※ 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）： 是 哪一學年度修課： 108-2 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 陳尚澤 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) 資訊工程學研究所，二類加簽 最好要有機器學習與深度學習的背景 要會基本的package, 像是pytorch or tensorflow 這門課的內容會假設你以上的東西都已經會了或是有相關經驗 δ 課程大概內容 Evasion attacks (i.e., adversarial examples) Empirical defenses to evasion attacks Theoretical analysis of adversarial examples Certified Defenses Poisoning attacks Robust statistics Confidentiality of ML models Differential privacy Fairness Ω 私心推薦指數(以五分計) ★★★★★ 推薦指數 ★★★★★ 甜涼度 ★★★★ 想學東西 ★★★★★ 想混 ★ η 上課用書(影印講義或是指定教科書) 很新的領域，多半是讀paper 老師會自編講義，內容也多是取自paper跟自己的研究/理解 μ 上課方式(投影片、團體討論、老師教學風格) 老師開學第一堂課就會介紹課程讓大家不要對這門課有錯誤的幻想XD 在現在這個ML/DL氾濫的時代， ML/DL model的robustness便顯得非常重要， 例如假設我們設計出了一個準確率99%的圖片辨識model 現在我們在新進的圖片上都加上特殊的noise model的預測很可能就只剩下不到50%的準確率 這個對自駕車來說是非常危險的， 也因此attack / defense在這個大AI時代有其無可取代的重要性 這門課的進行方式滿特別的，也難怪他叫特論吧 每週上課前要從老師指定的paper list中挑一篇讀，並寫成critique， 內容包含summary還有paper強在哪、弱點在哪，有哪些問題 然後當週上課的內容則是包含paper list的paper內容與其相似的主題 因為這個領域瞬息萬變，所以這樣的課程安排方式還滿合理的 老師上課就是用自編的投影片上課 然後因為老師本身PHD就是做這塊 所以可以聽到這個領域的一些八卦滿好玩的 不過可惜的是因為這門課沒有考試 作業不一定要上過課才寫得出來 所以出席率還滿慘的... 但老師很認真也很有熱忱 我跟我朋友去找他下課他都願意多留下來二三十分鐘跟我們討論 σ 評分方式(給分甜嗎？是紮實分？) Homework: 30% (15% x 2) Reading critique: 10% Paper presentation: 20% Project: 40% |_ Proposal (5%) |_ Presentation (15%) |_ Final report (20%) 應該是扎實甜吧 作業做完應該就有大部分的分數， 過"老師自己設的private baseline"就拿得到剩下的作業分數 [DISCLAIMER] 我自己在這堂課還滿認真的， 規定一頁的critique總是覺得空間不夠還特別寄信問老師能不能寫1.5~2頁 作業要求設計attack演算法，大多數人都只用了PGD， 我實作了3篇paper的內容，然後做微調 Final Project也是手刻了一個小framework 不過純看配分來說，應該是該做的有做就至少有A吧 要做好每週看一篇一個完全不懂領域的最新paper的準備 但這其實也沒很難，老師的介紹順序也是有設計過的，所以不用太擔心 ρ 考題型式、作業方式 沒有考試，只有一個Paper Presentation跟一個Final Project Paper presentation的部分不難，就是找一個主題然後看好幾篇paper 然後整理出來報給大家聽，我們自己是看了5~6篇paper才做出一個完整的脈絡 Final project的部分， 選擇一個這個領域的open problem 試著用這學期學到的新技巧來解他或是改善現有演算法 滿可惜的是時間短比較難解什麼太難的問題 但期末還是可以看到大家報的主題五花八門還有各種不同的應用 也是滿好玩的 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…) 不點名，我們這年因為疫情所以有錄影(舒服) 每週要看paper雖然不難但是就是卡著一件事情在那 [A 除此之外沒什麼太麻煩的事 Ψ 總結 輕鬆愉快又學得到東西的好課， 輕鬆中穿插每週的critique，無形中都不斷地push我們學習 所以其實就算沒上課也會對這個領域有很非常淺且基本的認識 作業是實際attack / defense (原定) 在一個小型dataset (ex: CIFAR-10) 也滿好玩的 老師以前是台大純血的學生，也經是軒田跟守德教出來的 輝煌的經歷目不暇給 剛從Georgia Tech PHD畢業就被找回來當教授真的很強 能跟大師學習討論的機會真的滿難得的哈哈 今年時段跟基石衝堂所以修課人數慘烈 寫個介紹文幫補血QQ 總之很推薦大家來修 想到什麼再補充 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.160.92.197 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUcourse/M.1601111899.A.6CA.html 感謝 已更正 ※ 編輯: wextra (118.160.92.197 臺灣), 09/26/2020 23:48:03 ※ 編輯: wextra (118.160.92.197 臺灣), 09/26/2020 23:50:28