Search
【AI導入廚房？】
#你以為的AI #來點真的AI吧
下面這個 PTT 笨板的故事在說，因為餐點不夠美味，會議中被要求將 AI 導入廚房的電機工程師，最後竟然用人工+智慧解決了這個問題(欸?!)
[無言] AI廚房
https://www.ptt.cc/bbs/StupidClown/M.1579743544.A.D60.html
雖然 AI 在進行深度學習的過程，也經常讓人摸不著腦袋，例如調整不同的參數，找出機器學習最有效率的演算方式，竟然就可以讓機器自己學會新的語言，請戳文章↓↓
#對抗式學習 #到底怎麼辦到的 #臺灣前沿研究
(上集)
這集【人物專訪】來到台灣大學跟一位「宅男味很重」的電機系老師合作拍攝影片，他的研究風格 and 教學風格充斥著：二次元動漫梗、PTT鄉民詞彙、寶可夢、周星馳電影梗…等等元素，甚至還摻雜了一點鄉土劇的成分在他的研究與教學當中…
ㄟ！我不是在詆毀他喔，他這樣的研究跟教學風格可是大受學生歡迎呢！他是誰呢？！
#台灣大學電機系
#李宏毅的宅男之力
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
如題徵求這學期有修或旁聽李宏毅的機器學習的大大可以一起討論課程和作業內容目前孤單一人有點不安希望可以有人一起扶持QQ 意者站內或留言> < 感謝 ... ... <看更多>
... 草這個上課這堆筆記跟鬼一樣這就是台大的力量嗎== 我本來以為學完只是時間問題現在是原來只有我不會機器學習還有這篇#1TJlkQXX (DataScience) 0程式基礎入門再查了 ... ... <看更多>
機器學習李宏毅ptt 在 [評價] 109-2 李宏毅機器學習- 看板NTUcourse - 批踢踢實業坊 的推薦與評價
※ 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
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.241.123.244 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1625471490.A.93F.html
... <看更多>
相關內容