為什麼這篇台大 機器學習鄉民發文收入到精華區:因為在台大 機器學習這個討論話題中,有許多相關的文章在討論,這篇最有參考價值!作者fshjlin (不會寫程式)看板NTUcourse標題[評價] 110-1 林軒田 機器學習時...
台大 機器學習 在 大V&小柚子的阿木 Instagram 的最讚貼文
2021-09-17 17:41:14
|親子活動-手作披薩| #食譜分享 之前跟柚子一起使用新餐肉做Pizza 一直忘了發,剛好有使用百靈攪拌棒 趕緊貼上來給大家參考看看! ▶️往左滑有影片 柚子最愛吃的披薩是夏威夷口味 更精確的來說~應該是鳳梨披薩🤣 準備鳳梨罐頭、午餐肉、毛豆、起司 最重要的主角麵皮,就交給百靈了 認真說,當下我...
※ 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:
110-1
ψ 授課教師 (若為多人合授請寫開課教師,以方便收錄)
林軒田 教授
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)
資工所選修
δ 課程大概內容
Basic of Machine Learning
The Learning Problem
Feasibility of Learning
Theory of Generalization
Linear Models
Beyond Basic Linear Models
Combatting Overfitting
Wisdom on Using Machine Learning
Support Vector Machine
Bagging and Boosting
Decision Tree Ensembles
Gradient-Boosted Trees
Machine Learning Soundings
主要的目標是告訴你我們怎麼讓機器透過資料「學」到東西,怎麼確保機器在他
沒見過的資料裡面也能確保可以有一定程度的預測能力。為了說明以及證明這些東西,這
堂課的數學頗多,但證明完真的可以了解為什麼可以學習。後半的課程則提供了一些可能
可以讓學習變的更好的方法。
基本上大部分學習的model都在解決如何在一個多維空間裡面用一個hyperplane把
資料分成兩類,然後再推廣到其他東西。
Ω 私心推薦指數(以五分計) ★★★★★
只是想學習call library來硬train model ★
不想碰數學 ★
只想考試不想寫作業 ★
想了解機器是怎麼做到學習的 ★★★★★
想從頭到尾寫一個可以學習的程式 ★★★★★
η 上課用書(影印講義或是指定教科書)
μ 上課方式(投影片、團體討論、老師教學風格)
這個學期的主要上課方式是在youtube和cool上面直播然後用slido互動
(大部分的人採用補影片的方式)
σ 評分方式(給分甜嗎?是紮實分?)
無期中考,全部的成績都是用作業跟期末的kaggle競賽計算(期末project分數占
比大約跟2.5次作業差不多)
紮實甜,認真寫完作業跟Final project report基本上就是A以上
ρ 考題型式、作業方式
作業這學期大約兩周一次總共出了6次(原定7次)
每次是16題單選題(其中大約有4~5題需要跑程式),作業過程需要和答案分開交到
gradescope,其中會抽出幾題改過程。作業內容大部份是上課證明的延伸,也透過引導幫
助你證出一些很方便的結論。抓出來改過程的那幾題會有滿嚴謹明確的給分,基本上就是
著重在有沒有把算式或證明的每個部分都說明清楚這樣。
loading的部分每份作業我自己加上跟同學討論的話約15小時解決。
Final Project是三人一組Kaggle競賽,其中90%的分數在report,只有10%是競賽
結果換算。Report的重點在使用方法的多樣性、說明的清不清楚、合不合理,以及能不能
光看你的report就重現你的方法(限制六頁),至於實際表現成果不會占比那麼大。
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?
課程基礎上寫微積分、線代和機率,實際上用到的機率大部分都在高中範圍。
(更:電熊老師說沒有都在高中範圍,但我只會微積分覺得堪用(?))。
自己沒修機率併修線性代數數學基礎算是堪用,也會出一個HW0讓修課同學確定會
用到的數學基礎。
基本上要會寫程式不然作業會做不出來,雖然不限語言但是修起來的感覺會
python是最好,課程後半會用到的工具(liblinear、libsvm)也有提供python介面。
Ψ 總結
這次似乎是第一次開三學分的版本(基石+技法?),所以跳過了一些證明。雖然
loading還是超出大部分三學分課程的重量,但是沒有之前傳聞中(?)那麼硬。以一個大二
生的觀點來講,我這個學期花在ADA的時間與ML的時間大致相同。
雖然課說硬,但老師進度其實不快(甚至常常被抱怨慢(X)),很多方法,都會一步
一步用圖像的方式展示演算法處理的過程,對我這種腦子沒轉那麼快而且抽象構圖能力很
差的人很友善,也讓整個說明變的很清晰。
推薦給所有對機器學習背後的原理有興趣的人~
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 180.217.73.217 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1643466551.A.26B.html
※ 編輯: fshjlin (180.217.69.113 臺灣), 01/30/2022 12:09:06