※ 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： 107-1 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 李彥寰 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) 資工所 δ 課程大概內容 課程網頁: https://cool.ntu.edu.tw/courses/130 Ω 私心推薦指數(以五分計) ★★★★★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ η 上課用書(影印講義或是指定教科書) 老師自己的投影片 μ 上課方式(投影片、團體討論、老師教學風格) 投影片在上前會放到NTU Cool 上課就是投影片輔以白板 σ 評分方式(給分甜嗎？是紮實分？) 作業 40 % (取最高三次) 期中考 20 % (期中考前的作業一定要寫，不寫會後悔QQ) Final Project 40 % ρ 考題型式、作業方式 作業真的超Nice，基本上每次作業都是兩到三個大題， 然後裡面的題目會一個接一個，逐步帶領你證出神秘的 bound，這個真的是用心的老師才會這麼仔細的安排。 不過老師作業一版通常都會有bug，所以要早點開始寫 ，不然會被bug誤導得很慘，但老師回信修改的速度真 的超快。 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…) 出席率 0 建議修過線代，不然會有一點痛苦 Hsuan-Tien ML, Shou-De ML, Hung-Yi ML之類的課， 沒修過也沒差 不過有修過 Chih-Jen OPTML(下學期停開QQ)的話，前面一兩份的投影 片和第一次作業會滿舒服的，不過後面就沒差了。 Ψ 總結 在大大大ML時代，人人都是資料科學家，大家都是pytorch, tensorflow, keras, chainer,caffe疊積木大師，但你是否曾經想過，為何gradient descent會收斂，就算他會收斂，又會收斂的多快呢?那是否有比gradient descent還快的演算法呢? 在堂課中，老師帶著大家從convex function簡單的性質開始，從定義 開始，然後介紹了gradient descent然後又介紹了神一般的俄國人 Nesterov的accelerated gradient descent，之後將gradient descent 的式子寫成norm形式，開始想著是否能用其他的norm來做gradient descent? 於是mirror descent就進入了眼簾，之後將convex function改成 composite形式，出現了proximal gradient系列算法，然後你的期中 考範圍就到這惹。 期中考完後，就是Frank-Wolfe Method，之後稍微進入Online的世界 介紹惹Online Mirror Descent。最後踏入Learning in games，從 naive的follow-the-leader，加入神奇天眼的be-the-leader，最後 進入follow-the-regularized leader. 學期的最後，以Optimistic method劃下句點。 好課不修嘛~ 而且期中考平均好像7x~ --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.215.99 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUcourse/M.1547834570.A.B57.html 差點忘記寫 ※ 編輯: hortune (140.112.215.99), 01/19/2019 02:15:57 是滿多的 不過大家停修的原因都不太一樣 有人是拿到廣告公司offer就休學了 有人是拿到國外visiting research offer就停修了 有人是覺得自己的研究領域只需要前面一半就停修惹 不過期中考人數是一開始人數的一半吧XD 旁聽眾多的一門課 ※ 編輯: hortune (140.112.16.133), 01/20/2019 17:46:54