[評價] 108-2 陳縕儂深度學習之應用

看板NTUcourse作者anonimo (unknown)時間3年前 (2021/02/07 02:19)推噓6(6推 0噓 1→)

留言7則, 5人參與討論串1/1

※ 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： 108-2 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 陳縕儂 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) 電機資訊學院資訊工程學研究所 δ 課程大概內容 (03/03) Introduction (03/10) Neural Network Basics (03/17) Word Representation & Recurrent Neural Network (HW1: Summarization) (03/24) Attention Mechanism (03/31) Word Embeddings, Contextual Word Embeddings (04/07) Transformer and BERT (HW1 Due) (HW2: 中文QA w/ bert) (04/14) More BERT (04/28) DRL and Q-Learning (HW2 Due) (05/05) Policy-Gradient & Actor-Critic (05/12) Natural Language Generation (05/19) Generative Adversarial Network (05/26) Beyond Supervised Learning (HW3 Due) (Final Project:Transfer Learning or 自選) (06/02) Towards Conversational AI (06/16) Robustness & Scalability Ω 私心推薦指數(以五分計) ★★★★★ 有DL基礎: ★★★★ 甜度(沒停修的話): ★★★★★ Overall: 3.5 η 上課用書(影印講義或是指定教科書) 老師的投影片 μ 上課方式(投影片、團體討論、老師教學風格) 投影片去年因為疫情的關係都改成線上每週老師會把錄好的影片上傳到Cool 和 Youtube 原本的時段改成TA hour 另外每週會有助教額外的影片補充論文新知 σ 評分方式(給分甜嗎？是紮實分？) 個人作業(20%)*3 Final Project (3~4人一組) Video presentation(10%) Report(20%) Participation(10%) 作業都有一些加分題所以每次滿分可能會超過20分如果沒有停修的話最後給分超級甜 ρ 考題型式、作業方式個人作業都是程式+report 交到NTU Cool 助教會跑code測有沒有過baseline 沒有kaggle HW1:Summarization Extrative, seq2seq, seq2seq+Attention HW2:Bert for Chinese QA HW3:Reinforcement Learning Policy gradient, DQN Final Project: 分自選 or Shared Task Challenge Shared challenge 為 Document Information Extraction(日文) 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…) 我覺得這堂課的內容本身還ok 但是作業和課程的規劃應該有一些可以改進的空間由上面的課程大綱可以知道在做hw1的時候老師一直到deadline前一週才把hw1會用到的內容(word embedding)教完導致許多同學來不及吸收並完成作業另外老師在一開始也說這堂課的基礎只需要微積分和線代因此可能有很多只有數學基礎但對DL不太熟的同學來修要在一個月內弄懂基礎DL到RNN再到Seq2seq+attention 再用pytorch或tensorflow實作出來我覺得可能有點太硬了而且助教也沒有提供sample code 至少我有問到的人都停修了Q_Q 實際停修比率不太確定但應該不少我的話是因為之前已經有一些DL基礎所以作業一公佈就差不多可以開始寫了如果以一個有DL基礎的角度來看其實這樣的課程安排是可以的但是因為我實在問到太多人都中途停修了XDD 所以還是要講一下 hw2則是用bert做中文QA問答同樣沒有sample code 所以也是要花一些時間 hw3的RL就比較簡單了是以助教提供sample code然後挖空的形式整體來說3次作業花的時間是 1>2>>3 另外final project分為自選或是做Cinnamon AI提供的dataset(日文NLP) 自選的部分好像只要主題跟DL有關就好也允許直接用其他堂課的project 加簽的話要先寫hw0 然後過kaggle的baseline 很簡單只要複製貼上+改幾個參數就過了所以沒什麼篩選的功用還要填一個表單包含系級、修過的課之類的最後篩選條件未知有聽過同系級但是有人選上有人沒上的 Ψ 總結這堂課我比較推薦給有一些DL背景的同學如果有修過108-1以前電機系開的機器學習我覺得這堂課算是個還不錯的銜接如果是修過108-2機器學習得同學由於李宏毅老師在這學期的課程幾乎把所有主題都講過了因此如果你每個作業都有做完那其實已經跟這堂課有很多重疊的部分我覺得就不一定要修 (大概只有多bert的部分而已) 對於沒有DL背景的同學我覺得可能太硬了不過以這學期的經驗我推測可能作業不用全部做出來最後都可以A+ 因為給分太甜了XDD 另外這堂課雖然叫深度學習之應用不過大部分還是偏重NLP方面可能也跟老師本身的研究領域有關如果主要是想學其他領域的同學可能要注意一下不小心拖太久才發心得文如果有漏掉的地方還請其他幫忙同學補充了 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.150.95 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1612635596.A.493.html ※ 編輯: anonimo (140.112.150.95 臺灣), 02/07/2021 02:21:35

推

wwwh0225

02/07 13:50, 3年前 , 1^F

02/07 13:50, 1^F

推

NTUmaki

02/07 16:08, 3年前 , 2^F

02/07 16:08, 2^F

可能因為老師在一開始沒有特別強調或勸退的關係投影片上也只寫說需要數學和Python即可導致不少同學沒有衡量好而中途停修QQ

推

CheingCo

02/07 19:27, 3年前 , 3^F