※ 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：113-1
ψ 授课教师 吴沛远 李宏毅
λ 开课系所与授课对象 不限
δ 课程大概内容
本门课的吴沛远老师是一个对数学证明异常执著且高度认真的痴汉(这是敬意)
修这门课必须具有非常好的机率与统计、线性代数及凸函数最佳化底子
否则你将与A+无缘
老师上第一堂课的简报就会写"勿为言之不喻也"
学长的血泪希望谨记，虽然我是有过，但是每天过得很精实，也只有B咖的水准
(不好意思大一到大三都在混)
简而言之，这门课的份量跟难度 =3倍的李宏毅机器学习
李宏毅比较偏观念跟原理展示说明，而且作业只有程式码
吴沛远的课呢 你必须同时上李宏毅的课(自己看水管 上课不会额外讲)、写他出的数学作
业、程式码、程式报告
最后还送你一个40%的期末考
他的数学作业几乎都是证明，上课也都在证明
如果你想要成为一个机器学习大师 精通背后原理 那这门课是必修
网络上很少讲得像他一样精实(但好不好懂又是另外一回事)
如果你不想成为机器学习大师 只想玩玩听听看看 那么李宏毅的机器学习即可
没事不用找罪受
以上给学弟参考
Ω 私心推荐指数(以五分计) ★★★★
η 上课用书(影印讲义或是指定教科书) 老师自制
μ 上课方式(投影片、团体讨论、老师教学风格) 精实 可以自干 不需团队合作
σ 评分方式(给分甜吗？是扎实分？) 竟然没调分。但是会给补考机会
ρ 考题型式、作业方式
全纸本 可带一张a4双面大抄
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…)
不去也没关系 老师很free。会放当天录影影片在网站。但是你敢在课堂上吃早餐就准备
被点名问问题
Ψ 总结
吴老师曾经说过他教这么难是因为想看看台大卧虎藏龙。实际上这门课真的可以让你感受到
凡人跟神的差别。有兴趣挑战 想知道自己斤两再选

听起来就是一门好课！

上次修A+路过，真的勿为言之不喻也。整学期修这堂就差不多了qq

推 整学期就修这门也是修的很辛苦但很扎实

街头谣言说他曾经想读数学 但被老爸抓来读电机XD

竟敢用痴汉来形容老师... but thank you XD

楼上竟然是老师本人 我也好想旁听 题外话虽然系上有名师开凸函数课程我也有修过，但我还是觉得要系统性学好凸函数真的有难度，可能是因为大部分的证明都还会牵涉到其他高等数学知识

回楼上，凸函数最佳化的核心之一是Hahn-Banach Thm，属于泛函分析的范畴。若只考虑Rn空间，则为Supporting Hyper-plane Thm。在Rn空间中的凸函数最佳化，可考虑以下课本:Bertsekas, D. (2009). Convex Optimization Theory.Athena Scientific

谢谢教授本人，我会把本书纳入参考的！

推