※ 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： 111-2 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 李彦寰 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) 资工所、网媒所、统计所选修 δ 课程大概内容 Lecture 1. Intro Lecture 2. Blackwell approachability Lecture 3. PAC-Bayes analysis Lecture 4. Probability forecasting Lecture 5. Aggregating algorithm Ω 私心推荐指数(以五分计) ★★★★★ 初探Online (machine) learning：★★★★★ 喜欢思考＋喜欢读文献了解领域发展与历史脉络：★★★★★ 想要一窥厉害的学者如何思考：★★★★★ 想要一探寰神风采：★★★★★ η 上课用书(影印讲义或是指定教科书) 老师自编讲义，参考Cesa-Bianchi and Lugosi: Prediction, Learning, and Games与其 他相关论文与课本（但内容都是老师精心咀嚼编排过的） μ 上课方式(投影片、团体讨论、老师教学风格) 投影片，老师会在ipad上以笔记软体讲解与加注。 老师讲得极好，是我在台大数一数二修完後令我印象深刻的课 -- 那是一种超出对知识的 认知，你能够清楚地感受到讲者对该领域知识的理解，更是能够对领域的历史发展与脉络、 过去与当今的学问潮流能够信手拈来。当在读旧论文、课本、老师推荐的补充教材或最新 的seminar，都可以直接或间接地认知到「啊原来老师上课讲的东西是这个」，并藉此认识 到该领域的发展脉络。此外还有对知识的批判与思考，以及对其他学者研究的认知，也是 我鲜在课堂上听到的声音。 诚然授课老师对该领域很熟悉理论上是应该的（？），但在其他领域课虽然我也的确有学 到很多很酷的新知，但就没有那种「啊原来这个领域的监往知来古今中外是这样子发展」 的体悟，李老师的课很可能是我在台大少数能有这种感觉的课。 σ 评分方式(给分甜吗？是紮实分？) 作业三份共60% 期末报告40% 应该算甜？至少作业不难做，有数学推导也有文献回顾，有跟着课堂的步调走、不要赶死 线，应该都做得出来；老师也很鼓励我们去找他跟助教讨论（助教超强！），我自己也常 写一写寄信问助教，真的很有帮助。 ρ 考题型式、作业方式 作业都是数学推导＋文献回顾。数学推导有些很难、有些很简单，但都是可以应用课堂上 教的知识推出来（或是大概推出来，我也不是每题都对ＸＤ）的结果。别以为这代表网路 上就能轻易找到解答 -- 完全相反，除非你真的对这个领域很熟，不然应该是找不太到跟 作业相同的内容。 期末报告要求选一种演算法教会大家，这部分真的得对论文跟演算法很熟悉、把可能的问 题都想过，这个问题的重要性、为什麽要用这个算法、这个算法为什麽可以解决此问题的 难处...等等，总之真的要好好准备，能感受到老师对台大学生的期待（与失望）。 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…) 不注重出席，最多签到40人，但这学期期末只有15人的样子？ 需要微积分、线性代数、机率论的知识，对convexity有比较深的认识对课堂学习会有帮助 ，有数理分析（高微）的基础或知识在学习与思考上也会有帮助，但後两者都非必要，其 实还是看你多愿意投入这门课。至少我上得很开心！ Ψ 总结 这门课比较像是Online (machine) learning theory的tutorial课，如果想要学证明与分 析技巧的话左转老师的另两门课：最佳化演算法、线上凸优化。我在这门课学到的知识比 较像是懂得欣赏，与跟上这个领域的思考方式，在课堂知识、作业与额外自己读的书的交 互编织之下慢慢建构起对机器学习理论的认知与品味。 乘上述所言，李老师的课是我在台大上过少数会令我印象深刻的课，老师对领域的发展与 脉络非常熟悉，认真上课一定会有非常大的收获。另外老师很希望学生思考，再再强调不 要盲从论文与知识，要自己思考、有批判的能力。我印象很深的一个故事是老师在课堂上 分享他在大学时的学习过程： ：我大学的时候读书都没有写题目，可能线性代数跟高等微积分写过几题吧；考前一天也 没有复习，晚上就是纠结在「我是不是该复习」跟「好讨厌被逼着读书」之间，最後也没 复习到。 ：可是我上课还满认真的，我看到有趣的东西、或是单纯觉得这个东西很帅，下课就会去 总图翻书或是上网找，在搭捷运或公车的时候想；或甚至在修某些课前我就已经看过几篇 论文，所以我根本就知道这门课在干嘛了 ：像我这样的学生很明显就是很混，不写习题考前也不复习，可是有时候我会想，像我这 样的学生会不会才算是认真的呢？ 其他类似的故事也还有很多，例如老师上课会讲许多知名学者的研究与故事，不要觉得这 些事跟课堂无关，例如对有在打篮球的人，你问他NBA是什麽或是有没有喜欢的球星，如果 他答不出来的话其实也很怪，你也不会整天都只在运球传球；但如果你在研究，或是真的 想研究某个领域的知识，却不知道这个领域过去发生了什麽事，或是现在在带整个领域的 潮流的人有哪些，平时只写习题学老师讲的东西，却好像是常态。 在我看来老师的字字句句真的颇具启发性，我十分推荐所有有志做学术研究，或是有志思 考问题的人来体验一下李老师的这门课（线上凸最佳化我不知道，但我觉得最佳化演算法 满重视技巧的），或是追老师的脸书也可以ＸＤ能在台大受到李老师这种学者的洗礼与薰 陶绝对不亏。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.71.210 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1687865827.A.F97.html 我线上凸优化没修没旁听不知道，但就最佳化演算法跟这门课比，个人体验来说这门可能 比较适合当第一门嚐嚐口味 ※ 编辑: unmolk (140.112.150.118 台湾), 06/30/2023 19:52:32