※ 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）：是 哪一学年度修课： 109-2 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 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) 电机系/所必、选修，资管系承认外系选修 δ 课程大概内容 1. Regression 2. Classification 3. CNN 4. Self-attention 5. Transformer 6. GAN 7. BERT 8. Autoencoder 9. Explainable AI 10. Attack 11. Adaptation 12. RL 13. Compression 14. Life-long Learning 15. Meta Learning Ω 私心推荐指数(以五分计) ★★★★★ 缺学分：★★★★★ 想要Ａ＋：★★★★★ 想大概知道ＭＬ在干嘛：★★★★★ 想实际操作ＭＬ套件与模型：★★★★★ 喜欢读Paper：★★★★★ 想知道ＭＬ原理：★★★☆ 数学很烂但还是想学ＭＬ：★★★★★ 很忙：★★★★★ 有ＧＰＵ（买Colab或是实验室有资源）：★★★★★ η 上课用书(影印讲义或是指定教科书) 老师自制讲义，搭配各种超级新的paper（在讲义上会出现一个月前发在arxiv的paper） μ 上课方式(投影片、团体讨论、老师教学风格) 老师用投影片上课，基本上也不太需要抄笔记，老师的投影片写得很清楚了。每门课都会 录影，每周都有作业，作业的话助教也会有投影片讲解，也有一定能跑的程式可以用，佛 心公司... 老师讲话满清楚，两倍速听完全没问题，要四倍应该也可以，而且投影片会埋一些梗，上 课会出现动漫梗我觉得满不错的，ＧＡＮ那次的作业甚至是生成动漫女主图像ＸＤ σ 评分方式(给分甜吗？是紮实分？) 15次作业取10次最高，每份10分，写到10分会有额外0.5的缴交报告bonus 有交作业，会按run all，会在COOL上按submit：保底C- 会操作python，每周愿意看助教讲解怎麽改程式：保底A- 愿意看paper、github看怎麽样改进模型，有ＧＰＵ：我觉得Ａ＋不难 老师在第一周的投影片说「这不是一门甜凉的通识课」，但我觉得会想修的人应该都至少 不会觉得他硬，至於甜不甜，会改python code就能A-，应该比很多课甜了... ρ 考题型式、作业方式 没有考试，只有作业。 作业都是实际训练模型，输入给定的训练集去生成结果，上kaggle或是这门课自己架的 judge website去测分数，偶尔会有COOL上的选择题。作业给分（通常）如下： Code submission: 4 pts Simple baseline (public): 1 pt Simple baseline (private): 1 pt Medium baseline (public): 1 pt Medium baseline (private): 1 pt Strong baseline (public): 1 pt Strong baseline (private): 1 pt 有时候会有Boss baseline，可能就会微调分数架构，但基本上就是这个给分模式。 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…) 全签，需要知道python怎麽操作，需要懂一点很基础的微积分跟线性代数。 Ψ 总结 佛心课程，有助教写好的code让你跑，拿分又不难，不修一下ㄇ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.241.123.244 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1625471490.A.93F.html