資料科學

機器學習

• 開課教授：李宏毅

• 推薦同時修習的課程：之前的課程錄影

• 推薦預先修習的課程：微積分(至少要會gradient和chain rule)、線性代數(沒有的話還是能修，但至少要會矩陣乘法XD，只不過warning of math會有點萌逼，但其實不懂也沒差，大部分都直接call套件的)、計算機程式(要會python，numpy一定要會，還會一個以上的機器學習套件更好)

• 課程小卦：

  • 機器學習是著名的硬課，超級紮實，本學期有8個作業外加一個final project，每個作業要通過kaggle比賽平台助教設定的simple baseline和strong baseline才能拿到全部分數，作業結束還要寫一份report上傳github給助教批改，kaggle前五名可以上台報告加總成績一分，作業要求在linux系統上可以reproduce，reproduce失敗或遲交report都會有相對應的扣分。開學時助教會教簡單的github使用方法和linux shell script的寫法所以不用擔心。每個作業若完全靠自己要過雙baseline所花的時間大約是三到四天跑不掉，若要刷前五名的話就大概要一到兩個禮拜，因此其他課就...QQ。上課方式為每週看先前ML 2017 fall的上課錄影，之後當週課堂上會新增以前沒講過的東西，有時會請外賓來演講。老師上課很認真，投影片也做得很精美，概念講解清楚，而且上完課影片都會上傳到網路上很方便複習。基本上是推爆，可以學到很多東西，但要有loading很重的覺悟，我這學期蹺了一堆課，回去幾乎沒拿出過鉛筆盒，都直接拿起筆電開始打code，有時還會背著筆電到處跑讓他一邊train我一邊做其他事。建議可以和別人一起修，如果有一張好的GPU或工作站更好，不然基本上只能求助線上運算資源，否則保證會train到懷疑人生。