大四下修課心得

前言:

上學期因為畢業預審出了大問題，沒辦法跨域電機畢業，所以這學期修了一堆計算理論學程的課補學分。

正文:

圖形識別

學分數 : 3
授課教授 : 林彥宇
涼度 : 如果稍微懂AI的話，可以不用聽課。
甜度 : 4次作業，1次期末project，程式行數總和應該不到2000行吧。

教了什麼 :
ML+簡單DL
ML包含regression，classification，ensemble method，kernel method，dimensionality reduction
DL的部分水分偏多，頂多講到transformer。

分數佔比:
Four homework assignments (60% = 15% x 4)
Final project (40%)

個人心得:
作業的話，分別手刻了regression，classification，random forest和套模SVM。
期末project我是直接套模ResNet50和bagging，印象中這樣就有班上前10%了。

這門課一開始我還有比較認真去聽課，後來發現上課內容和作業沒什麼關係，索性就不聽課了。但老師英文不錯，ML的部分數學也滿有料，認真聽課一定有收穫。

至於這門課我學到了什麼，應該就是練習numpy和oop吧。我期末project直接套模，Deep learning的部分沒學到東西。

誰適合修這堂課:
缺ML相關課的人
想把AI當通識修的人
想簡單練習oop的人

數值方法

學分數 : 3
授課教授 : 莊榮宏
涼度 : 我覺得不用寫作業，純考試，滿涼的。
甜度 : 每年情況不好說，不過高分群一定會被調到A+。

教了什麼 :
0-preliminaries
1-nonlinear
2-linear system
3-fitting
4-function-approximation
5-diff-integration
7-optimization

分數佔比:
小考4次佔1/3
期中佔1/3
期末佔1/3
可能有bonus 也有可能會調分

個人心得:
這門課我從開學三個月前就開始預習了，可能有點偏頗。
我覺得數值方法這門課算很不容易吧，學的東西又雜又多，理論又有不少東西可以講，所以第一次讀可能會覺得很難掌握，就算讀過一次，還是會有不少東西忘掉。
不過好在教授人很好，講課認真，願意和學生討論事情，只是常常考卷不小心出的有瑕疵。
而且當全班分數過低時，他還會線性調分，像我原本大概90分，後來一口氣又被調了15分，所以整體來說，這門課還是不錯的。

誰適合修這堂課:
想學數學的人
願意下苦功的人
不想寫作業的人

資訊理論與壓縮編碼的應用(英文授課)

學分數 : 3
授課教授 : 蔡淳仁
涼度 : 我覺得2次作業，2次考試，跟教授開的其他課相比，滿涼的。
甜度 : 客觀看好像分數給很糟，但我覺得不難。

教了什麼 :
簡單的information theory和各種神奇的data compression。
information theory的部分教了entropy的各種理論，entropy rates和kolmogorov data complexity。
data compression教了huffman coding，arithmetic coding，Context-based compression，Quantization and rate-distortion theory和Transform-domain and sub-band coding。

分數佔比:
期中期末考各一次。
作業兩次，兩次分別是extended huffman coding, adaptive huffman coding, arithmetic coding with fixed probability model，arithmetic coding with ppm algorithm，可以用任何程式語言寫。

個人心得:
一開始看到蔡淳仁教授，還以為是大刀，我以為這門課會特別的硬，畢業學分不樂觀。
後來才發現蔡淳仁教授上課除了英文講得很好，也很樂意和學生交換意見。
然後雖然教授硬體很強，但他數學也不錯。
他考試不會鑽數學，反而著重於觀念，但我看光是觀念就能考倒一票人了。

雖然我這學期上課都特別坐第一排聽課，
但我很慚愧，沒有認真讀上課內容，
考試都考很差，
作業也是看著網路上別人寫的code貼貼補補，自己稍微改一下，然後把作業簡單包裝成conference的感覺，
蔡淳仁最後還是把我調到A+了，真的是好老師。
雖然還是有低分群，
這門課停修加上被當的人大概一半，不過多半都是沒繳交作業的人，
我也不知道為甚麼不少人不願意好好寫作業，
兩次作業的程式碼總和不到1500行，還有把report包裝成conference的感覺明明就沒很難。

至於這門課的成績分布，
25個有拿到學分的人中，有7個A+，
教授給分真的很棒。

誰適合修這堂課:
想學數學的人
想學壓縮演算法的人
想看硬體大神教授教數學的人

正規語言概論

學分數 : 3
授課教授 : 陳穎平
涼度 : 3次考試，每次考試只考10年考古題內容。
甜度 : 體感滿甜的。

教了什麼 :
Regular Languages
Context-free Languages
Computational Complexity

分數佔比:
Mid-term #1: 30%
Mid-term #2: 30%
Final: 40%

個人心得:
這門課教授很用心，編了自編講義，講課也很清楚。
只是正規語言本身就不容易，雖然說是數學課，但跟算數有很大的差異。
第一次段考前我還跟得上，後面真的越聽越不懂，好在教授考試只出考古，把解答背起來就完事了。
至於我學會了什麼，大概就是複習NLP中的CYK演算法，和稍微了解什麼是NP和P吧。
然後因為這門課很難，所以教授好像調了不少分，聽起來有10分以上。

誰適合修這堂課:
缺學分的人
想體會使用一堆集合證明的人

銀髮心理與生活

學分數 : 3
授課教授 : 黃植懋
涼度 : 滿涼的。
甜度 : 滿甜的。

教了什麼 :
我不知道

分數佔比:
1. 平時測驗（35%）：9次單元測驗
2. 課堂出席與討論（15%）：三堂線上直播課程出席狀況與討論參與
3. 期末書面報告（40%）：高齡生活提案專題報告（書面或影音）
4. 影音觀看完成率（10%）

個人心得:
這門課算是被其他同學推薦去修的，我真的不知道我學了什麼。
我只是把影片掛著播一遍，出席也是掛機，線上小考抄了網路上的解答，期末報告隨便唬爛就結束了。
分數的話除了書面報告拿85分，剩下都有拿滿，整體上來說這門課完全不花我的時間，我也沒從這門課學到任何東西。

誰適合修這堂課:
缺通識學分的人
想拯救GPA的人

後記:

這學期算是相對過的容易吧，雖然我現在寫得雲淡風輕，不過修課當下也不是說多輕鬆。
整體來說，比較推薦的課就只有圖形識別和資訊理論與壓縮編碼的應用，至少有練習到寫程式，剩下的大概只有在冥冥之中有幫助。