⊕課名⊕ (中文) 深度學習 　　　　　(英文) Deep Learning ▲教授▲ 李佳翰 ★修課年度★ 111-1 ￡教了什麼￡（課程大概內容。或是額外學會了什麼東西。） 主要是講述MIT學者Goodfellow的經典(花書) ◆上課方式◆（投影片、團體討論、老師教學風格） 因為疫情採用遠距離上課，不太會點名，有問題的話可以在聊天室發問 不過這門是全英文授課 ▼考試作業▼ 個人作業30%(三次/一次10%) 期中考 30% 團體報告 15% 期末專題 25% ￥其他￥（是否注重出席率or嚴禁遲到？需要的基礎？） 需要的基礎大概就是機率線代跟一點機器學習的底還有 python 的語法 個人認為可以跟機器學習一起修，影響不大 第一次作業需要手刻傳統的 MLP (DNN)做分類 第二次作業是CNN用來分類 MNIST 資料集 第三次是RNN 用來生成莎士比亞作品集 後面兩次作業都可以使用現成的套件，因此我覺得反而是第一次作業比較吃力 期中考則注重在名詞解釋的部分，有一題的傳統的前向傳播跟 BP 要去算不同節點的梯度 還有一些常見的數學公式要背起來，有一大題考原文書挖空，問不同的函數得到的結果 其他則是不同算法之間的比較跟差異、優劣等，可以從這幾個方向去做準備(題目會收走) 所以沒有考古題，需要注意的一點是要用全英文作答，如果用中文寫成績會打八折 班平均落在60分上下 團體報告的部分則是抽不同的 paper來報，這次是實體出席 期末專題則是打 Kaggle 競賽，今年是做 CIFAR 10 的分類 上傳csv檔就可以 (不會檢查程式碼) 第一名的組別最高分100分，第二名97，以此類推，最後一名也有 55分 所以都會有分數不用太擔心 最後調分個人是被調了兩個級距 (82.4 -> A+) ￠最後想說的話￠ 期末競賽很多組別的成果最後的accracy都差0.幾%，但差一個名次就差三分 這部分要再注意一下 報paper他分數都給蠻高的 個人作業給分也不會太刁難，大概一個周末就可以幹完 基本上除了期中考跟期末專題外其他的loading都不會太重 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.113.0.229 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NCTU-Teacher/M.1674558322.A.9D7.html