⊕课名⊕ (中文) 深度学习 　　　　　(英文) Deep Learning ▲教授▲ 李佳翰 ★修课年度★ 111-1 ￡教了什麽￡（课程大概内容。或是额外学会了什麽东西。） 主要是讲述MIT学者Goodfellow的经典(花书) ◆上课方式◆（投影片、团体讨论、老师教学风格） 因为疫情采用远距离上课，不太会点名，有问题的话可以在聊天室发问 不过这门是全英文授课 ▼考试作业▼ 个人作业30%(三次/一次10%) 期中考 30% 团体报告 15% 期末专题 25% ￥其他￥（是否注重出席率or严禁迟到？需要的基础？） 需要的基础大概就是机率线代跟一点机器学习的底还有 python 的语法 个人认为可以跟机器学习一起修，影响不大 第一次作业需要手刻传统的 MLP (DNN)做分类 第二次作业是CNN用来分类 MNIST 资料集 第三次是RNN 用来生成莎士比亚作品集 後面两次作业都可以使用现成的套件，因此我觉得反而是第一次作业比较吃力 期中考则注重在名词解释的部分，有一题的传统的前向传播跟 BP 要去算不同节点的梯度 还有一些常见的数学公式要背起来，有一大题考原文书挖空，问不同的函数得到的结果 其他则是不同算法之间的比较跟差异、优劣等，可以从这几个方向去做准备(题目会收走) 所以没有考古题，需要注意的一点是要用全英文作答，如果用中文写成绩会打八折 班平均落在60分上下 团体报告的部分则是抽不同的 paper来报，这次是实体出席 期末专题则是打 Kaggle 竞赛，今年是做 CIFAR 10 的分类 上传csv档就可以 (不会检查程式码) 第一名的组别最高分100分，第二名97，以此类推，最後一名也有 55分 所以都会有分数不用太担心 最後调分个人是被调了两个级距 (82.4 -> A+) ￠最後想说的话￠ 期末竞赛很多组别的成果最後的accracy都差0.几%，但差一个名次就差三分 这部分要再注意一下 报paper他分数都给蛮高的 个人作业给分也不会太刁难，大概一个周末就可以干完 基本上除了期中考跟期末专题外其他的loading都不会太重 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.113.0.229 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NCTU-Teacher/M.1674558322.A.9D7.html