作者kevin60907 (kevin)
看板NTUcourse
標題[評價] 108-1 吳沛遠 機器學習
時間Tue Jan 28 21:34:42 2020
※ 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:
108-1
ψ 授課教師 (若為多人合授請寫開課教師,以方便收錄)
吳沛遠(主授) 李宏毅 林宗男(合授)
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
δ 課程大概內容
Intro to Machine Learning
Probabilistic Generative Model
Logistic Regression
Back Propgation, Gradient Descent
Introduction to DNN
Introduction to CNN
Principal Component Analysis
autoencoder
RNN
====== 以下為大金沒教的 ======
Expectation Maximization
Convex Optimization
kernel SVM
PAC - Learning
Ω 私心推薦指數(以五分計) ★★★★★
不好說
η 上課用書(影印講義或是指定教科書)
無
μ 上課方式(投影片、團體討論、老師教學風格)
主要都是用大金的投影片
後半學期是吳沛遠自製的理論推導們
σ 評分方式(給分甜嗎?是紮實分?)
作業 10% * 5
final project 20%
final exam 30%
ρ 考題型式、作業方式
考試留著底下一起說
作業就是有顯卡就沒問題,
每次作業都會有助教的code給你抄,
而且跟宏毅的作業有一些重疊,
當一個 GitHub 小能手
應該不用擔心寫不出來...吧
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…)
先講課程內容:
多數同學來修課都是為了寫扣
或是找工作的時候說:
「 我有學過 machine learning 」
而不是每個禮拜花三小時
來聽老師證明機器為什麼可以學習
會算這些數學和找工作的 correlation
大概趨近於 0 吧
這些心態也都反映在下半學期的出席率上
助教課的人數和算數學的人數
有顯著的不同
所以如果你很不喜歡數學
那這門課應該真的不太適合你 QQ
考試形式:
這門課去年被說是計算機學習
在我看完考古題之後是一點也不意外...
今年有大幅度的改良
一點都用不到計算機
但是充滿了證明
對後半學期缺課的人來說根本就是死刑...
因為前半學期的上課內容
幾乎都沒有在期末考試裡
只要有套件的方法一個都沒有出
所以平均成績也就只有 40 左右
(又讓我想起電子學的分數
程式作業:
我對程式作業還是有一些信心的
如果你有好好的寫完程式作業
其實你就已經對於 pytorch, sklearn
等機器學習套件有一定的了解
在 loading 相對小的條件下
我覺得乖寫作業最不虧了
上課風格:
老師本人就是一個數學狂熱者
又是一個好學生
和同學之間的共鳴蠻少的...
但有同學去找老師問問題的話他會很開心
也因為老師不太了解同學
所以當我們跟老師反映
期末不要一直按計算機
考卷就變成了證明題 QQ (大家抱歉
期末考的方向可能就要請以後修課的人
再跟老師反映了
助教們:
其實很感謝其他助教願意來幫忙
畢竟現在這個軟體起飛的年代
大家的專長都是寫扣
沒有人想要算數學 QQ
不過這種實作課的最大好處是
有助教可以問
而且助教信箱是 24 小時不打烊的
(其實可以問助教數學證明
這門課還是有很多可以利用的資源啦
定位在一門機器學習入門的課
我是覺得不好不壞...
只是受眾跟大金的課還是有落差
大金的課相對起來更重視實作
這門課多了一點理論基礎
不過想選課的人要好好想清楚 XD
不要因為課名很潮就腦衝了
Ψ 總結
不知道能幫這門課洗白多少
但畢竟是我這個學期的心血
還是留個紀錄QQ
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.139.81.185 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1580218484.A.44D.html
※ 編輯: kevin60907 (223.139.81.185 臺灣), 01/28/2020 21:36:52
※ 編輯: kevin60907 (223.139.62.201 臺灣), 01/28/2020 22:53:05
※ 編輯: kevin60907 (223.139.62.201 臺灣), 01/28/2020 22:54:34
※ 編輯: kevin60907 (223.139.62.201 臺灣), 01/28/2020 22:55:34
→ Jimmy030489: 寫出好code跟數學習習相關 尤其ml更要01/29 05:25
→ Jimmy030489: 除非你們只想要皮毛說嘴 不然數學一定要算01/29 05:26
推 plsmaop: 我以為機器學習都是數學課耶......01/29 09:42
推 pttnowash: 我只會Dicklearning01/29 12:36
噓 liang1230: .....不學數學是要學什麼ML01/30 11:02
推 sunhextfn: 如果有個反串classifier,這篇文章會是它的夢魘01/30 11:42
推 sarsman: 電機ML唯一支持大金01/30 17:17
→ KirimaSyaro: 可憐哪01/30 22:46
噓 kriswu8021: 機器學習不教數學不然要教怎麼用sklearn?01/31 12:25
噓 peskotiveswf: ML不學數學寫證明??01/31 14:44
推 krusnoopy: 期末考題風格超級大轉變 從計算機學習 變成古典機器學01/31 18:37
→ krusnoopy: 習證明大會考(SVM,EM) 學生平均37分 我也是笑笑01/31 18:37
推 nangaluchen: 是說只是想找工作時能說嘴 其實臉皮厚一點就行了01/31 21:28
→ NTUEE2CS: 只要會import keras 人人都會dick learning02/01 00:00
噓 shiauji: ML不學數學幹嘛還修課,自己看書用個套件不就好了02/02 09:45
噓 oToToT: 先說我沒修過機器學習的課,但如果只是要弄個NN作點小東西02/02 16:30
→ oToToT: 本來就不用去修課吧,自己看看各種套件manual就可以了啊,02/02 16:30
→ oToToT: 數學才是基本,課程只想寫code是只想當碼農? 02/02 16:30
噓 oToToT: 越看越覺得像反串的02/02 16:31
澄清一下好了
我是這學期的助教
我完全認同機器學習背後的數學很重要
但這篇的目的是紀錄這學期的上課狀況
後半學期教證明的時候
出席率真的很淒慘
同學的學習成效
也反映在期末考證明題的答案上
我大概改了一半以上的考卷是空白的
所以我只是建議
如果不喜歡數學的同學
修課前要想清楚
就醬
※ 編輯: kevin60907 (42.77.95.195 臺灣), 02/02/2020 20:22:14
推 a127000555: 幫補血 我覺得期末考全考後半段,我覺得不大妥 02/03 08:57
→ PeteNiu: 你是修課學生還是助教,為什麼會"改了一半以上的考卷"? 02/03 12:58
※ 編輯: kevin60907 (223.136.225.70 臺灣), 02/03/2020 13:41:39
推 Leo930057: 助教辛苦了QQ期末考助教改的真的彿...... 02/04 17:38
推 Leo930057: 在這邊幫沛沛補一下血,老師人很有教學熱忱,但數學證 02/04 17:42
→ Leo930057: 明的投影片有點難讓人看懂= = 02/04 17:42
推 unmolk: 幫補血 助教辛苦惹TAT 02/04 22:38
推 godbye45: 原po就說了他是助教阿 XD 02/11 11:10