课名：机器学习概论 科号：CS460200 老师：郭柏志 课本：教授提供的 slice 课别：资工系 D 类选修 学分：3 凉度：★ ★ ☆ 甜度：★ ★ ★ ★ 建议先修课程： 会一点 python 可能会稍微好上手 课程内容\简介： 一开始会从较基础的 Regression、Decision tree、KNN 等 model 开始介绍，中後学期介绍完 perceptron 及 classifier 的概念後会进到 neural network，主要介绍 CNN 较多，也会提到一点 RNN，最後则是 reinforcement learning。 ML 的领域真的太广又太繁琐，上课简报提到的都是一些基础概念、以及gradient 背後的数学推导等等，面临到实作时还是得自己上网爬很多资料和使用哪些packages，coding的部份更是完全不会教，所以一定要是有程式基础和懂得擅用网路资源的人再修，可以第一次作业打不打得出来作为二退的参考标准。 上课方式： Teams远距、老师上自制简报偶尔搭配一些网路上的 colab 范例。 给分： * Final Project（ 30% ） 一组 3-6人、主题自选，proposal 10 %、Presentation 和 Report 20 %。 最後全班平均 80 分。 * 四次小考（ 30% ） 前三次线上考各 7 %，最後一次则是因为教授听到有人作弊的谣言所以改成实体考试、占 9 %。 我自己觉得小考都蛮难的，真的得把上课的内容都融会贯通、最好再自己上网补充相关知 识更好（ 例如讲义只讲怎麽样会 造成 overfitting，但考试却会出现怎麽样会造成 und erfitting 的选项 ） * 五次作业（ 40% ）一次 8% 每次作业满分都超过100，想 A+ 就要好好把握把 40分拿满、不会太难，因为相对来讲小 考比较难拿高分。（ 不过作业拿超过 100 多出来的分数不可以补到其他两项的成绩 ） 作业难度并不会特别刁钻但也不会太简单，助教提供的 template 都很详细，网路上也找 得到很多范例 code 可以参考，我平均一个作业大概花 7、8 个小时在写（ 其中可能有一半时间都在查资料 ） 作业大纲： 1. Regression（ 有 template ） 2. Decision tree（ 有 template ） 3. Neural Network（ 有 template，跟第四个作业的差别是这个要自己刻、不能 import package ） 4. CNN（ 无 template，这个可以使用 tensorflow 等现成的function、但所有layer structure要自己设计 ） 5. Q-learning（ 有 template ） 老师的喜好、个性： 教授真的真的人很好、上课有任何不懂的地方寄信给教授本人、他都会很快速很亲切的回覆。但是前期英文授课稍微有点困扰到我，因为教授讲英文的时候偶尔会有些卡顿，不过後来教授几乎都会再用中文复述一次、听不清楚的状况就有改善蛮多。 给加签吗? 今年远距没有容量限制，所以资工系有全签、其他系不清楚，但教授人蛮好、我猜如果之後还是远距，只要述明合理的修课原因他应该会同意？ 总成绩/班上排名：A+ 1/146 T分数：58.85 成绩分布：不公开 -- Sent from nPTT on my iPhone 7 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 101.9.203.224 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTHU_Course/M.1643376577.A.568.html