大家好，我目前正在就讀台大資料科學碩士班。
上學期修李宏毅教授的 ML 一課時，整個學期有 15 次作業，每次作業都是不同的主題，修課同學會將自己訓練好的 model 所預測出來的結果，傳到 Kaggle 或是由教學團隊開發的平台 JudgeBoi ，以評估自己訓練出來的 model 是否有打敗 simple/medium/strong/boss baseline。

猶憶寫作業的那段時間，每天起床第一件事就是去看 model 訓練好了沒、到什麼樣的程度，然後趕快丟結果上去平台跑。不過我時常在辛苦訓練好多天之後，玻璃心地發現自己好像還是得到一隻無動於衷、冥頑不靈的小怪獸，於是又開始投入漫長調參、調架構、調策略的「訓獸」之路。

不過在累積越多經驗後，發現雖然使用 medium 或 strong baseline 的思路，在給予足夠多的時間訓練，在某些設定之下也能收斂到不錯的結果；但是勇敢實作一些更前沿的算法，往往能事半功倍。

因此在未來 30 天的系列文中，我規劃針對 ML 2022 Spring 的 15 門作業，各發兩篇文來介紹該個主題的概念，以及通過 Boss Baseline 的實作方法(如果我有通過的話，就以我的方法為主；沒有的話，我也會分享我收集到的打敗 Boss Baseline 的強者作法)。不過我會先寫 10 個我印象比較深刻的主題，個人覺得好玩的主題會多寫一點篇幅，理解比較淺薄的會少寫一點，之後再看剩幾天把其他主題補上～

因為是二刷這門課，所以接下來的分享，我會比較側重自己學習這門課的 Extra Material 以及作業中可能需要用到的 paper 的讀後心得。

希望這 30 天的生存日記，能夠對同樣正在辛苦升級打怪的「AI 馴獸師」們有所助益。

以下是我主要參考的資料來源：

1. ML 2022 Spring 的課程網站
2. ML 2022 Spring 的作業 Github

請大家多多指教，有任何問題或建議，都歡迎留言告訴我～

那麼，就讓我們一起，面對疾風吧！XDD