※ 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：
109-2
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
李宏毅
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)
電機系/所必、選修，資管系承認外系選修
δ 課程大概內容
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 私心推薦指數(以五分計) ★★★★★
缺學分：★★★★★
想要Ａ＋：★★★★★
想大概知道ＭＬ在幹嘛：★★★★★
想實際操作ＭＬ套件與模型：★★★★★
喜歡讀Paper：★★★★★
想知道ＭＬ原理：★★★☆
數學很爛但還是想學ＭＬ：★★★★★
很忙：★★★★★
有ＧＰＵ（買Colab或是實驗室有資源）：★★★★★
η 上課用書(影印講義或是指定教科書)
老師自製講義，搭配各種超級新的paper（在講義上會出現一個月前發在arxiv的paper）
μ 上課方式(投影片、團體討論、老師教學風格)
老師用投影片上課，基本上也不太需要抄筆記，老師的投影片寫得很清楚了。每門課都會
錄影，每週都有作業，作業的話助教也會有投影片講解，也有一定能跑的程式可以用，佛
心公司...
老師講話滿清楚，兩倍速聽完全沒問題，要四倍應該也可以，而且投影片會埋一些梗，上
課會出現動漫梗我覺得滿不錯的，ＧＡＮ那次的作業甚至是生成動漫女主圖像ＸＤ
σ 評分方式(給分甜嗎？是紮實分？)
15次作業取10次最高，每份10分，寫到10分會有額外0.5的繳交報告bonus
有交作業，會按run all，會在COOL上按submit：保底C-
會操作python，每週願意看助教講解怎麼改程式：保底A-
願意看paper、github看怎麼樣改進模型，有ＧＰＵ：我覺得Ａ＋不難
老師在第一週的投影片說「這不是一門甜涼的通識課」，但我覺得會想修的人應該都至少
不會覺得他硬，至於甜不甜，會改python code就能A-，應該比很多課甜了...
ρ 考題型式、作業方式
沒有考試，只有作業。
作業都是實際訓練模型，輸入給定的訓練集去生成結果，上kaggle或是這門課自己架的
judge website去測分數，偶爾會有COOL上的選擇題。作業給分（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
有時候會有Boss baseline，可能就會微調分數架構，但基本上就是這個給分模式。
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？
加簽習慣？嚴禁遲到等…)
全簽，需要知道python怎麼操作，需要懂一點很基礎的微積分跟線性代數。
Ψ 總結
佛心課程，有助教寫好的code讓你跑，拿分又不難，不修一下ㄇ