Natual Language Processing (NLP),自然語言處理。可細分為 Language Understanding (LU)、Dialogue Management (DM) 及 Natual Language Generation (NLG) 三個部分。舉例來說,當機器收到「這個週末有什麼動作電影?」這個問題時,會分成三個階段做出回應:
希望專題生是主動、自律的,並有深度學習的基礎。如果專題生已經有明確的研究主題當然很好,但也相當歡迎還沒有確定的同學加入,透過與我討論或者跟學長姐合作找到自己感興趣的方向。
我不會規定學生的研究主題,學生可以在跟我或學長姊討論之後自行決定感興趣的研究方向。 我們實驗室每週會安排二到三人上台進行 presentation,內容會是在閱讀一篇 paper 後向大家整理其中的內容。一個人平均一個學期只會輪到一兩次,所以 loading 算蠻輕的。專題生有機會可以參與實驗室的研究,他們可以負責協助學長姐正在進行的研究,或者選擇自己進行研究也是可能的。
我認為這是可以很彈性的,因為專題研究的初衷是要讓學生對這個領域有一定的認識,平均下來一個禮拜花兩三個小時的時間,基本上就足以應付論文 presentation,但如果發現對這個領域很有興趣,那便可花更多時間進行延伸,或甚至將自己的目標設定為得到研究成果。
我認爲專題帶給學生的影響分為兩個部分。第一個部分是技術上的能力,就如同修習更進階的課程一樣,在專題的過程中可以讓同學熟悉技術上的操作,如 implementation 的方法等;第二個部分是對於該領域的研究方向會有更深入的了解,在一般課程中,可能會學習到一個技術是由哪些部分組成的,但只有在專題研究中,可以透過閱讀論文得知目前哪個部分最為熱門,或是最需要改進的。
越早越好,因為我們的專題只是想要帶給學生最基本的概念,所以只要有一些 coding 基礎(或甚至沒有也沒關係),可能大一下左右,我就覺得可以開始接觸專題了。如果覺得有壓力的話,第一個學期先旁聽也是可以的。
這也是為什麼我認為同學越早接觸專題越好的原因,早一點開始專題研究,就有比較多時間去嘗試不同的領域,而且對於大部分人來說,沒有親自做過也沒辦法知道是不是真的對這個領域有興趣。
當然可以啊,因為機器學習本身有很多模型就是互通的,只是應用在不同的領域而已,所以我非常歡迎學生也同時參加別的專題。
很簡單,只要在開學前 email 我並說明你的意願就可以了。