哪一學年度修課
113-1
$\psi$ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
林軒田
$\lambda$ 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)
資工系選修，需要微分、線性代數的基礎知識，基本上就是HW0的內容
$\delta$ 課程大概內容
主要是經典的ML技術，很紅的DL比較少提及。要修課的人要注意內容是否是你想要的。可以到這裡聽教授的解釋。
簡單來說，這門課教的是基礎，DL等也是建立在這個基礎之上。有些使用情境其實用不到DL，可能是因為資料太少，所以經典的技術還是值得學習。
課程網頁
$\Omega$ 私心推薦指數(以五分計)
⭐⭐⭐⭐☆
$\eta$ 上課用書(影印講義或是指定教科書)
Learning from Data, by Yaser Abu-Mostafa, Malik Magdon-Ismail and Hsuan-Tien Lin
教授很久以前寫的書，與上課內容高度相關，聽不懂的話可以看一下書。
$\mu$ 上課方式(投影片、團體討論、老師教學風格)
投影片，鼓勵發問但沒什麼人發問
$\sigma$ 評分方式(給分甜嗎？是紮實分？)
還算甜，只要夠努力寫作業的話。很紮實。
$\rho$ 考題型式、作業方式
沒有考試，作業有一些選擇題、手寫(實際上用LaTeX比較方便)、需要寫程式實驗的題目。loading算中等偏高，但也不至於卡很久，通常兩三天就能寫完，有些問題甚至簡單到ChatGPT-4o就能解決。
final project佔總分35%左右，而report是競賽分數的9倍，所以重要的是report要寫出好的東西，但真的有點困難。
$\omega$ 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？
不點名
加簽習慣？嚴禁遲到等…)
台大全簽
$\Psi$ 總結
教授一開始就說了四個別選這堂課的理由，也確實這門課不會讓你馬上就學到最夯的神經網路、DL，所以修之前要想清楚到底是不是你想學的內容，網頁上都有簡報和錄影，可以先看一下再決定。