🎧【科技法律應用與趨勢】#月旦講座 ⭐焦點議題
http://qr.angle.tw/cxq
近年數位科技之迅速發展，對法律、金融領域的研究者與實務工作者而言，人工智慧、大數據、區塊鏈、金融監理、數位證據等，除理解其概況、運作模式外，也必須深入掌握國內外法制發展、監管等潛在議題。本次焦點話題統整科技法律領域之實務運作、比較法觀察、案例評析及趨勢發展等，提供各另領域之實務工作者汲取新知，對於相關實務操作情形有更完整圖像與瞭解。
📌推薦影音，三場合購7折
[金融科技]
🎧開放銀行、開放金融及資料自主／楊岳平
📑關聯文章→開放銀行、開放金融與資料自主講座實錄
[犯罪監控]
🎧位置資訊的監控法制現況及展望／李榮耕
📑關聯文章→位置資訊監控法制的現況及展望講座實錄
[數位證據]
🎧區塊鏈證據與雲端取證／蘇凱平
[會計師實務]
🎧數位經濟課稅趨勢與我國境外電商課稅制度的探討／曾博昇
📑關聯文章→數位經濟課稅趨勢與我國境外電商課稅制度的探討講座實錄
📌精選書籍，加購享8折
📙數位平台之相關法律問題／侯英泠 主編
📙法律思維與制度的智慧轉型／李建良 主編
📙大數據與法律實務指南／Maria Cristina Caldarola, Joachim Schrey
📙通訊監察及隱私保護／李榮耕
📙區塊鏈與法律：程式碼之治／Primavera De Filippi, Aaron Wright
📙人工智慧相關法律議題芻議／劉靜怡 主編
📙大數據偵查／王燃
📙機器人也是人：人工智能時代的法律／John Frank Weaver
📙金融科技力／金融研訓院編輯委員會
📌精選文獻
📂信託2.0──人工智慧結合信託的創新應用與發展／李智仁
📂由投資軟體銷售之違法經營投資顧問罪論金融科技時代下法院的角色／楊岳平
📂論數位證據之原件、複製品與最佳證據法則／蘇凱平
📂美國區塊鏈與智能契約技術立法之發展與重要問題／郭戎晉
📂科技偵查概論（上）──干預屬性及授權基礎／林鈺雄
📂從跨巨庫觀點論刑事訴訟法新設「科技設備監控處分」之定性與規制／劉芳伶
📂AI機器／深度學習與GAN生成式對抗網路適用著作權合理使用原則之探討／陳家駿
📂通訊監察所得對話內容及傳聞法則／李榮耕
🈵知識饗閱季，滿1500贈100：http://qr.angle.tw/ag1
📢訂閱 ＃月旦雜誌，訂閱贈〈元照書籍〉1本(任選)+〈知識庫點數〉300點：http://qr.angle.tw/gyj
📢#月旦知識庫 最新購點優惠：http://qr.angle.tw/dzl
※購買10,000元 →加贈新刊《月旦實務選評》一年份/12期
※購買5,000元 →加贈2000點
※購買3,000元 →加贈500點
📢加入 #月旦講座 會員，享知識庫3,000點及其他好禮。 詳情 http://qr.angle.tw/m7v
📚「試」氣如紅˙「躍」進法研，滿額贈法研書籍一本：http://qr.angle.tw/svu
📚＃元照新書：http://qr.angle.tw/pp8
機器學習概論 在 [心得] 機器學習概論郭柏志- 看板NTHU_Course - 批踢踢實業坊 的推薦與評價
課名：機器學習概論
科號：CS460200
老師：郭柏志
課本：教授提供的 slice
課別：資工系 D 類選修
學分：3
涼度：★ ★ ☆
甜度：★ ★ ★ ★
建議先修課程：
會一點 python 可能會稍微好上手
課程內容\簡介：
一開始會從較基礎的 Regression、Decision tree、KNN 等 model 開始介紹，中後學期介紹完 perceptron 及 classifier 的概念後會進到 neural network，主要介紹 CNN 較多，也會提到一點 RNN，最後則是 reinforcement learning。
ML 的領域真的太廣又太繁瑣，上課簡報提到的都是一些基礎概念、以及gradient 背後的數學推導等等，面臨到實作時還是得自己上網爬很多資料和使用哪些packages，coding的部份更是完全不會教，所以一定要是有程式基礎和懂得擅用網路資源的人再修，可以第一次作業打不打得出來作為二退的參考標準。
上課方式：
Teams遠距、老師上自製簡報偶爾搭配一些網路上的 colab 範例。
給分：
* Final Project（ 30% ）
一組 3-6人、主題自選，proposal 10 %、Presentation 和 Report 20 %。
最後全班平均 80 分。
* 四次小考（ 30% ）
前三次線上考各 7 %，最後一次則是因為教授聽到有人作弊的謠言所以改成實體考試、佔 9 %。
我自己覺得小考都蠻難的，真的得把上課的內容都融會貫通、最好再自己上網補充相關知
識更好（ 例如講義只講怎麼樣會 造成 overfitting，但考試卻會出現怎麼樣會造成 und
erfitting 的選項 ）
* 五次作業（ 40% ）一次 8%
每次作業滿分都超過100，想 A+ 就要好好把握把 40分拿滿、不會太難，因為相對來講小
考比較難拿高分。（ 不過作業拿超過 100 多出來的分數不可以補到其他兩項的成績 ）
作業難度並不會特別刁鑽但也不會太簡單，助教提供的 template 都很詳細，網路上也找
得到很多範例 code 可以參考，我平均一個作業大概花 7、8 個小時在寫（ 其中可能有一半時間都在查資料 ）
作業大綱：
1. Regression（ 有 template ）
2. Decision tree（ 有 template ）
3. Neural Network（ 有 template，跟第四個作業的差別是這個要自己刻、不能 import
package ）
4. CNN（ 無 template，這個可以使用 tensorflow 等現成的function、但所有layer structure要自己設計 ）
5. Q-learning（ 有 template ）
老師的喜好、個性：
教授真的真的人很好、上課有任何不懂的地方寄信給教授本人、他都會很快速很親切的回覆。但是前期英文授課稍微有點困擾到我，因為教授講英文的時候偶爾會有些卡頓，不過後來教授幾乎都會再用中文復述一次、聽不清楚的狀況就有改善蠻多。
給加簽嗎?
今年遠距沒有容量限制，所以資工系有全簽、其他系不清楚，但教授人蠻好、我猜如果之後還是遠距，只要述明合理的修課原因他應該會同意？
總成績/班上排名：A+ 1/146
T分數：58.85 成績分布：不公開
--
Sent from nPTT on my iPhone 7
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.9.203.224 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NTHU_Course/M.1643376577.A.568.html
... <看更多>