※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID） （是／否／其他条件）： 是 哪一学年度修课： 108-2 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 陈尚泽 λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关) 资讯工程学研究所，二类加签 最好要有机器学习与深度学习的背景 要会基本的package, 像是pytorch or tensorflow 这门课的内容会假设你以上的东西都已经会了或是有相关经验 δ 课程大概内容 Evasion attacks (i.e., adversarial examples) Empirical defenses to evasion attacks Theoretical analysis of adversarial examples Certified Defenses Poisoning attacks Robust statistics Confidentiality of ML models Differential privacy Fairness Ω 私心推荐指数(以五分计) ★★★★★ 推荐指数 ★★★★★ 甜凉度 ★★★★ 想学东西 ★★★★★ 想混 ★ η 上课用书(影印讲义或是指定教科书) 很新的领域，多半是读paper 老师会自编讲义，内容也多是取自paper跟自己的研究/理解 μ 上课方式(投影片、团体讨论、老师教学风格) 老师开学第一堂课就会介绍课程让大家不要对这门课有错误的幻想XD 在现在这个ML/DL泛滥的时代， ML/DL model的robustness便显得非常重要， 例如假设我们设计出了一个准确率99%的图片辨识model 现在我们在新进的图片上都加上特殊的noise model的预测很可能就只剩下不到50%的准确率 这个对自驾车来说是非常危险的， 也因此attack / defense在这个大AI时代有其无可取代的重要性 这门课的进行方式满特别的，也难怪他叫特论吧 每周上课前要从老师指定的paper list中挑一篇读，并写成critique， 内容包含summary还有paper强在哪、弱点在哪，有哪些问题 然後当周上课的内容则是包含paper list的paper内容与其相似的主题 因为这个领域瞬息万变，所以这样的课程安排方式还满合理的 老师上课就是用自编的投影片上课 然後因为老师本身PHD就是做这块 所以可以听到这个领域的一些八卦满好玩的 不过可惜的是因为这门课没有考试 作业不一定要上过课才写得出来 所以出席率还满惨的... 但老师很认真也很有热忱 我跟我朋友去找他下课他都愿意多留下来二三十分钟跟我们讨论 σ 评分方式(给分甜吗？是紮实分？) Homework: 30% (15% x 2) Reading critique: 10% Paper presentation: 20% Project: 40% |_ Proposal (5%) |_ Presentation (15%) |_ Final report (20%) 应该是扎实甜吧 作业做完应该就有大部分的分数， 过"老师自己设的private baseline"就拿得到剩下的作业分数 [DISCLAIMER] 我自己在这堂课还满认真的， 规定一页的critique总是觉得空间不够还特别寄信问老师能不能写1.5~2页 作业要求设计attack演算法，大多数人都只用了PGD， 我实作了3篇paper的内容，然後做微调 Final Project也是手刻了一个小framework 不过纯看配分来说，应该是该做的有做就至少有A吧 要做好每周看一篇一个完全不懂领域的最新paper的准备 但这其实也没很难，老师的介绍顺序也是有设计过的，所以不用太担心 ρ 考题型式、作业方式 没有考试，只有一个Paper Presentation跟一个Final Project Paper presentation的部分不难，就是找一个主题然後看好几篇paper 然後整理出来报给大家听，我们自己是看了5~6篇paper才做出一个完整的脉络 Final project的部分， 选择一个这个领域的open problem 试着用这学期学到的新技巧来解他或是改善现有演算法 满可惜的是时间短比较难解什麽太难的问题 但期末还是可以看到大家报的主题五花八门还有各种不同的应用 也是满好玩的 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 不点名，我们这年因为疫情所以有录影(舒服) 每周要看paper虽然不难但是就是卡着一件事情在那 [A 除此之外没什麽太麻烦的事 Ψ 总结 轻松愉快又学得到东西的好课， 轻松中穿插每周的critique，无形中都不断地push我们学习 所以其实就算没上课也会对这个领域有很非常浅且基本的认识 作业是实际attack / defense (原定) 在一个小型dataset (ex: CIFAR-10) 也满好玩的 老师以前是台大纯血的学生，也经是轩田跟守德教出来的 辉煌的经历目不暇给 刚从Georgia Tech PHD毕业就被找回来当教授真的很强 能跟大师学习讨论的机会真的满难得的哈哈 今年时段跟基石冲堂所以修课人数惨烈 写个介绍文帮补血QQ 总之很推荐大家来修 想到什麽再补充 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.160.92.197 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1601111899.A.6CA.html 感谢 已更正 ※ 编辑: wextra (118.160.92.197 台湾), 09/26/2020 23:48:03 ※ 编辑: wextra (118.160.92.197 台湾), 09/26/2020 23:50:28