[課程評價]108–2物聯網下商管統計分析(商管機器學習)楊曙榮
其實就是教深度學習
課程大綱(複製於COOL)
Topic 1: Deep Learning and Linear Algebra
Topic 2: Numerical Computation and Optimization
Topic 3: Probability and Information Theory
Topic 4: Learning Theory, Regularization, and Validation
Topic 5: Feedforward Networks (FNNs)
Topic 6: Regularization and Training for Deep Learning Models
Topic 7: Convolutional Networks (CNNs)
Topic 8: Recurrent Networks (RNNs)
Topic 9: Practical Deep Learning Methodology
Topic 10: Generative Models
Topic 11: Developing Your Deep Learning Product
Topic 12: Presenting Your Deep Learning Product
上課用書:
Deep Learning by Ian Goodfellow Yoshua Bengio Aaron Courville
Deep Learning with Python by François Chollet
修課建議與基礎
修這門課最基本的要求應該是寫python 要像呼吸一樣簡單，另外數學也不能太差，最後是該學期要很閒，而且要很有耐心，不然會崩潰。但最重要的是運氣，期末隨機分組，如果組員全消失，準備做到死掉。
這門課是英文授課，但老師的英文算滿標準的，不至於會聽不懂(只有前面上課，後面放線上課程)。另外，這門課下學期改名為商管機器學習，上課方式應該也會有很多的調整，難度應該也會大幅的下降(這學期的情況真的有點誇張，老師第一次開這門課的內容，雖然都叫物聯網，但每年上的內容都不同，且之後都會獨立出一堂課)，所以這篇評價為只能做為參考用。
硬度:
以管院來講非常硬，但跟電機資工的程式課程依就有差距。每次作業(3次加期末專題)花個10~30小時完全正常，且老師每次都抓以前Kaggle上的題目讓大家當作業，所以難度並不會太簡單。(如果只接用別人寫的notebook當然一下就出來了，分數還會很高，但後來抄太誇張的好像有被踢出排名。)
另外，老師只有前4週有上傳新的影片(都上傳很久很久)，剩下老師就消失了...，只剩下助教一個人與學生奮戰。一定會有人問老師沒教那要怎麼辦?老師都幫你想好了，老師放了很多很多MIT 和STANFORD的Deep learning course 在cool上，供大家每周觀看，但課程時間真的很長，且一開始以為老師只是會比較晚放影片(只有第一周在正常時間放，其他都偏晚)，但隔了幾周後助教忽然傳e-mail過來提醒我們要看老師放在COOL上的影片，從此之後再也沒看過老師了。所以硬度很難衡量，感覺影片沒看沒差...。
期末專題:
分為兩個部分，繳交時間不同
問答題 :老師出了很多題的問答題，要我們用model去跑結果，題目範例如下
，總之code一下就完成，但電腦跑了很久。
專題 :老師並沒有限制專題要做甚麼，總之就隨便找個主題做，組員是隨機分的，所以很看運氣，像我的組員都是隱形人，因此我一個人把整份專題做完，聽說有些組還處的不錯。
甜度
成績：管院給分
另外配分的比重我也搞不清楚，因為一直改來改去，且作業很多人都是用抄的，跑出來的成績還比認真寫的還要高，因此沒太多參考價值，最後應該會再被調整一次吧!
上課方式與教授評價
前幾次老師是錄影片，跟其他科系的老師應該差不多(肺炎年)，後面老師都是直接放其他學校的課程，所以很難給評分。但我有修老師的其他堂課到是教得不錯(實體上課)。
我覺得這門課最大的問題在於花了很多時間，但真的不知道自己學了甚麼(最後只是為了寫作業在寫作業，也過了停修截止)。主要不知道在學甚麼的原因在於深度學習的觀念較為困難，沒有數學背景的人基本上聽不懂，但這門課又再管院開，因此有點小尷尬。
另外，作業的部份也是有些待加強的地方，主要原因在於作業與上課內容並沒有相關性，大多數的東西都是靠自己翻書和查網路。此外作業難度有點過難，導致每次作業都延期，且最後成績較高的大多是修改網路的model。
最後是期末problem set 的部份，雖然蠻簡單的，只要把model帶進去就可以得到答案，但我完全不知背後的原理，也不知道爲什麼可以這麼做。
修課心得及老師評價
老師應該算是滿認真在教學上，每周都有放很多很多的影片在cool平台，雖然大多數都是Stanford 和MIT的線上課程，但老師應該也有篩選過，讓課程比較有連貫性一點。除此之外，助教也常常說他花很多時間和老師討論這門課要如何改善，和難度要如何去調整，因此想必下學期這門課會有很多的改變，讓我們拭目以待。
