Search
AI/ML 運算，容易遇上延遲、耗電、成本高的窘境？💥 如何優化以實現低功耗與高效率？
Arm 很有誠意的直接 Demo 給你看！
2021 Arm 終端 AI 運算生態高峰會，將由完整開源 AI 生態系夥伴以及 Arm 首席應用工程師親自 Demo 利用各式開源軟體開發 Endpoint AI，提升軟硬體效能、優化工作負載
還有 「AI 界網紅」台大電機系副教授李宏毅揭曉讓 AI 使用未標註的資料進行學習的超實用心法，把資料蒐集、清洗成本都砍到最低
🚀 人工智慧是以「週」為單位快速發展，抓緊 7 大 session 以及和每位講者進行 QA 解惑的機會
報名還有機會拿到實用小禮 >> https://supr.link/DqrwZ
#AI #人工智慧 #機器學習 #TensorFlow #ONNX
第二集預告來囉～
明天15:00-16:00 民視新聞台
一起來看《下一步AI · NEXT 愛》
YouTube🔗 https://youtu.be/T5qid-P2q8I
#下一步AI #東臺傳播
#國家實驗研究院 #科技部
好課不追嗎？
台大電機李宏毅老師為了配合防疫，本學期《機器學習》和《深度學習與人類語言處理》的線上學習課程，來來來、快快快!
🍿在這支影片當中，觀眾朋友的提問如下，李老師都一一耐心回答惹(as always😊)
1. 機器可以回答哲學性的問題嗎？👉影片中，老師告訴你一個好玩的網站！
2. 神經網路架構的選擇方針？👉老師給出三個思考方向！
3. 老師有沒有Twitter? 👉影片揭曉！
4. 對機器學習領域未來發展趨勢的看法？👉影片揭曉！
5. 怎麼用Google sheets開發機器人？👉影片揭曉！
🍭可以跟你玩文字接龍的AI：https://talktotransformer.com/
🍭李宏毅老師有提到「GPT-2」的課程連結：https://www.youtube.com/watch?v=ugWDIIOHtPA
#跟你玩文字接龍的AI
#機器學習的未來
#選用神經網路架構的三撇步
#Generative Pre-Training (GPT)
#GPT-2
#Transformer
#Residual connection
#Deep Learning
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
(下集)
🍿在下集當中，李老師跟大家聊的內容有：
1. 老師的宅男風格教學之力
2. 老師在2020年春季將會開一門全新課程！
3. 老師「請公子吃電信餅」🍪🍪🍪
4. 老師的「台大語音實驗室」都在做什麼？
🤖五個研究方向
🤖GAN來GAN去
🤖神奇模型「Multi-BERT」
5. 台大傅鐘的老梗笑話
6. 最後有李宏毅老師秘辛大爆料
🍿影片中提到的五個研究主題，李老師都精選了一篇論文，連結如下，請各位大大笑納:
非督導式語音辨識: https://arxiv.org/abs/1904.04100
非督導式語音轉換: https://arxiv.org/abs/1804.02812
非督導式文件摘要: https://arxiv.org/abs/1810.02851
問答系統: https://ieeexplore.ieee.org/document/8700217
個人化聊天機器人: https://arxiv.org/abs/1901.09672
#GAN來GAN去
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
(上集)
這集【人物專訪】來到台灣大學跟一位「宅男味很重」的電機系老師合作拍攝影片，他的研究風格 and 教學風格充斥著：二次元動漫梗、PTT鄉民詞彙、寶可夢、周星馳電影梗…等等元素，甚至還摻雜了一點鄉土劇的成分在他的研究與教學當中…
ㄟ！我不是在詆毀他喔，他這樣的研究跟教學風格可是大受學生歡迎呢！他是誰呢？！
#台灣大學電機系
#李宏毅的宅男之力
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
李宏毅 webpage for ML 2021: https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html. ... <看更多>
【珊蒂微AI】人物專訪AI界的「神奇模型訓練師」~ 臺大電機系李宏毅老師職稱：臺大電機系、臺大電信所教授研究專長：語意理解、語音辨識、機器學習、深度學習個人 ... ... <看更多>
李 宏毅 台大電機 在 [評價] 109-2 李宏毅機器學習- 看板NTUcourse - 批踢踢實業坊 的推薦與評價
※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課：
109-2
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
李宏毅
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
電機系/所必、選修，資管系承認外系選修
δ 課程大概內容
1. Regression
2. Classification
3. CNN
4. Self-attention
5. Transformer
6. GAN
7. BERT
8. Autoencoder
9. Explainable AI
10. Attack
11. Adaptation
12. RL
13. Compression
14. Life-long Learning
15. Meta Learning
Ω 私心推薦指數(以五分計) ★★★★★
缺學分：★★★★★
想要Ａ＋：★★★★★
想大概知道ＭＬ在幹嘛：★★★★★
想實際操作ＭＬ套件與模型：★★★★★
喜歡讀Paper：★★★★★
想知道ＭＬ原理：★★★☆
數學很爛但還是想學ＭＬ：★★★★★
很忙：★★★★★
有ＧＰＵ（買Colab或是實驗室有資源）：★★★★★
η 上課用書(影印講義或是指定教科書)
老師自製講義，搭配各種超級新的paper（在講義上會出現一個月前發在arxiv的paper）
μ 上課方式(投影片、團體討論、老師教學風格)
老師用投影片上課，基本上也不太需要抄筆記，老師的投影片寫得很清楚了。每門課都會
錄影，每週都有作業，作業的話助教也會有投影片講解，也有一定能跑的程式可以用，佛
心公司...
老師講話滿清楚，兩倍速聽完全沒問題，要四倍應該也可以，而且投影片會埋一些梗，上
課會出現動漫梗我覺得滿不錯的，ＧＡＮ那次的作業甚至是生成動漫女主圖像ＸＤ
σ 評分方式(給分甜嗎？是紮實分？)
15次作業取10次最高，每份10分，寫到10分會有額外0.5的繳交報告bonus
有交作業，會按run all，會在COOL上按submit：保底C-
會操作python，每週願意看助教講解怎麼改程式：保底A-
願意看paper、github看怎麼樣改進模型，有ＧＰＵ：我覺得Ａ＋不難
老師在第一週的投影片說「這不是一門甜涼的通識課」，但我覺得會想修的人應該都至少
不會覺得他硬，至於甜不甜，會改python code就能A-，應該比很多課甜了...
ρ 考題型式、作業方式
沒有考試，只有作業。
作業都是實際訓練模型，輸入給定的訓練集去生成結果，上kaggle或是這門課自己架的
judge website去測分數，偶爾會有COOL上的選擇題。作業給分（通常）如下：
Code submission: 4 pts
Simple baseline (public): 1 pt
Simple baseline (private): 1 pt
Medium baseline (public): 1 pt
Medium baseline (private): 1 pt
Strong baseline (public): 1 pt
Strong baseline (private): 1 pt
有時候會有Boss baseline，可能就會微調分數架構，但基本上就是這個給分模式。
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
全簽，需要知道python怎麼操作，需要懂一點很基礎的微積分跟線性代數。
Ψ 總結
佛心課程，有助教寫好的code讓你跑，拿分又不難，不修一下ㄇ
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.241.123.244 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1625471490.A.93F.html
... <看更多>