※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID） （是／否／其他條件）： 否 哪一學年度修課： 106-1 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 陳縕儂、李宏毅 λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關) 資工系 選修 δ 課程大概內容 Neural Network Basics Backpropagation Word Representation Sequence Modeling Recurrent Neural Network Recursive Neural Network Sequence Labeling Word Embeddings Gated RNN Sequence Generation Special Networks : 潮砲新Network，像是fusionnet之類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 私心推薦指數(以五分計) ★★★★★ 想要聽很理論很理論的內容 ★ ★ ★ 想要一覽目前很潮砲的Network並且實作 ★ ★ ★ ★ ★ 懶得出門 滿天星 η 上課用書(影印講義或是指定教科書) 教授投影片 μ 上課方式(投影片、團體討論、老師教學風格) 教授用投影片上課，這次是兩位教授合開。 σ 評分方式(給分甜嗎？是紮實分？) 18 % x 4 作業 25 % Final Project 5 % 課堂參與 神甜 ρ 考題型式、作業方式 沒有考試，只有四次作業與一個Final Project。 第一次作業 : Sequence Labeling 第二次作業 : Video Captioning 第三次作業 : Game Playing 第四次作業 : Comic Generation 四次作業比較麻煩的部分都是調參數，不過這大概就是Deep Learning系列 的必要之惡吧。基本上助教都把Model的架構都大概跟大家講了，接下來就 是當NN訓練師惹。 Final Project : 分成HTC組跟自由發揮阻 Final Project有draft、progress report跟poster要用。 ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？ 加簽習慣？嚴禁遲到等…) 這次全簽，有ML基礎會較佳，不過也有人跟ML一起修 Ψ 總結 這門課就是整體都還不錯r，不過沒有GPU的人真的就滿辛苦的，雖然學期 初時有來自M$的恩惠，但是第二次作業時就用完惹。跟ML相比，這門課只 有一次的Kaggle，而有更多的peer review。這當然有好有壞，因為peer review沒辦法確定是完全公平的，但是跳脫kaggle的框架，其實就能做 更多好玩的東西，像是RL跟GAN。 以課程內容來說，前半段的部分跟ML有點重疊，不過有比較深一點。不過 在RL的地方，其實有點跳躍，MDP之類的東東都超快速被帶過，然後就進入 了Deeeeeeeeep RL，如果沒接觸過大概會是滿頭問號。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.217.15 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUcourse/M.1517411760.A.4A1.html ※ 編輯: hortune (140.112.217.15), 02/01/2018 20:09:57