這篇文章是對hsnuyi回的
想必這位大大是大數據時代下的
Machine Learning強者以及Speech Processing專家
對剛從CMU回來的已發3X篇conference的Vivian Chen教授
還有3年念完碩博,最近常在台灣資料科學年會講解
Deep Learning Tutorial的Hung-Yi Lee教授
還有Coursera上風靡千萬少男的
Appier Chief Data Scientist田神
都有一番見解和評論
田神的課我想不需要多提,
眼下他所開的Machine Learning儼然已成為機器學習正宗
鄉野傳說是沒修過田神的課別說過你學過Machine Learning
Hung-Yi Lee老師這學期所開的機器學習
如果你有去看他的投影片的話,他把課程整理成
Supervised Learning, Unsupervised Learning,
Reinforcement Learning, Transfer Learning四個大項
主要會使用的model是由於老師的專業是neural network,
但重點應該還是擺在老師想傳授的四大主軸上
Vivian Chen老師的課內容則是Applied Deep Learning
講的是眼下Deep Learning的各種應用, 而作業就是實作像是
Word2vec, Seq2seq Machine Translation,
以及Deep Reinforcement Learning(Alpha Go技術）
上完這堂課以後,我想你就會對Deep Learning的在2016年前各種主要架構
除了認識以外也會有implement的能力
關於hsnuyi大大頗有微詞的兩位做Speech的老師所開的課
就起碼看完課程大綱,
上完Hung-Yi Lee老師的課之後,學生們都能了解Machine Learning的主要概念
上完Vivian Chen老師的課之後,學生們都能掌握Deep Learning的最新趨勢
由於Machine Learning本身是一個非常大的領域,
加上老師有各自的專業,自然在內容上有所偏重
甚至是其他資工係老師所開的機器學習,不只語音界,也都是如此
(LibSVM的作者據說整堂課都在教SVM)
而對於data的使用,如果使用的是語音資料,
我本人不明白有什麼好不妥的,老師想當然也不會讓你做FFT
其實就是做一個prediction,這跟用其他資料做的事情是有什麼不一樣？
如果今天老師是image,難道你要把課程叫做"機器影像處理”？
還是你final project就是想做MOOC會drop的機率的prediction才高興？
還有大哥,人家是正妹乾你屁事？
你是有要追人家嗎？人家沒大你幾歲就在當教授（不是phD歐是教授）
你是不是沒有看到人家的專業？就最基本的,你能講話連講3個小時嗎？
你有那個內容嗎？這不是沙文主義這是什麼？
關於抄ppt的部分,這點我沒有comment
不過我自己是覺得做ppt是一件很累人的事,
每次上課都要做個100頁
我自己上課的時候最在意的不是ppt從哪裡來而是老師教得好不好
不過如果你覺得ppt都要親自動手做才能展現誠意,
我覺得這也是蠻有點道理的
回到課程方面
如果你想學機器學習的話,那就修機器學習
如果你想學深度學習的話,那就去修深度學習
如果你熱愛軒田又想修機器學習的話,那就去修軒田的機器學習
我相信三位老師都有足夠的專業
至於自己比較想要偏重那方面,就看個人的選擇啦！
最後署名
電機系 b01 林子翔