請參照下面格式匿名留言成績：

班別：CSE544 狀態：猶豫中 (請填棄選/猶豫中/願意留著) 期中：57 A1:45 A2:100 A3:89 proposal:6 心得評語： (可填/可不填，供之後學弟妹參考使用) 1、我是覺得這門課確實能學到很多東西，老師講義整理了很多近年的論文技術，但是比較像是帶你走過一遍這領域的脈絡，較詳細技術細節可能需要自己多花時間找相關資料、影片去理解，老師每週上課就是100+頁數講義，修課時要斟酌當學期修課量，建議學分數6～12就是極限，最後期中考試範圍會累積到800+，最好每週上完就複習內容 2、老師期中主要為25題問答題，特別討厭考古所以太詳細的題目細節，我就不特別講，主要進行一些提點，題目主要為概念解釋、有幾題計算題，會依照大家作答詳細度進行評分，所以還是盡量寫詳細一點，老師上課口頭描述沒寫在講義上的可能會成為考點，所以盡量還是專心聽課，有印象有一個題組其中一小題原本那是Transform 架構，期中之後的才會教，但上課稍微提到就考了，所以最好上課有提到的概念講義沒有，稍微筆記記錄一下，有特別講哪個技術現在較流行可能就是考點，能透露提點的就這麼多 (之後可能再補，還有一些不涉及考題資訊) 3、作業在第一次PyTorch完成之後，難度會感覺3級跳，老師出的作業十分有挑戰性，後面作業要自己獨立完成通常會有點困難，最好善用AI提供一些建議和檢查答案，但有時候他沒辦法解決時要有能力發現問題，以及老師出的標準可能大家都達不到不用擔心，像A3當時普遍人PSNR都卡22左右，印象CVPR2022論文最高也做到28沒到30，我們能做到就發頂會了，所以作業難度很挫折達不到是正常 4、期末報告分為計劃書、進度報告、期末報告，在期中之後開始著手(6~8週)，一定要根據論文架構提出新方法 or 參加kaggle 競賽、不建議寫review論文，建議在寫計劃書時找較新的文獻、明確說出你要實作的新方法，否則可能只有6/10…之後還有留著會繼續補充

⋯⋯你每個成績都和我同分甚至比我高 你都在猶豫了 我還有什麼資格留著。

之前修分數和你差不多 硬著頭皮修完是有過 供你參考

老師通常都會根據整班的情況來調分數，作業有認真寫，考試不要低於平均太多（10分內）應該都可以過。 - 題外話 教授的課真的可以學到很多東西，作業也是留TODO讓學生填、自己設計模型架構，少數中山好課👍 希望想清楚是為了刷分來修還是真的想學習的

班別：CSE544 狀態：願意留著 (請填棄選/猶豫中/願意留著) 期中：65 A1:50 A2:100 A3:89 proposal:8 心得評語： (可填/可不填，供之後學弟妹參考使用) 1. 原PO提的心得我完全同意，就不再贅述，請參考 B1 。 2. 我覺得老師這門課的定位不夠清楚，每週3小時想要講清楚100+頁數講義的結果就是老師還沒講清楚就跳到下一個知識點。 如果這門課的設計是面向初學者，她應該要多聚焦在講義前邊頁數的部分，把講義後段的部分列為參考，不指望課堂上有機會教到或同學能在課上學會。寧願把每周寶貴的3小時讓對深度學習認識不深或零基礎的同學可以有機會在課上學清楚，可以馬上消化然後找出有甚麼還沒搞懂的地方，馬上回饋。 如果這門課的設計是想討論深度學習目前的最新發展出來的技術和領域，應該要把講義前邊的頁數設為參考，要同學自己先一週前讀過，課綱列明不是面向沒有基礎的初學者，上課深入討論講解講義後邊的內容。 現在已經發展到大量可以免費取得的學習資源，如果自學效果是好的，大可不必來上課。所以上課應該面向自學效果不佳，需要有老師上課逐步講解帶領的受眾。 總結就是這門課需要重新定位和做區隔。目前的狀況就是入門的內容和需要深度講解的領域都平均分攤，每樣都花差不多時間且都不夠時間，蜻蜓點水一下，然後飛快教到下一個知識點，上課當下不覺得自己有吸收到很多東西，必需要花大量時間課後自己找AI和網路資源重新整理講義裡提到的授課內容。自學時不免還是會想到如果都是要自學，這門課和網絡資源的差別就是差在有沒有修到學分嗎？ 3. 除了我認為這門課需要重新思考到底是要面向初學者還是已經有基礎的同學，還有要跟網路自學平台做區隔外，我認為老師教課非常認真，真的想要把很多心得分享給同學，上課我也不斷寫筆記記下老師口頭講解的內容。滿常小休時看到老師都沒有辦法真的休息，被同學包圍，站在台上連講3小時，感受到老師教學的熱誠。作業也出得很棒，既不會讓同學從零開始腦袋一片空白，又能寫作業時學會從零建神經網路的過程，學到非常多！