※ 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： 108-2
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
陳尚澤
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)
資訊工程學研究所，二類加簽
最好要有機器學習與深度學習的背景
要會基本的package, 像是pytorch or tensorflow
這門課的內容會假設你以上的東西都已經會了或是有相關經驗
δ 課程大概內容
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 私心推薦指數(以五分計) ★★★★★
推薦指數 ★★★★★
甜涼度 ★★★★
想學東西 ★★★★★
想混 ★
η 上課用書(影印講義或是指定教科書)
很新的領域，多半是讀paper
老師會自編講義，內容也多是取自paper跟自己的研究/理解
μ 上課方式(投影片、團體討論、老師教學風格)
老師開學第一堂課就會介紹課程讓大家不要對這門課有錯誤的幻想XD
在現在這個ML/DL氾濫的時代，
ML/DL model的robustness便顯得非常重要，
例如假設我們設計出了一個準確率99%的圖片辨識model
現在我們在新進的圖片上都加上特殊的noise
model的預測很可能就只剩下不到50%的準確率
這個對自駕車來說是非常危險的，
也因此attack / defense在這個大AI時代有其無可取代的重要性
這門課的進行方式滿特別的，也難怪他叫特論吧
每週上課前要從老師指定的paper list中挑一篇讀，並寫成critique，
內容包含summary還有paper強在哪、弱點在哪，有哪些問題
然後當週上課的內容則是包含paper list的paper內容與其相似的主題
因為這個領域瞬息萬變，所以這樣的課程安排方式還滿合理的
老師上課就是用自編的投影片上課
然後因為老師本身PHD就是做這塊
所以可以聽到這個領域的一些八卦滿好玩的
不過可惜的是因為這門課沒有考試
作業不一定要上過課才寫得出來
所以出席率還滿慘的...
但老師很認真也很有熱忱
我跟我朋友去找他下課他都願意多留下來二三十分鐘跟我們討論
σ 評分方式(給分甜嗎？是紮實分？)
Homework: 30% (15% x 2)
Reading critique: 10%
Paper presentation: 20%
Project: 40%
|_ Proposal (5%)
|_ Presentation (15%)
|_ Final report (20%)
應該是扎實甜吧
作業做完應該就有大部分的分數，
過"老師自己設的private baseline"就拿得到剩下的作業分數
[DISCLAIMER]
我自己在這堂課還滿認真的，
規定一頁的critique總是覺得空間不夠還特別寄信問老師能不能寫1.5~2頁
作業要求設計attack演算法，大多數人都只用了PGD，
我實作了3篇paper的內容，然後做微調
Final Project也是手刻了一個小framework
不過純看配分來說，應該是該做的有做就至少有A吧
要做好每週看一篇一個完全不懂領域的最新paper的準備
但這其實也沒很難，老師的介紹順序也是有設計過的，所以不用太擔心
ρ 考題型式、作業方式
沒有考試，只有一個Paper Presentation跟一個Final Project
Paper presentation的部分不難，就是找一個主題然後看好幾篇paper
然後整理出來報給大家聽，我們自己是看了5~6篇paper才做出一個完整的脈絡
Final project的部分，
選擇一個這個領域的open problem
試著用這學期學到的新技巧來解他或是改善現有演算法
滿可惜的是時間短比較難解什麼太難的問題
但期末還是可以看到大家報的主題五花八門還有各種不同的應用
也是滿好玩的
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…)
不點名，我們這年因為疫情所以有錄影(舒服)
每週要看paper雖然不難但是就是卡著一件事情在那
[A 除此之外沒什麼太麻煩的事
Ψ 總結
輕鬆愉快又學得到東西的好課，
輕鬆中穿插每週的critique，無形中都不斷地push我們學習
所以其實就算沒上課也會對這個領域有很非常淺且基本的認識
作業是實際attack / defense (原定) 在一個小型dataset (ex: CIFAR-10)
也滿好玩的
老師以前是台大純血的學生，也經是軒田跟守德教出來的
輝煌的經歷目不暇給
剛從Georgia Tech PHD畢業就被找回來當教授真的很強
能跟大師學習討論的機會真的滿難得的哈哈
今年時段跟基石衝堂所以修課人數慘烈
寫個介紹文幫補血QQ
總之很推薦大家來修
想到什麼再補充