Search
【研究領域多元專精 本校青年學者受到肯定】
.
科技部為培育青年研究人員，獎助並鼓勵國家未來學術人才長期投入學術研究與持續提升學術表現，設立「吳大猷先生紀念獎」，以紀念吳大猷先生對發展科學與技術研究的貢獻。本校110度共有12位老師獲獎，研究領域多元，對於這些老師們的傑出表現，全校師生同感榮耀。
獲獎老師包括：建築與城鄉研究所黃舒楣副教授(建築與都市設計)、材料科學與工程學系顏鴻威副教授(材料工程)、哲學系鄧敦民副教授(哲學)、分子與細胞生物學研究所黃筱鈞副教授(生物化學)、植物病理與微生物學系楊爵因助理教授(植物保護學)、心理學系陳品豪助理教授(心理學)、電機工程學系胡璧合副教授(微電子工程)、電機工程學系陳景然副教授(電力工程)、資訊工程學系陳縕儂副教授(智慧計算)、資訊工程學系蕭旭君副教授(資訊工程)、國際企業學系吳政衛副教授(策略管理)以及醫學系陳達慶主治醫師(眼科學)。
.
#吳大猷先生紀念獎
大家有使用 Siri、小愛同學、Google 語音辨識服務的經驗嗎？
從這些過去的互動經驗中大家應該可以發現，只要語音助理無法辨識我們說出來的內容，就無法給出符合期待的回應，所以自然語言處理的專家們，仍持續發展語音辨識技術，同時從人機互動的角度來修這語音助理的設計，這其中自然牽涉了許多眉眉角角，一起來看看吧！
延伸閱讀：
喜歡教書、喜歡台灣自由的研究學風 ，要讓語音助理「賈維斯」成真——陳縕儂專訪
https://pansci.asia/archives/175409
#溫故知新 第 14 屆 #台灣傑出女科學家 得獎名單出爐，其中台大資工系的陳縕儂副教授獲得了「新秀獎」！
不到 30 歲便選擇回台任教的她，帶領團隊深入研究、開發人工智慧，目標是讓機器成為鋼鐵人語音助理「賈維斯」（Jarvis）一樣，不只和你說話，還能替你完成交辦任務，像是訂機票、分析報表這類的工作！現在就讓我們一起來回顧陳老師的研究吧！
延伸閱讀：
第14屆台灣傑出女科學家獎得獎名單出爐！
https://pansci.asia/archives/316372
Hey Siri! 機器為什麼能聽得懂人話？語音技術的前世今生與未來
https://pansci.asia/archives/142289
______________
斗內泛科學、支持好科學！
你的支持，是我們前進的力量，贊助泛科學：https://lihi1.com/mJSba
很高興這次有機會去體驗看看在台大當學生是什麼感覺！
非常感謝以下朋友/單位協助我們拍攝台大的體驗：
-台大資工系陳縕儂助理教授
-台大電機系電機之夜團隊
-台大地質生機女籃隊
-台大男七宿舍
台大電機系真的是很認真在為電機之夜做準備！電機之夜將在3/30 舉行，大家去支持一下
IG: https://instagram.com/2021ntueenight?igshid=uhk0x041y892
FB: https://reurl.cc/qmVD1N
#美國vs台灣 #台灣第一學府 #一日台大生
歡迎追蹤我們The DoDo Men的IG和FB:
Instagram: https://www.instagram.com/thedodomen/
Facebook: https://www.facebook.com/TheDoDoMen/
現場直擊並訪問參賽者 @科技大擂台 與AI對話決賽現場！🎯🎯🎯
當天雖然沒能訪問到所有的參賽者，但是我由衷欽佩大家！謝謝你們對台灣中文語音對話技術的著迷與貢獻！期望每位參賽者都能繼續著迷於AI語音辨識領域、繼續把中文語音對話的技術推向更高的成就！
📣謝謝當天接受我訪問的參賽者們：
🥇台大電資學院團隊：李宏毅 Yun-Nung Chen 謝濬丞
🥇華碩團隊：Martin Chang Archer Tsai
🥇中研院詞庫小組團隊：Wei-Yun Ma
🥇第一團：Lin Chun-Yen Migo Liao @casey kao
🥇hakka1團隊：@黃騰杰
🥇AIA校友：Bryan PY Yu
👉還沒看過上集的話，歡迎點這裡觀看：🍿🍿🍿https://youtu.be/8Zv1e1WSbZ8
總共吸引約700名挑戰者、計143組團隊報名的「科技大擂台 『與AI對話』競賽」終於在3/23(六)華麗完賽了。
這一場被參賽者稱為「長達一年的史詩級比賽」的競賽是由科技部所指導、也是台灣第一次舉辦的大規模、以AI語音辨識技術為競技主體」的比賽。透過「獎勵賽」的方式鼓勵、廣邀業界與學界的技術人才投入AI語音開發議題，並建置多情境的中文語音大數據，以加速台灣中文語音對話的核心技術開發。
參賽者長達一年的時間必須不斷投入研究、不斷改進自己的演算法，沒有參賽其中的我真的很難想像，因此我由衷地欽佩所有參賽者，也恭喜得獎的隊伍！
希望你們都能繼續著迷於AI語音辨識領域、繼續把中文語音對話的技術推向更高的成就！
#科技大擂台
#中文AI語音對話
#珊蒂微AI
參考資料：
「科技大擂台 與AI對話 」 決賽現場的直播影片 (1:40秒處開始問答題示範賽)：https://www.facebook.com/FGCTW/videos/1044061129316180/?sfnsw=cl
「科技大擂台 與AI對話 」正式賽題型說明影片： https://www.youtube.com/watch?v=W0O9L-2Gz3Y
「科技大擂台 與AI對話 」詳細賽制連結： https://fgc.stpi.narl.org.tw/activity/actDetail/techai2018
李宏毅老師，參賽心得的臉書po文： https://www.facebook.com/permalink.php?story_fbid=2548405598507719&id=100000149111577&sfnsw=cl
誤解與挑戰 從語音辨識到口語理解：https://ictjournal.itri.org.tw/Content/Messagess/contents.aspx?MmmID=654304432061644411&MSID=1001517116232736636
標題. [正妹] 台大資工陳縕儂. 作者, ParaTuAmor. 時間, Thu Dec 27 22:09:41 2018. 人氣, 推:18 噓:6 留言:35. 更多ParaTuAmor文章 · 相同討論串 · 返回Beauty看板. ... <看更多>
△今年30歲的台灣大學資工系助理教授、放棄微軟千萬年薪回台的陳縕儂熱愛AI研究領域。（圖／翻攝陳縕儂臉書） 記者崔至雲／台北報導語音技術為AI（人工 ... ... <看更多>
陳縕儂 在 [評價] 108-2 陳縕儂深度學習之應用- 看板NTUcourse 的八卦
※ 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)
陳縕儂
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)
電機資訊學院 資訊工程學研究所
δ 課程大概內容
(03/03) Introduction
(03/10) Neural Network Basics
(03/17) Word Representation & Recurrent Neural Network
(HW1: Summarization)
(03/24) Attention Mechanism
(03/31) Word Embeddings, Contextual Word Embeddings
(04/07) Transformer and BERT
(HW1 Due)
(HW2: 中文QA w/ bert)
(04/14) More BERT
(04/28) DRL and Q-Learning
(HW2 Due)
(05/05) Policy-Gradient & Actor-Critic
(05/12) Natural Language Generation
(05/19) Generative Adversarial Network
(05/26) Beyond Supervised Learning
(HW3 Due)
(Final Project:Transfer Learning or 自選)
(06/02) Towards Conversational AI
(06/16) Robustness & Scalability
Ω 私心推薦指數(以五分計) ★★★★★
有DL基礎: ★★★★
甜度(沒停修的話): ★★★★★
Overall: 3.5
η 上課用書(影印講義或是指定教科書)
老師的投影片
μ 上課方式(投影片、團體討論、老師教學風格)
投影片 去年因為疫情的關係都改成線上
每週老師會把錄好的影片上傳到Cool 和 Youtube
原本的時段改成TA hour
另外每週會有助教額外的影片補充論文新知
σ 評分方式(給分甜嗎？是紮實分？)
個人作業(20%)*3
Final Project (3~4人一組)
Video presentation(10%)
Report(20%)
Participation(10%)
作業都有一些加分題 所以每次滿分可能會超過20分
如果沒有停修的話最後給分超級甜
ρ 考題型式、作業方式
個人作業都是程式+report 交到NTU Cool
助教會跑code測有沒有過baseline 沒有kaggle
HW1:Summarization
Extrative, seq2seq, seq2seq+Attention
HW2:Bert for Chinese QA
HW3:Reinforcement Learning
Policy gradient, DQN
Final Project: 分自選 or Shared Task Challenge
Shared challenge 為 Document Information Extraction(日文)
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…)
我覺得這堂課的內容本身還ok 但是作業和課程的規劃應該有一些可以改進的空間
由上面的課程大綱可以知道 在做hw1的時候
老師一直到deadline前一週才把hw1會用到的內容(word embedding)教完
導致許多同學來不及吸收並完成作業
另外老師在一開始也說這堂課的基礎只需要微積分和線代
因此可能有很多只有數學基礎 但對DL不太熟的同學來修
要在一個月內弄懂基礎DL到RNN再到Seq2seq+attention
再用pytorch或tensorflow實作出來 我覺得可能有點太硬了
而且助教也沒有提供sample code
至少我有問到的人都停修了Q_Q 實際停修比率不太確定 但應該不少
我的話是因為之前已經有一些DL基礎 所以作業一公佈就差不多可以開始寫了
如果以一個有DL基礎的角度來看 其實這樣的課程安排是可以的
但是因為我實在問到太多人都中途停修了XDD 所以還是要講一下
hw2則是用bert做中文QA問答
同樣沒有sample code 所以也是要花一些時間
hw3的RL就比較簡單了
是以助教提供sample code然後挖空的形式
整體來說3次作業花的時間是 1>2>>3
另外final project分為自選或是做Cinnamon AI提供的dataset(日文NLP)
自選的部分好像只要主題跟DL有關就好 也允許直接用其他堂課的project
加簽的話要先寫hw0 然後過kaggle的baseline
很簡單 只要複製貼上+改幾個參數就過了 所以沒什麼篩選的功用
還要填一個表單 包含系級、修過的課之類的
最後篩選條件未知 有聽過同系級但是有人選上有人沒上的
Ψ 總結
這堂課我比較推薦給有一些DL背景的同學
如果有修過108-1以前電機系開的機器學習
我覺得這堂課算是個還不錯的銜接
如果是修過108-2機器學習得同學
由於李宏毅老師在這學期的課程幾乎把所有主題都講過了
因此如果你每個作業都有做完 那其實已經跟這堂課有很多重疊的部分
我覺得就不一定要修 (大概只有多bert的部分而已)
對於沒有DL背景的同學 我覺得可能太硬了
不過以這學期的經驗 我推測可能作業不用全部做出來
最後都可以A+ 因為給分太甜了XDD
另外這堂課雖然叫深度學習之應用
不過大部分還是偏重NLP方面 可能也跟老師本身的研究領域有關
如果主要是想學其他領域的同學可能要注意一下
不小心拖太久才發心得文 如果有漏掉的地方還請其他幫忙同學補充了
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.150.95 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1612635596.A.493.html
※ 編輯: anonimo (140.112.150.95 臺灣), 02/07/2021 02:21:35
投影片上也只寫說需要數學和Python即可
導致不少同學沒有衡量好而中途停修QQ
... <看更多>