臺大課程網

機器學習

114-2 開課加開
  • 流水號

    26696

  • 課號

    EE5184

  • 課程識別碼

    921 U2620

  • 無分班

  • 4 學分
  • 選修

    電機工程學研究所 / 智慧醫療與健康資訊碩士學位學程 / 智慧醫療學分學程 / 資料科學碩士學位學程 / 生醫電子與資訊學研究所 / 電信工程學研究所

      選修
    • 電機工程學研究所

    • 智慧醫療與健康資訊碩士學位學程

    • 智慧醫療學分學程

    • 資料科學碩士學位學程

    • 生醫電子與資訊學研究所

    • 電信工程學研究所

  • 李宏毅
  • 五 7, 8, 9, 10
  • 博理112

  • 2 類

  • 修課總人數 120 人

    本校 120 人

  • 領域專長

    人工智慧

  • NTU COOL
  • 核心能力與課程規劃關聯圖
  • 備註

    電機所、智醫健康資訊、資料科學學程、生醫電資所、電信所 與吳沛遠合授
    智慧醫療學程 智慧醫療學程所屬電資學院數據領域課程與吳沛遠合授

  • 本校選課狀況

    已選上
    0/120
    外系已選上
    0/0
    剩餘名額
    0
    已登記
    0
  • 課程概述
    大家好!我是主授這門課的李宏毅。在《機器學習》這門課中,我們會用一個學期的時間,帶大家掌握我認為「現在就必須會、未來也真的用得上」的人工智慧前沿核心技術。人工智慧發展非常快,所以課程內容每年都會更新,今年也不例外。 今年最不一樣的地方是:人工智慧不只會「說」,也開始會「做」了。你可能已經在生活或研究中用到各式各樣的人工智慧工具與助理,它們正在把 AI 從聊天框裡帶到真實工作流程中。接下來你身邊會出現越來越多 AI Agent,幫你查資料、寫程式、跑實驗、整理文件,甚至協助你學習與研究,你會更直接地感受到,AI是一個能夠和你一起完成任務的夥伴。 而這些 AI Agent 背後真正的核心,就是生成式 AI 模型,尤其是大型語言模型。本學期我們會從 AI Agent 的視角切入,帶你看懂它們背後的核心原理。更重要的是,未來做模型開發,很少會從零開始訓練一個全新模型;更多時候,你要做的是站在已經具備通用能力的基礎模型上,讓它變得更強、更可靠、更符合你的任務需求。因此,今年課程的重點會放在「如何影響與調整模型行為」,教你如何強化特定能力、降低不想要的行為、讓模型更穩定地完成你指定的目標。 一個學期的時間有限,但這個領域的知識增長速度只會更快。為了把時間用在今年最關鍵、最前沿的內容上,一些在過去《機器學習》課程中已經詳細講過的基礎概念,本學期就不會花太多時間重複。課程會預設大家已具備基本的機器學習與生成式 AI 概念,請在修課前先看完《生成式人工智慧與機器學習導論》的上課錄影: https://www.youtube.com/playlist?list=PLJV_el3uVTsMMGi5kbnKP5DrDHZpTX0jT 這門課共十講,每講約兩小時,認真一點的話,一個週末就能補齊必要背景。 如果你想知道 AI Agent 到底怎麼運作,也想學會把模型「變成你要的樣子」,這門課會很適合你。
  • 課程目標
    以下是本學期機器學習課程的常見問題整理: Q:這門課可以加簽嗎? A:如果要加簽這門課的話請填寫以下加簽表單,表單填寫期限為 3/06 (五) 18:00,課程授權碼最晚會於 3/07 (六) 18:00 前寄送至你填寫表單時提供的信箱,台大網路加選日期是到 3/09 (一) 23:59 截止。加簽順序與規則如下: 1. 原則上一律加簽對象:(1) 電機資訊學院 (含重點科技學院) 在學學生。(2) 就讀於「授課教師參與之學程」之在學學生。判定方式以學程官網教師名單為準,若名單包含本課程授課教師,即視為符合。請注意,本條件僅適用於目前已在上述系所或學程就讀之學生,未來可能加入者不在此範圍內。 2. 若第 1 點加簽後仍有名額,將於曾修習 2025 年《生成式人工智慧與機器學習導論》之同學中優先抽籤。 3. 若第 2 點抽籤後仍有名額,將於曾申請加簽 2025 年《生成式人工智慧與機器學習導論》但未加簽成功之同學中優先抽籤。認定以該課程加簽申請紀錄為準。 4. 其餘同學再以隨機抽籤方式辦理。 加簽表單連結:https://forms.gle/J3uKCKBn96fVptt49 Q:可以旁聽嗎? A:歡迎旁聽。想要旁聽的同學也請填寫加簽表單,內有旁聽的選項。 加簽表單連結:https://forms.gle/J3uKCKBn96fVptt49 Q:上課方式是什麼?可以衝堂修課嗎? A:老師會實體上課,上課會有錄影上傳到 YouTube。學校不喜歡學生衝堂修課,因此不會允許衝堂修課(就算是授課老師同意你衝堂修課也沒有用),這點請大家先知悉。 Q:課程評分標準是什麼? A:本課程有十個作業,每個作業都會教大家一個觀念,目標也都不一樣(有打榜的、有回答問題的),詳細內容等上課會再說明。另外,還會有其他加分項目。有同學問十個作業會不會太多?但別忘了,這門課是四學分,這樣的份量是合理的。 Q:完成作業需要會寫程式嗎? A:多數作業都需要寫一些程式才能完成,而且都使用 Python 作為程式語言。因此,修這門課需要一點基礎的程式能力,Python 語法不會再教學。 Q:這門課對數學能力的要求? A:修課同學需要有基本的線性代數、微積分能力,理論上理工科系大二以上的學生應該都具備足夠的能力。 Q:我沒有任何 GPU,可以修這門課嗎? A:本課程將利用 Colab 和 Kaggle 等平台提供的免費 GPU 計算資源。本課程的作業設計,正常情況下能夠在免費資源限制下順利完成作業,拿到及格(C-)以上的成績。當然,免費資源雖然方便,但有其使用上的限制,如時間限制等,如果擁有額外的運算資源,會更容易取得高分。 Q:這門課跟過去同樣名為《機器學習》的課程有什麼不同? A:過去老師 YouTube 頻道講過的內容,本學期不會再講。本學期的重點是,在某種程度上通用的人工智慧出現後,老師認為大家最需要關注的機器學習技術。關於機器學習的基本概念,請大家根據《課程概述》的指示預習。 Q:這門課跟 2024 年春季開的《生成式人工智慧導論》有什麼不同? A:雖然課程會大量跟生成式 AI 有關,但不會有太多重複內容。對於生成式 AI 完全沒有概念想要快速了解的同學,可以先看《生成式人工智慧導論》這門課過去的上課錄影:https://www.youtube.com/playlist?list=PLJV_el3uVTsPz6CTopeRp2L2t4aL_KgiI Q:這門課跟 2025 年秋季開的《生成式人工智慧與機器學習導論》有什麼不同? A:本課程會預設修課的學生已經知道《生成式人工智慧與機器學習導論》這門課講過的內容,本學期將以這門課為基礎來進一步介紹目前最前沿的人工智慧技術,所以跟過去的課程不會有太多重複內容。希望同學們在修本門課之前可以先看《生成式人工智慧與機器學習導論》這門課過去的上課錄影:https://www.youtube.com/playlist?list=PLJV_el3uVTsMMGi5kbnKP5DrDHZpTX0jT Q:這門課跟林軒田老師的機器學習課程有什麼不同? A:沒有什麼相同的內容。修過林軒田老師的課程在這門課也可以有收穫,也可以修完這門課後再去修林軒田老師的課,了解機器學習的原理。
  • 課程要求
  • 預期每週課前或/與課後學習時數
  • Office Hour
  • 指定閱讀
  • 參考書目
  • 評量方式
    10%

    作業1 (3/06公告)

    保護你的AI Agent 阻擋惡意的攻擊

    10%

    作業2 (3/13公告)

    用 AI Agent 來完成課程作業

    10%

    作業3 (3/20公告)

    學習如何加快模型的推論速度

    10%

    作業4 (3/27公告)

    學習訓練模型

    10%

    作業5 (4/10公告)

    學習微調模型

    10%

    作業6 (4/24公告)

    學習編輯模型參數

    10%

    作業7 (5/08公告)

    學習融合模型參數

    10%

    作業8 (5/15公告)

    學習強化模型推論能力

    10%

    作業9 (5/22公告)

    學習 Flow Matching

    10%

    作業10 (5/29公告)

    了解語音語言模型


    1. 本校建議 A+ 比例上限為 20% ,非強制規定, 授課教師可依課程要求調整,建議必修課程參考。
    2. 本校採用等第制評定成績,學生成績評量辦法中的百分制分數區間與單科成績對照表僅供參考,授課教師可依等第定義調整分數區間。詳見 學習評量專區。
  • 針對學生困難提供學生調整方式
  • 補課資訊
  • 課程進度
    2/27第 1 週國定假日
    3/06第 2 週AI Agent (1/2):運作原理
    3/13第 3 週AI Agent (2/2):強化技巧
    3/20第 4 週深入模型內部架構(1/2):如何加快模型推論速度
    3/27第 5 週深入模型內部架構(2/2):模型如何處理超長輸入
    4/03第 6 週國定假日
    4/10第 7 週如何教育模型(1/2)
    4/17第 8 週期中考週不上課
    4/24第 9 週如何教育模型(2/2)
    5/01第 10 週國定假日
    5/08第 11 週模型的自我成長(1/2)
    5/15第 12 週模型的自我成長(2/2)
    5/22第 13 週人工智慧如何生成影像:詳解 Flow Matching技術
    5/29第 14 週人工智慧如何聽和說
    6/05第 15 週
    6/12第 16 週期末考週不上課
  • 為確保您我的權利,請尊重智慧財產權及不得非法影印。