※ 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： 109-2 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 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) 電機系/所必、選修，資管系承認外系選修 δ 課程大概內容 1. Regression 2. Classification 3. CNN 4. Self-attention 5. Transformer 6. GAN 7. BERT 8. Autoencoder 9. Explainable AI 10. Attack 11. Adaptation 12. RL 13. Compression 14. Life-long Learning 15. Meta Learning Ω 私心推薦指數(以五分計) ★★★★★ 缺學分：★★★★★ 想要Ａ＋：★★★★★ 想大概知道ＭＬ在幹嘛：★★★★★ 想實際操作ＭＬ套件與模型：★★★★★ 喜歡讀Paper：★★★★★ 想知道ＭＬ原理：★★★☆ 數學很爛但還是想學ＭＬ：★★★★★ 很忙：★★★★★ 有ＧＰＵ（買Colab或是實驗室有資源）：★★★★★ η 上課用書(影印講義或是指定教科書) 老師自製講義，搭配各種超級新的paper（在講義上會出現一個月前發在arxiv的paper） μ 上課方式(投影片、團體討論、老師教學風格) 老師用投影片上課，基本上也不太需要抄筆記，老師的投影片寫得很清楚了。每門課都會 錄影，每週都有作業，作業的話助教也會有投影片講解，也有一定能跑的程式可以用，佛 心公司... 老師講話滿清楚，兩倍速聽完全沒問題，要四倍應該也可以，而且投影片會埋一些梗，上 課會出現動漫梗我覺得滿不錯的，ＧＡＮ那次的作業甚至是生成動漫女主圖像ＸＤ σ 評分方式(給分甜嗎？是紮實分？) 15次作業取10次最高，每份10分，寫到10分會有額外0.5的繳交報告bonus 有交作業，會按run all，會在COOL上按submit：保底C- 會操作python，每週願意看助教講解怎麼改程式：保底A- 願意看paper、github看怎麼樣改進模型，有ＧＰＵ：我覺得Ａ＋不難 老師在第一週的投影片說「這不是一門甜涼的通識課」，但我覺得會想修的人應該都至少 不會覺得他硬，至於甜不甜，會改python code就能A-，應該比很多課甜了... ρ 考題型式、作業方式 沒有考試，只有作業。 作業都是實際訓練模型，輸入給定的訓練集去生成結果，上kaggle或是這門課自己架的 judge website去測分數，偶爾會有COOL上的選擇題。作業給分（通常）如下： Code submission: 4 pts Simple baseline (public): 1 pt Simple baseline (private): 1 pt Medium baseline (public): 1 pt Medium baseline (private): 1 pt Strong baseline (public): 1 pt Strong baseline (private): 1 pt 有時候會有Boss baseline，可能就會微調分數架構，但基本上就是這個給分模式。 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…) 全簽，需要知道python怎麼操作，需要懂一點很基礎的微積分跟線性代數。 Ψ 總結 佛心課程，有助教寫好的code讓你跑，拿分又不難，不修一下ㄇ --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.241.123.244 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUcourse/M.1625471490.A.93F.html