課名：機器學習概論 科號：CS460200 老師：郭柏志 課本：教授提供的 slice 課別：資工系 D 類選修 學分：3 涼度：★ ★ ☆ 甜度：★ ★ ★ ★ 建議先修課程： 會一點 python 可能會稍微好上手 課程內容\簡介： 一開始會從較基礎的 Regression、Decision tree、KNN 等 model 開始介紹，中後學期介紹完 perceptron 及 classifier 的概念後會進到 neural network，主要介紹 CNN 較多，也會提到一點 RNN，最後則是 reinforcement learning。 ML 的領域真的太廣又太繁瑣，上課簡報提到的都是一些基礎概念、以及gradient 背後的數學推導等等，面臨到實作時還是得自己上網爬很多資料和使用哪些packages，coding的部份更是完全不會教，所以一定要是有程式基礎和懂得擅用網路資源的人再修，可以第一次作業打不打得出來作為二退的參考標準。 上課方式： Teams遠距、老師上自製簡報偶爾搭配一些網路上的 colab 範例。 給分： * Final Project（ 30% ） 一組 3-6人、主題自選，proposal 10 %、Presentation 和 Report 20 %。 最後全班平均 80 分。 * 四次小考（ 30% ） 前三次線上考各 7 %，最後一次則是因為教授聽到有人作弊的謠言所以改成實體考試、佔 9 %。 我自己覺得小考都蠻難的，真的得把上課的內容都融會貫通、最好再自己上網補充相關知 識更好（ 例如講義只講怎麼樣會 造成 overfitting，但考試卻會出現怎麼樣會造成 und erfitting 的選項 ） * 五次作業（ 40% ）一次 8% 每次作業滿分都超過100，想 A+ 就要好好把握把 40分拿滿、不會太難，因為相對來講小 考比較難拿高分。（ 不過作業拿超過 100 多出來的分數不可以補到其他兩項的成績 ） 作業難度並不會特別刁鑽但也不會太簡單，助教提供的 template 都很詳細，網路上也找 得到很多範例 code 可以參考，我平均一個作業大概花 7、8 個小時在寫（ 其中可能有一半時間都在查資料 ） 作業大綱： 1. Regression（ 有 template ） 2. Decision tree（ 有 template ） 3. Neural Network（ 有 template，跟第四個作業的差別是這個要自己刻、不能 import package ） 4. CNN（ 無 template，這個可以使用 tensorflow 等現成的function、但所有layer structure要自己設計 ） 5. Q-learning（ 有 template ） 老師的喜好、個性： 教授真的真的人很好、上課有任何不懂的地方寄信給教授本人、他都會很快速很親切的回覆。但是前期英文授課稍微有點困擾到我，因為教授講英文的時候偶爾會有些卡頓，不過後來教授幾乎都會再用中文復述一次、聽不清楚的狀況就有改善蠻多。 給加簽嗎? 今年遠距沒有容量限制，所以資工系有全簽、其他系不清楚，但教授人蠻好、我猜如果之後還是遠距，只要述明合理的修課原因他應該會同意？ 總成績/班上排名：A+ 1/146 T分數：58.85 成績分布：不公開 -- Sent from nPTT on my iPhone 7 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.9.203.224 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTHU_Course/M.1643376577.A.568.html