这篇文章是对hsnuyi回的
想必这位大大是大数据时代下的
Machine Learning强者以及Speech Processing专家
对刚从CMU回来的已发3X篇conference的Vivian Chen教授
还有3年念完硕博,最近常在台湾资料科学年会讲解
Deep Learning Tutorial的Hung-Yi Lee教授
还有Coursera上风靡千万少男的
Appier Chief Data Scientist田神
都有一番见解和评论
田神的课我想不需要多提,
眼下他所开的Machine Learning俨然已成为机器学习正宗
乡野传说是没修过田神的课别说过你学过Machine Learning
Hung-Yi Lee老师这学期所开的机器学习
如果你有去看他的投影片的话,他把课程整理成
Supervised Learning, Unsupervised Learning,
Reinforcement Learning, Transfer Learning四个大项
主要会使用的model是由于老师的专业是neural network,
但重点应该还是摆在老师想传授的四大主轴上
Vivian Chen老师的课内容则是Applied Deep Learning
讲的是眼下Deep Learning的各种应用, 而作业就是实作像是
Word2vec, Seq2seq Machine Translation,
以及Deep Reinforcement Learning(Alpha Go技术）
上完这堂课以后,我想你就会对Deep Learning的在2016年前各种主要架构
除了认识以外也会有implement的能力
关于hsnuyi大大颇有微词的两位做Speech的老师所开的课
就起码看完课程大纲,
上完Hung-Yi Lee老师的课之后,学生们都能了解Machine Learning的主要概念
上完Vivian Chen老师的课之后,学生们都能掌握Deep Learning的最新趋势
由于Machine Learning本身是一个非常大的领域,
加上老师有各自的专业,自然在内容上有所偏重
甚至是其他资工系老师所开的机器学习,不只语音界,也都是如此
(LibSVM的作者据说整堂课都在教SVM)
而对于data的使用,如果使用的是语音资料,
我本人不明白有什么好不妥的,老师想当然也不会让你做FFT
其实就是做一个prediction,这跟用其他资料做的事情是有什么不一样？
如果今天老师是image,难道你要把课程叫做"机器影像处理”？
还是你final project就是想做MOOC会drop的机率的prediction才高兴？
还有大哥,人家是正妹干你屁事？
你是有要追人家吗？人家没大你几岁就在当教授（不是phD欧是教授）
你是不是没有看到人家的专业？就最基本的,你能讲话连讲3个小时吗？
你有那个内容吗？这不是沙文主义这是什么？
关于抄ppt的部分,这点我没有comment
不过我自己是觉得做ppt是一件很累人的事,
每次上课都要做个100页
我自己上课的时候最在意的不是ppt从哪里来而是老师教得好不好
不过如果你觉得ppt都要亲自动手做才能展现诚意,
我觉得这也是蛮有点道理的
回到课程方面
如果你想学机器学习的话,那就修机器学习
如果你想学深度学习的话,那就去修深度学习
如果你热爱轩田又想修机器学习的话,那就去修轩田的机器学习
我相信三位老师都有足够的专业
至于自己比较想要偏重那方面,就看个人的选择啦！
最后署名
电机系 b01 林子翔