※ 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： 111-2 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、網媒所、統計所選修 δ 課程大概內容 Lecture 1. Intro Lecture 2. Blackwell approachability Lecture 3. PAC-Bayes analysis Lecture 4. Probability forecasting Lecture 5. Aggregating algorithm Ω 私心推薦指數(以五分計) ★★★★★ 初探Online (machine) learning：★★★★★ 喜歡思考＋喜歡讀文獻了解領域發展與歷史脈絡：★★★★★ 想要一窺厲害的學者如何思考：★★★★★ 想要一探寰神風采：★★★★★ η 上課用書(影印講義或是指定教科書) 老師自編講義，參考Cesa-Bianchi and Lugosi: Prediction, Learning, and Games與其 他相關論文與課本（但內容都是老師精心咀嚼編排過的） μ 上課方式(投影片、團體討論、老師教學風格) 投影片，老師會在ipad上以筆記軟體講解與加註。 老師講得極好，是我在臺大數一數二修完後令我印象深刻的課 -- 那是一種超出對知識的 認知，你能夠清楚地感受到講者對該領域知識的理解，更是能夠對領域的歷史發展與脈絡、 過去與當今的學問潮流能夠信手拈來。當在讀舊論文、課本、老師推薦的補充教材或最新 的seminar，都可以直接或間接地認知到「啊原來老師上課講的東西是這個」，並藉此認識 到該領域的發展脈絡。此外還有對知識的批判與思考，以及對其他學者研究的認知，也是 我鮮在課堂上聽到的聲音。 誠然授課老師對該領域很熟悉理論上是應該的（？），但在其他領域課雖然我也的確有學 到很多很酷的新知，但就沒有那種「啊原來這個領域的鑑往知來古今中外是這樣子發展」 的體悟，李老師的課很可能是我在台大少數能有這種感覺的課。 σ 評分方式(給分甜嗎？是紮實分？) 作業三份共60% 期末報告40% 應該算甜？至少作業不難做，有數學推導也有文獻回顧，有跟著課堂的步調走、不要趕死 線，應該都做得出來；老師也很鼓勵我們去找他跟助教討論（助教超強！），我自己也常 寫一寫寄信問助教，真的很有幫助。 ρ 考題型式、作業方式 作業都是數學推導＋文獻回顧。數學推導有些很難、有些很簡單，但都是可以應用課堂上 教的知識推出來（或是大概推出來，我也不是每題都對ＸＤ）的結果。別以為這代表網路 上就能輕易找到解答 -- 完全相反，除非你真的對這個領域很熟，不然應該是找不太到跟 作業相同的內容。 期末報告要求選一種演算法教會大家，這部分真的得對論文跟演算法很熟悉、把可能的問 題都想過，這個問題的重要性、為什麼要用這個算法、這個算法為什麼可以解決此問題的 難處...等等，總之真的要好好準備，能感受到老師對台大學生的期待（與失望）。 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…) 不注重出席，最多簽到40人，但這學期期末只有15人的樣子？ 需要微積分、線性代數、機率論的知識，對convexity有比較深的認識對課堂學習會有幫助 ，有數理分析（高微）的基礎或知識在學習與思考上也會有幫助，但後兩者都非必要，其 實還是看你多願意投入這門課。至少我上得很開心！ Ψ 總結 這門課比較像是Online (machine) learning theory的tutorial課，如果想要學證明與分 析技巧的話左轉老師的另兩門課：最佳化演算法、線上凸優化。我在這門課學到的知識比 較像是懂得欣賞，與跟上這個領域的思考方式，在課堂知識、作業與額外自己讀的書的交 互編織之下慢慢建構起對機器學習理論的認知與品味。 乘上述所言，李老師的課是我在台大上過少數會令我印象深刻的課，老師對領域的發展與 脈絡非常熟悉，認真上課一定會有非常大的收穫。另外老師很希望學生思考，再再強調不 要盲從論文與知識，要自己思考、有批判的能力。我印象很深的一個故事是老師在課堂上 分享他在大學時的學習過程： ：我大學的時候讀書都沒有寫題目，可能線性代數跟高等微積分寫過幾題吧；考前一天也 沒有複習，晚上就是糾結在「我是不是該複習」跟「好討厭被逼著讀書」之間，最後也沒 複習到。 ：可是我上課還滿認真的，我看到有趣的東西、或是單純覺得這個東西很帥，下課就會去 總圖翻書或是上網找，在搭捷運或公車的時候想；或甚至在修某些課前我就已經看過幾篇 論文，所以我根本就知道這門課在幹嘛了 ：像我這樣的學生很明顯就是很混，不寫習題考前也不複習，可是有時候我會想，像我這 樣的學生會不會才算是認真的呢？ 其他類似的故事也還有很多，例如老師上課會講許多知名學者的研究與故事，不要覺得這 些事跟課堂無關，例如對有在打籃球的人，你問他NBA是什麼或是有沒有喜歡的球星，如果 他答不出來的話其實也很怪，你也不會整天都只在運球傳球；但如果你在研究，或是真的 想研究某個領域的知識，卻不知道這個領域過去發生了什麼事，或是現在在帶整個領域的 潮流的人有哪些，平時只寫習題學老師講的東西，卻好像是常態。 在我看來老師的字字句句真的頗具啟發性，我十分推薦所有有志做學術研究，或是有志思 考問題的人來體驗一下李老師的這門課（線上凸最佳化我不知道，但我覺得最佳化演算法 滿重視技巧的），或是追老師的臉書也可以ＸＤ能在台大受到李老師這種學者的洗禮與薰 陶絕對不虧。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.71.210 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUcourse/M.1687865827.A.F97.html 我線上凸優化沒修沒旁聽不知道，但就最佳化演算法跟這門課比，個人體驗來說這門可能 比較適合當第一門嚐嚐口味 ※ 編輯: unmolk (140.112.150.118 臺灣), 06/30/2023 19:52:32