這篇文章記錄我在 大三下學期 修過的課程與心得。
部分課程會附上作業成績，課程作業與專案可參考 GitHub。

課程評價僅代表個人經驗，僅供參考。

記憶體與儲存系統

課號：535512
選別：選修
任課老師：吳俊峯
開課單位：資科工碩

  • 心得
    • 大推，教授人超級好，加簽的話印象好像有去的都全簽，並且 loading 也不重，課堂不會點名還可以線上上課，甚至還有錄影。
    • 給分很甜，問一個問題總成績可以加 2 分，在線上的 Webex 聊天室問也可以，只要截圖並寄送到助教信箱中就可以了。但要記得去做，有聽到認識沒有問任何問題的蠻多人都是吃了一個 89 分的 A，所以有加分的機會要把握一下。
    • 作業的話則有三次，內容都蠻簡單的，照著 spec 做就可以了。切記要把 spec 一行一行的看，因為有些如果沒做的話會整題 0 分，並且如果有一個 linux 機器會比較好，因為 vm 會蓋掉一些 file system 的操作，可能會讓你的結果不符預期。
    • 期中考可以拿考古來抓準備的大方向，不會考到太細節的東西，並且有一些題目是完全一樣。不過今年的是非題變超級多，好像有 20 題左右吧，蠻考眼力的。
    • 在課程的前半段有 paper presentation，找一篇 paper 做一個常規的 presentation，想聽到的內容要點都列好了，還可以線上報告。不過教授有提到希望可以看到用 ppt 動畫來說明想法的細節，如果有作的話教授會很開心。
    • 期末則是有 final project proposal，內容就是根據現有的 paper 提出一些改進的方向，但不需要實作任何東西，超級讚的只需要 propose 完就可以放假了，真的超佛。
  • 評分方式
    • HW（10%*3）、Mid（30%）、Final Research Proposal（30%）、Paper Presentation（10%）、Class Participation（6%）
    • 調分：無
    • 平均：無
  • 成績
    HW avg Mid Paper Presentation Final Research Proposal Class Participation Total
    100 88 10 8 6 A+（96）

DLP

下面兩部分（深度學習、深度學習實驗）為同一堂課，因此跟先在這邊附上一些整體修課的心得，詳細內容的部分則在下面再分別多做說明。

  • 這堂課通常大家會叫它 DLP，教授會在第一堂課說這堂課的 loading 很重來嚇嚇大家，但事實上確實 loading 真的不輕。每週所需花費的時間其實蠻多的，有些 lab 可能 train 一次就需要十幾個小時，還需要加上調參重新 train 的時間，如果有修其他重課的話要小心自己的肝。
  • 加簽的話要填寫加簽表單，會在課程的 syllabus 上提供連結，通常原因有好好填並且自己有 GPU 的話應該都會被加簽到。
  • 強烈建議要有自己或實驗室的 GPU 再來修這堂課，有幾個 lab 很吃算力，如果用跟計中借的 GPU 會很痛苦，向計中租借的 GPU 可能要向助教確認是哪張，不過會需要用 slurm 來操作，彈性相對低。
  • DLP 在幾年前被拆成兩堂 3 學分的課程，分別是深度學習和深度學習實驗。前者可以在 TAICA 上選課，因此會有其他學校的學生一起修課；而後者只有交大的學生可以修，並且是會被自動加選的，也就是交大學生一定需要修 6 學分。
  • 課程的話大部分會錄影，但要看助教會不會提供給大家，因為主要是向 TAICA 的同學提供。不過有時候也會有教授沒分享到畫面、沒聲音等等的情況，所以如果沒有其他事情的話還是建議到課堂上聽，但記得要帶防蚊液。
  • 作業共有 7 個 lab，計分會分配到兩部分的總分中，並且大部分都需要寫 report，少數還需要錄 demo 影片。繳交時長的話大部分是兩週，不過有時候會把兩個 lab 疊在一起出，所以平均下來只剩下一週半，壓力其實蠻大的。
  • 有關 AI 的使用其實沒有太多限制，在作業都是可以使用的，只需要在報告說明怎麼使用的。不過在 presentation 的話就要小心使用，如果直接拿 AI 生簡報並沒有去思考 paper 的細節與 propose 出的內容深度，相信你一定會在台上很難看，但如果只是作為輔助整理資料的話正常來說是沒問題的。
  • 不確定是不是只有今年有，因為彭教授的課堂結束都會點名，總共點了十次，一次 0.2 分，因此有額外總成績 2 分的 bonus，兩部分的課程總分都有分別加上。不過好像是用加的，就算是請公假也不會算，如果要請長假的要注意一下。

深度學習

課號：535518
選別：選修
任課老師：彭文孝、謝秉均、陳永昇
開課單位：資科工碩

  • 心得
    • 這部分的評分是三個 lab 佔 80 分，期末考佔 20 分，據我所知是沒有調分的，可以看到作業佔比特別重，因此要小心不要炸這幾個 lab。
    • Lab2 主題是 Binary Semantic Segmentation，會讓大家用原始論文的 UNet 跟 ResNet 架構分別 train 兩個可以預測主體 mask 的 model，並將預測出來的結果上傳到 Kaggle 進行評分並有排名分數。不過助教會要求 model 要用原始 paper 架構，但我個人感覺最後根本沒有檢查，因為 scoreboard 上 UNet 的分數明顯不合理，總之先幫大家上香。
    • Lab5 主題是 Value-Based Reinforcement Learning，大方向是要用 Rainbow DQN 來 train 一個可以在連續 20 seed 都達到標準的 Pong-v5 model。難度上算中等，但就是需要花一些時間去調參數，並需要寫報告與錄 demo 影片。
    • Lab6 主題是 Generative Models，算是所有 lab 裡面相對簡單的，用 diffusion 來生成一些圖片並丟到助教預先 train 好的 classifier 達到一定的分數就可以了。
    • Final 的難度其實蠻高的，沒有什麼考古，並會考蠻多觀念以及證明的東西。彭教授主要是考觀念相關，像是 diffusion 的設計與推導等；陳教授則是比較偏應用，像是會去算 convolution 的 output size 等；謝教授出題方向就比較多元，主要是考 RL 的整體觀念以及一些推導。不過可以帶一張單面 A4 手寫的大抄，這邊要注意準備大抄不要有僥倖的心態，助教會一張一張在開始前去檢查，不過有把重要的內容抄上去的話，分數就不會太差。
  • 評分方式
    • Lab（80%）、Final（20%）、Bonus（2%）
    • 調分：無
    • 平均：78
  • 成績
    Lab2 Lab5 Lab6 Final Bonus Total
    93.3 111 100 80.8 1.8 A+（98）

深度學習實驗

課號：535519
選別：選修
任課老師：彭文孝、謝秉均、陳永昇
開課單位：資科工碩

  • 心得
    • Lab1 主題是 Backpropagation，是裡面最簡單的一個 lab，要求只有在兩個 hidden layer 的網路中不使用套件手刻 backpropagation，可以了解到基本的 avtivation function 的微分計算。
    • Lab3 主題是 MaskGIT for Image Inpainting，這個 lab 也是相對簡單的，只需要 train 出一個好用的 transformer model 就可以了，並學會要怎麼把 trainsformer 應用到 image 上這樣。
    • Lab4 主題是 Conditional VAE for Video Prediction，這個 lab 蠻酷的，是給你第一個 frame 以及後續的骨架，你需要預測出整個影片的每個 frame，也就是要用 VAE 去 train 一個 generative model。這個 lab 需要花蠻多時間調參，並且會用 Kaggle 去評分，所以會花蠻多時間的。順道一提， VAE 的數學真的好難嗚嗚，但做完這個 lab 會對 latent 有更多的了解，算是收穫蠻多的。
    • Lab7 主題是 Policy-Based Reinforcement Learning，跟 Lab 5 一樣都是 RL，只不過變成用 A2C 與 DPO 來做，並要 train 出連續 20 seed 都達到標準的 Walker2d-v5 model。雖然這個 lab 在理論跟 task 上複雜了一點，但是體感比 DQN 好 trian 很多。
    • 除了 lab 以外，還需要做 paper presentation 與 final project。一組最多 3 個人，可以抱團參加，如果找不到夥伴的話助教也會有討論區讓大家找組員。
    • 在 paper presentation 之前會有一個 final project proposal，助教會建議在這邊就要把 final project 的題目決定好，並且題目要跟報的 paper 高度相關。大部分的同學都是拿現有的 paper 改一些小東西，有一些 contribution 跟提升通常就不會有太大問題。
    • Final project proposal 不需要太長，大約一個 5 分鐘左右的報告，簡單說明一下摘要、先備知識、動機跟提出的一些方法，教授會在提問的時候給你一些方向的建議。
    • Paper presentation 的部分就是需要準備一個 15 分鐘的報告，內容的話就是常見的報 paper 的形式。值得注意的是教授比較喜歡有經過思考與整理過的報告，如果只是把 paper 的文字貼上的話可能會在台上很難看。一樣會有提問的環節，教授也會問一些問題確認你有熟讀 paper。
    • Final project 今年是在圖書館地下室的國際會議廳舉辦，是用海報展的形式呈現，跟大學部的專題海報展蠻類似的。時長的話是整個下午，大概從 12:30 一路弄到 5:30 左右吧，會那麼久是因為每位教授來的時間不一樣，還要聽過所有組別的報告，所以可以帶電腦在等待時找事做。講海報的時間大概是 5 分鐘，然後有空也可以去逛一下大家的海報，題目非常多元可以學到許多。我們這組主要是在做 Diffusion 相關的研究，有興趣的同學可以參考我們的 project page。
  • 評分方式
    • Lab（50%）、Paper presentation（25%）、Final project（25%）、Bonus（2%）
    • 調分：無
    • 平均：85
  • 成績
    Lab1 Lab3 Lab4 Lab7 Paper presentation Final project Bonus Total
    109 108 108 115 88 92 1.8 A+（101）

學術英文聽力與討論

課號：562024
選別：共同-外語
任課老師：彭怡婷
開課單位：資訊共同

  • 心得
    • 好課推推，loading 很輕又不會太難，分數又給得很甜。不過教授很在意出席率，每堂課都有課堂參與的分數，所以記得要去上課。
    • 不過要注意的是，教授感覺是個大忙人，寄信給他大概率不會被回，課堂結束想要找他也找不太到，通常都趕著離開。有時候上課還會遲到一下子，但對學生們是好事啦哈哈。
    • 大部分課堂都會準備一份影片或音檔作為聽力，並有學習單要填寫。學習單的形式大部分是填空、選擇，都不會到太難。另外有時候會有延伸探討的活動，會讓同學到台上輪流發表自己對一些事情的看法。
    • 學期初教授有公布一個 final presentaion，內容蠻簡單的，就是拿教授上課的主題做一個延伸的 3-5 分鐘報告。剛好學期間有一堂停課，所以變成
    • 期中考考題內容有選擇題跟填空，並且填空都是從 word bank 挑單字出來。聽力音檔雖然跟課程不一樣，但內容大部分都是換句話說，跟學測的難度等級感覺差不多吧，不會到太難。
    • 期末考多了一個沒有 word bank 直接從聽力音檔抓單字填空格，然後放一個有點模糊的聽力，相對期中考難上許多。不過其他題目的類型跟期中考也是差不多，但體感選擇題的部分比期中考難一點。
  • 評分方式
    • Attendance（10%）、Class participation（30%）、Oral presentation（10%）、Mid（25%）、Final（25%）
    • 調分：未公布
    • 平均：未公布
  • 成績
    Attendance Class participation Oral presentation Mid Final Total
    100 90 90 96 90 A+（92）

體育－網球乙

課號：563068
選別：體育
任課老師：伍啟萌
開課單位：體育室

  • 心得
    • 課程內容為延伸上學期的內容，如果上學期沒選的話會比較辛苦一點，教授也在前幾堂課會幫完全沒修過網球的同學打個底，所以不會打也不用太擔心。
    • 教學的部分印象中沒有多少，因為技巧大部分都已經教過了，所以學期上半就是讓大家繼續練習基本功。教授也會在其中一堂課解釋網球的規則，相對其他球類來說有點複雜，可以當作補充一些常識。
    • 學期下半會分組讓大家打球，兩個人一組。總共會有兩大輪，每組大概會打到 8 場左右的比賽。除此之外沒有額外的考試，只要有乖乖出席並好好去打比賽，聽身邊的同學至少都有 A 以上。
    • 在修完網球上下後，個人感覺如果有對其他拍類運動有一些基礎，網球上手難度不會到特別高，並且教授的教學方式也可以讓你學到蠻多元的技巧，還蠻值得的。
  • 評分方式
    • Skill test（60%）、Attendance（40%）
    • 調分：未公布
    • 平均：未公布
  • 成績
    Skill test Attendance Total
    未公布 未公布 A