※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID） （是／否／其他条件）： 否 哪一学年度修课： 106-1 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 陈縕侬、李宏毅 λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关) 资工系 选修 δ 课程大概内容 Neural Network Basics Backpropagation Word Representation Sequence Modeling Recurrent Neural Network Recursive Neural Network Sequence Labeling Word Embeddings Gated RNN Sequence Generation Special Networks : 潮炮新Network，像是fusionnet之类derrrrr Advanced Tips for Deep Learning : initialization的重要性等等 Deep Reinforcement Learning Generative Adversarial Network Sequence Generation by GAN All Kinds of GAN Ω 私心推荐指数(以五分计) ★★★★★ 想要听很理论很理论的内容 ★ ★ ★ 想要一览目前很潮炮的Network并且实作 ★ ★ ★ ★ ★ 懒得出门 满天星 η 上课用书(影印讲义或是指定教科书) 教授投影片 μ 上课方式(投影片、团体讨论、老师教学风格) 教授用投影片上课，这次是两位教授合开。 σ 评分方式(给分甜吗？是紮实分？) 18 % x 4 作业 25 % Final Project 5 % 课堂参与 神甜 ρ 考题型式、作业方式 没有考试，只有四次作业与一个Final Project。 第一次作业 : Sequence Labeling 第二次作业 : Video Captioning 第三次作业 : Game Playing 第四次作业 : Comic Generation 四次作业比较麻烦的部分都是调参数，不过这大概就是Deep Learning系列 的必要之恶吧。基本上助教都把Model的架构都大概跟大家讲了，接下来就 是当NN训练师惹。 Final Project : 分成HTC组跟自由发挥阻 Final Project有draft、progress report跟poster要用。 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 这次全签，有ML基础会较佳，不过也有人跟ML一起修 Ψ 总结 这门课就是整体都还不错r，不过没有GPU的人真的就满辛苦的，虽然学期 初时有来自M$的恩惠，但是第二次作业时就用完惹。跟ML相比，这门课只 有一次的Kaggle，而有更多的peer review。这当然有好有坏，因为peer review没办法确定是完全公平的，但是跳脱kaggle的框架，其实就能做 更多好玩的东西，像是RL跟GAN。 以课程内容来说，前半段的部分跟ML有点重叠，不过有比较深一点。不过 在RL的地方，其实有点跳跃，MDP之类的东东都超快速被带过，然後就进入 了Deeeeeeeeep RL，如果没接触过大概会是满头问号。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.217.15 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1517411760.A.4A1.html ※ 编辑: hortune (140.112.217.15), 02/01/2018 20:09:57