課程相關規定 李宏毅 Hung-yi Lee https://docs.google.com/…/1KQkbVQuxdSly5dnNAfRJjcA6IE…/edit…

Presentation on theme: "課程相關規定 李宏毅 Hung-yi Lee https://docs.google.com/…/1KQkbVQuxdSly5dnNAfRJjcA6IE…/edit…"— Presentation transcript:

1 課程相關規定 李宏毅 Hung-yi Lee

2 評量方式 作業一：Regression (10%) 作業二：Classification (10%) 作業三：CNN (10%)
作業四：Explainable AI (10%) 作業五：Adversarial Attack (10%) 作業六：RNN (10%) 作業七：Unsupervised Learning (10%) 作業八：Network Compression (10%) 機器學習實戰演練 (其實就是期末 專題) (20%) 不點名、不考試 評量方式 HW1: regressionHW2: classification, HW3: CNNHW4, 5: Explainable AI, AttackHW6: RNN, 公告期末?HW7: unsupervisedHW8: small model

3 作業 (個人獨立完成) 課堂內競賽成績(5%)：同學上傳程式執行結果到競賽專 用平台 Kaggle，可以即時得知成果 繳交程式碼：
助教會執行你的程式，程式碼要符合規定才可以 順利執行(對套件版本有要求) 經助教要求修改後才能執行會被扣分 繳交報告回答問題(5%) 課堂競賽deadline後的隔天才是報告 deadline (也就是 在課堂競賽後還有一天可以寫報告)

4 作業 – 課堂內競賽成績 會有 simple baseline 和 strong baseline
(1%) 在 public set 上達到 simple baseline分數 (1%) 在某一時限前達成上述目標 (1%) 在 public set 上達到 strong baseline分數 (1%) 在 private set 上達到 simple baseline分數 (1%) 在 private set 上達到 strong baseline分數 課堂內競賽前五名(以 private set 為準)會被邀請在上課 時間發表，會有額外的加分 (1%)

5 Kaggle 評量方式介紹 Public set Private set 正確答案： 你的答案1： (You know)
75% 50% (You know) (You don’t know) 問題: 何時可以選擇最終的 model 在競賽期間，你只能看到 public set 上的正確率；競賽結束，才能看到 private set 的正確率 作業 public 和 private 都看 (一般正式比賽只會看 private) 在競賽期間，每日有上傳次數限制；競賽結束，沒有上傳次數限制 (方便寫報告)

6 Kaggle 評量方式介紹 Public set Private set 正確答案： 你的答案1： 你的答案2： 你的答案3：
75% 你的答案2： 問題: 何時可以選擇最終的 model 可以自行決定用哪兩個答案去算 private set 的成績 100% 你的答案3： 50%

7 Kaggle 評量方式介紹 Public set Private set 正確答案： 你的答案1： 你的答案2： 你的答案3： 預設狀況
75% 75% 你的答案2： 問題: 何時可以選擇最終的 model 100% 50% 你的答案3： private set 的正確率為 75% 50%

8 機器學習實戰演練 2 ~ 4人一組，以組為單位進行 找不到隊友也沒關係，會幫忙配對
進行方式：會公告幾個可能的題目給同學們選擇， 其餘規定同作業 評分方式同作業，除了 對所繳交的程式沒有版本要求(但也請不要亂寫，我 們仍然有可能會看) 最後會有組內互評 找不到隊友也沒關係，老師可以幫忙配對。老師會準備數個實際的機器學習競賽題目，這些題目都非常具有挑戰性，需要使用多種機器學習技術才能完成，學生可以從中選取一個題目完成。

9 禁止事項 請不要自己上網找作業測試資料的答案 請不要上傳前幾個學期作業的 Kaggle 請不要註冊多重分身參加比賽、也不要借別人的帳號
請不要抄襲同學的作業和程式碼 當我們無法分辨無法分辨抄襲和被抄襲時，兩份作業 都視同抄襲 上述問題，第一次抓到當次作業 0 分，第二次犯就直接 當掉 (決不寬容) 其他上述沒有規定的事項，由老師和助教按照公序良俗 與公平性來處理 ----- 課堂內競賽成績：同學上傳程式執行結果到競賽專用平台 Kaggle，可以即時得知成果，並可得知在班級中的排名，根據排名給予分數。課堂內競賽成績優異的同學會被邀請在課堂上發表，會有額外的加分。課堂內競賽視同考試，嚴禁任何作弊行為，例如：在機器學習過程中使用禁止使用的資料，如測試資料(視同考試攜帶小抄)、註冊多重分身參加比賽(視同考試請人代考)

10 有問題怎麼辦 第一步：在課程臉書社團上發問 你的問題也許就是大家的問題 第二步：寄信到助教信箱

11 上課方式 每週會有請同學們上課前要看完的錄影 去哪裡找錄影？ 第一節課是助教時間 平常就是讓大家來問作業的問題
有時候會安排校外來賓演講 (3/07 DeepQ 團 隊演講) 第二節課我會上新的內容 (10:20 開始) 第三節課用來公告作業、作業手把手教學、前幾 名上台報告

12 FB 社團 / 課程網頁 課程網頁： 9.html 上課錄影和投影片都可以在課程網頁上找到 社團: “Machine Learning (2019, Spring)” /

13 QR CODE 課程網頁 臉書社團

14 歡迎我們的助教群! ! !

15 蘇峰廣 蔡昕宇 簡仲明

16 解正平 梁書哲 張景程

17 黃平瑋 王君璇 張承洋

18 大助教 王克安