※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：是
哪一学年度修课：
109-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
李宏毅
λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关)
电机系/所必、选修，资管系承认外系选修
δ 课程大概内容
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 私心推荐指数(以五分计) ★★★★★
缺学分：★★★★★
想要Ａ＋：★★★★★
想大概知道ＭＬ在干嘛：★★★★★
想实际操作ＭＬ套件与模型：★★★★★
喜欢读Paper：★★★★★
想知道ＭＬ原理：★★★☆
数学很烂但还是想学ＭＬ：★★★★★
很忙：★★★★★
有ＧＰＵ（买Colab或是实验室有资源）：★★★★★
η 上课用书(影印讲义或是指定教科书)
老师自制讲义，搭配各种超级新的paper（在讲义上会出现一个月前发在arxiv的paper）
μ 上课方式(投影片、团体讨论、老师教学风格)
老师用投影片上课，基本上也不太需要抄笔记，老师的投影片写得很清楚了。每门课都会
录影，每周都有作业，作业的话助教也会有投影片讲解，也有一定能跑的程式可以用，佛
心公司...
老师讲话满清楚，两倍速听完全没问题，要四倍应该也可以，而且投影片会埋一些梗，上
课会出现动漫梗我觉得满不错的，ＧＡＮ那次的作业甚至是生成动漫女主图像ＸＤ
σ 评分方式(给分甜吗？是扎实分？)
15次作业取10次最高，每份10分，写到10分会有额外0.5的缴交报告bonus
有交作业，会按run all，会在COOL上按submit：保底C-
会操作python，每周愿意看助教讲解怎么改程式：保底A-
愿意看paper、github看怎么样改进模型，有ＧＰＵ：我觉得Ａ＋不难
老师在第一周的投影片说“这不是一门甜凉的通识课”，但我觉得会想修的人应该都至少
不会觉得他硬，至于甜不甜，会改python code就能A-，应该比很多课甜了...
ρ 考题型式、作业方式
没有考试，只有作业。
作业都是实际训练模型，输入给定的训练集去生成结果，上kaggle或是这门课自己架的
judge website去测分数，偶尔会有COOL上的选择题。作业给分（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
有时候会有Boss baseline，可能就会微调分数架构，但基本上就是这个给分模式。
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
全签，需要知道python怎么操作，需要懂一点很基础的微积分跟线性代数。
Ψ 总结
佛心课程，有助教写好的code让你跑，拿分又不难，不修一下ㄇ

今年佛爆== 希望不要再有sample code了 全部手刻才对得起这堂4学分的课补推个

今年真的甜到扯哈 没什么loading

送1000多个人4学分A+的课大概要15个作业全部平均拿9分再给A+才差不多

A+ 拿得有点心虚…尤其 GAN 那次根本不用写 code 拿现成的来跑就 10 分了

style-GAN2好香

超甜，真的心虚 Q_Q

真的甜 拿A+的没那么多人吧 拿A-的应该也不到一半

styleg2香++ 感觉比起过往这次开大班真的变得甜又凉

真的甜 作业写9次就A+了