 A* 搜索）的 AI，以及玩纸牌游戏 Love Letter 的 AI（主要是 Counter-factual minimax后悔，用于解决扑克的算法） .

2. 选择一个您想知道答案的问题，该问题可以通过机器学习来解决。然后实现您自己的 ML 算法（决策树学习器相当容易），收集您自己的数据，并显示结果。我过去看到的一些有趣项目的例子是使用 ML 来找出对学生主观睡眠质量影响最大的众多因素中的哪一个；以及哪些物品最常与露营用品一起购买（使用关联规则挖掘）。

3. 任何涉及强化学习的东西。RL 项目总是很整洁，看是否伴随着可视化显示学习者在不同阶段的行为。一个强大的过去项目涉及一个学生简单地复制 Sutton & Barto 的 Acrobot 实验，并使用他们自己的 SARSA-Lambda 算法实现。其他可能很简洁的事情包括制作用户可以影响的可训练“宠物”，或使用自我游戏解决游戏。

4. 理论结果可能看起来令人生畏，但通常比人们想象的更容易获得，特别是如果你的离散数学技能很强的话。我有很多学生项目，学生去查看 ML 或 Multiagent Systems 的理论论文，在未来的工作部分中发现了一个建议，结果不是很大，但这很容易证明，并证明了这一点。有时这些甚至是可发布的。

5. 复制。去找一篇有趣的 AI 论文（使用 Academic.google.com），然后看看你是否能完全按照作者的建议去做，以及是否得到相同的结果。然后，如果你有时间，看看你是否可以改进结果。当您发现一篇使用 AI 写在不同领域的论文时，这些通常是最有趣的。通常这类论文的作者对人工智能的了解比你少，因此改进他们的结果相当容易。我有几个学生做这样的项目，效果很好。

这些类别有点模糊，但请记住：人工智能几乎涉及任何事物。选择您最喜欢的爱好，看看您是否可以使用上述方法之一将其与 AI 联系起来。没有什么比应用 AI 解决令人兴奋的领域中的一些实际问题更能让项目脱颖而出的了。祝你好运！

以下是一些可能的选项

1. 使用 GA/MA 生成音乐
2. 打开 AI 的健身房项目
3. 2048 关于强化学习和搜索算法
4. 修复部分AI软件项目源码中的Bug