李宏毅 ML2021 機器學習筆記

第01堂課：機器學習基本概念

Properties1
tagsmachinelearning, ml2021

5 min read

第01堂課：機器學習基本概念

本堂課為李宏毅教授 2021 年春季機器學習課程的導論，主要說明課程的定位、運作方式、評分標準以及作業規範。

課程定位與規劃

本課程的核心定位為：

  • 深度學習 (Deep Learning) 為教學重點。
  • 適合做為入門的第一門機器學習課程。
  • 課程風格採「自助餐 (Buffet)」式，內容涵蓋廣泛，包含電腦視覺、自然語言處理、金融應用等最新技術。
  • 本課程與林軒田教授的課程有明顯區隔，課程內容具備高度互補性。

課程運作與技術輔助

為同時提供中文與英文版本，課程利用了多項人工智慧技術：

  • 語音辨識 (Speech Recognition)：將中文授課內容轉錄為文字。
  • 機器翻譯 (Machine Translation)：將中文文字翻譯為英文。
  • 語音合成 (Text-to-Speech Synthesis)：將英文文字轉化為語音。
  • 人工校對：教學助理 (TA) 會負責修正翻譯結果以確保品質。

課程架構知識圖譜

graph TD
    Node1["Machine Learning 2021"] --> Node2["課程目標"]
    Node1["Machine Learning 2021"] --> Node3["作業考核"]
    Node1["Machine Learning 2021"] --> Node4["教學支援"]
    Node2["課程目標"] --> Node5["深入學習"]
    Node2["課程目標"] --> Node6["包含最新技術"]
    Node3["作業考核"] --> Node7["Kaggle競賽"]
    Node3["作業考核"] --> Node8["選擇題"]
    Node3["作業考核"] --> Node9["程式實作"]
    Node4["教學支援"] --> Node10["教學助理 TA"]
    Node4["教學支援"] --> Node11["助教時間 TA Hour"]

作業與評分規範

評分機制

  • 總計 15 個作業，每個作業 10 分。
  • 最終成績僅計算分數最高的 10 個作業。
  • 鼓勵同學完成所有 15 個作業，學習深度由學生自行決定。

分數分級說明

  • C-：只需執行範例程式碼。
  • A-：依照課程提供的指引撰寫程式碼。
  • A+：挑戰額外難題，需自行思考並閱讀論文。

Kaggle 競賽規則

  • 顯示名稱格式：必須嚴格遵守 <學號>_<自訂內容>，若格式錯誤將無法錄取成績。
  • 提交限制：需在截止日期前選擇兩個結果參與私有榜 (Private Leaderboard) 評測。
  • 公平性規範：
    • 禁止抄襲程式碼或分享結果。
    • 嚴禁人工標註測試集。
    • 禁止使用過往學期的解答。
  • 懲罰機制：首次違規者總成績乘以 0.9，第二次違規者直接判定不及格。

常用資源與聯絡方式

  • 課程網頁：包含簡報下載與錄影回放。
  • 提問管道：
    1. 參加助教時間 (TA Hour)。
    2. 於 NTU COOL 平台提問。
    3. 發送郵件至 ntu-ml-2021spring-ta@googlegroups.com，郵件主旨須包含 [hwX]。

隨堂測驗

Q1: 在 Kaggle 提交作業時，正確的顯示名稱格式應該是什麼？

點擊查看解答 正確格式為 <學號>_<自訂內容>，例如 b93901106_my_submission。

Q2: 課程總共有 15 個作業，最終成績是如何計算的？

點擊查看解答 最終成績僅會計算分數最高的 10 個作業。

Q3: 如果不幸違反了課程規則（如抄襲），第一次的處罰是什麼？

點擊查看解答 第一次違反規則會導致該學期總成績乘以 0.9。

Graph View

Backlinks