我們的研究領域基本上就是在做資料檢索 (Information Retrieval)，在產業上對應的就是搜尋引擎 (Search Engine)。表面上看起來是在說「搜尋」這件事情，但是重點其實是在搜尋引擎的背後如何去做 learning，去媒合搜尋者和被搜尋者，骨子裡需要學生去練習建構模型，所以比較會注重在 machine learning 或是 deep learning 上。
我們處理的資料不見得一定是文字，還有圖片，至於音訊和影片的部份就比較沒有。在搜尋引擎上還有一個層面是從搜尋的紀錄上看到的 social network，可以知道網頁、使用者連結的關係，也可以看到在網路上形成的社群 (community) 。搜尋引擎就含括了從前述的媒合，到底層的分析行為。
舉例來說，當使用者今天打了 “flower”，不是代表他不懂「花」，通常來說是他要去買花。所以搜尋引擎某程度也扮演了推薦系統，因此也有廣告效益在其中。雖然我們說是在做 Information Retrieval ，但是這其中很重要的關鍵是排序 (ranking)。排序在生活中非常常見，比如說你的三餐、你的抉擇，這並不是一個很直觀或是習慣的決策，需要透過過去的經驗和環境的 feedback， 根據得到 reward 或是 penalty 動態式的調整、學習。
我並沒有限制專題生一定要做什麼題目，通常是問問同學「你有沒有想要做的東西」。這個領域跟其他比較不一樣，因為你可能會不懂生醫，但是不太會有人沒用過搜尋引擎，搞不好你本來就對搜尋引擎有些不滿（笑。舉例而言，假設你不知道「柯西不等式」的名稱和公式內容，你連 search 都做不到，所以就曾經有專題生跟我說想要做「數學的搜尋引擎」：假設一個人對定理不熟，他還是可以搜尋到他想找的東西。相對之下，碩士班的同學做推薦系統、machine learning 上的研究比較多，也有讓電腦學習怎麼樣玩一個 game。
在醫學方面，我們現在就有跟台大醫院做合作，比如預測藥品流量的變化、HIV 檢測等。我們也有跟公司合作，透過醫生寫的病例去預測診斷，或是透過診斷去推薦藥品。我們也跟 IOT 公司有合作，比如說在公車上看駕駛的行為、自動生成會議記錄、摘要等等。不過主要來說，我們還是以做推薦系統為大宗。
來修課，你會得到對這個領域比較成熟的 solution 和 knowledge。專題就好像進到「少林派」，在練功時會練該派的獨門武功，也就是讀 paper，不一定是寫在教科書裡面的東西。從 paper 你會練到一些不是在課堂上拿到的東西，比如說做一個 task 上從前到後整個研究的 cycle：從開始報告，到理解、實做，從頭到尾一個一個建起來，它不一定是很成熟的 solution。
而且做專題並不是像一般課堂上的助教都先自己做一次，把資料清乾淨了，而且做出來一定會效果。專題各種可能都會有，你會從 paper 當中看到為什麼要用這一招、那一式，進而整合自己的 research map。
此外，課堂上比較像是老師在主導，專題題目不見得是老師 assign，不是學習老師已經幫同學準備好的知識，而是透過和學長姐、同儕合作，或是看 paper，去學比較整合性的技術。
對我來說，motivation 最重要。在我們 lab 其實彈性很大，比起在後面追著你跑，我會比較想當一個陪你完成夢想的一個老師，所以同學要告訴我你的目標。比如說你想要發 paper，或是想要參加比賽，未來要申請學校、寫在履歷上等等，這些動機遠超過一進來需要的 background。
這個領域重要的地方是你一定要去摸 data，你要有熱情才會對 data 有感情。在熱情之上，再去修課，以各位的能力，相關知識很容易透過修課和學習去補起來。進來實驗室，我會希望學生告訴我最後的目標，我們一起規劃中間需要做的事情。要把這個 process 走完，你的動機會比你的 background 重要。
如果真的要什麼 background 的話，那當然是跟 AI 相關的 ML, DL 比較要有。當然也有其他學生是從別的領域學生進來的，我們可能就從基本的數學模型開始，去看外國的線上教學影片，化成自己的話，講解自己對於這些知識的認知。
當然沒問題，因為這個領域好玩的地方在於並不是 paper 拿來第一個字就看不懂，因為每個人一定都用過搜尋引擎，所以一定可以看懂它試圖解決的問題。我會先給同學大概的範圍，讓同學去挑有興趣的。當看到不懂的技術的時候，老師會從報告當中陪同學去摸索。一開始我們就廣泛涉獵，從 paper 或是現實的生活中慢慢收斂你有興趣的方向，我也會從同學的報告看看同學對哪個主題比較有興趣。
我們每星期固定有 lab seminar，報告主力是研究生，專題生就是來聽、多吸收、增加知識。專題生會跟我進行兩週一次的 group meeting，通常是 2-3 人一起。
舉例而言，有組別整學期就 trace 一個搜尋引擎的 code，從資料的壓縮開始，並不是只有剛剛提到媒合的部份，所以經過這學期他們就會完整了解搜尋引擎大概是怎麼運行的；也有同學在看 paper 之後發現有些數學推導不是太熟悉，那麼就可以開始把這些數學補起來；也有同學是跟著碩班的學長姐合作，去參與整個題目的某一小塊。
至於一週要花多少時間，端看你想達到的目的是什麼。有專題生畢業就發 2-3 篇 paper，如果 paper 的 deadline 快到了，那可能整天都會耗在那，如果只是讀 paper，那可能花比較少時間。
我覺得做一個研究至少就是一門課的 loading，可是不見得每個專題生都把專題這麼 serious 看待。只要同學前進的方向是對的，根據自己的彈性，想要跑快跑慢都是可以的。
我不以結果來評分。專題生一開始會先跟我有一個談話，我會看你想做到哪些東西，我並不會因為你做到/沒做到什麼事來判斷，而是看同學在這過程中付出的努力。如果一定要要求做到什麼，學生反倒會趨於一個「做得到的事情」，那就失去專題大鳴大放的特色。專題基本上就是往同學要的方向走，老師和你一起努力，不以最後成敗當作專題的結果。
我鼓勵同學大二就可以找專題了，要多看實驗室，如果你真的很有能力，可以同時跑很多實驗室，你要多看才知道是不是你想要的，鼓勵同學要 open mind，把機會都打開。
如果發現這不是你要的，可能更確定你要什麼，我們就趕快換方向；或是你發現你的目標以現在的作法並不容易達成，我們就要看要怎麼轉換方向。如果要離開，我也覺得很 ok，不要把這個想得壓力這麼大，如果嘗試的時候發現不是你要的，那很正常啊！放心好了，我不會跟你簽任何的約（笑。