在清大念資訊碩士是什麼感覺(一)：碩一上學期
這是我在清大念資應所的第一個學期，覺得有太多事情能夠紀錄，定期追蹤及檢討一下方向，目標一學期一篇，四篇結束這個系列~
目錄：
一、清大資應所介紹
二、關於找實驗室
三、關於修課
四、雜想
五、結論一、清大資應所介紹
清大資應所，全名資訊系統與應用研究所。當初創所的定位是希望能夠結合資訊工程 + 其他領域(如藝術、音樂、財金等)。而這幾年慢慢跟資工靠攏，指導教授、課程內容幾乎重疊，所以在論壇中都會聽到資應 = 資工的說法。
而實際念了一學期後，具體差別有以下：
- 修課規定不同：資應所畢業所需 24 學分只需 9 學分是資訊相關（資工所、資應所、通訊所、資安所的課），其他課程可以跨所自由選擇；而資工則是 16 學分得是資訊相關
- 補修課程不同：如果大學非資工科系，需在畢業前自行補修相關課程且不算進畢業學分。資應所需補兩門課：計算機程式設計、資料結構；而資工所需補修三門課：作業系統、計算機結構，以及計算方法設計（演算法）
- 英文畢業門檻：資應所畢業門檻是多益 750 分，而資工所沒有英文門檻的畢業規定。
二、關於找實驗室
找實驗室離現在其實幾乎快滿一年了，當初工作到一半回來念書，無非也是想多看一點、多學一點，卻怕太硬擔心最後連畢業都有困難。（Dcard 上好多鬼故事啊~~）
放榜當下也丟了約莫十位老師左右，一周內跟老師面談、敲實驗室等。最後在陳宜欣老師的 Idea Lab 落腳。
過程還是因為沒有太多資工的基礎比較緊張。最後決定老師的 Lab 主要有幾個原因，一來是老師都把學生從零開始教，那些需要會的知識老師分別用三門課（高等資料庫、資料探勘、研究方法與報告技巧）一一傳授。二來是碩一上不用報 Paper，所以會有更多時間可以揣摩怎麼理解跟消化 Paper 的資訊。三來是實驗室學長姐人很好，很喜歡這裡的氣氛。最後宜欣老師是外籍生學院（IMPISA）的負責人，實驗室一半是外國人，所以也想在全外文的環境度過碩班生活。
一言以蔽之就是：
可以在友善的環境站穩腳步，尋找方向
缺點大概就是實驗室沒有基本薪水，老師也沒有保證兩年畢業。所以有經濟壓力(如我)，或是真的很想準時畢業，自己就要找機會或積極些就是了。
三、關於修課
這學期修了三門課，分別兩門是老師的高等資料庫、資料探勘，以及一堂自然語言處理實作。老實說，還真是不輕鬆。
高等資料庫有每周的課前小考、一份 Lab 作業、報兩次 Paper、一個期末專案跟一次期末考。老師前兩周把基礎資料庫很快地複習完一輪，當時我想說基礎的部分要自己補，幾乎天天都在看吳尚鴻老師的資料庫系統概論，後來發現方向差多了。
宜欣老師的高等資料庫主要是想涵蓋基本資料庫以外的內容，譬如多媒體、空間資料、圖資料庫等；而吳尚鴻老師的課主要是教怎麼刻一個資料庫。當時看 OCW 確實對於整個資料庫有更深的理解。
老師這門課重廣度，線上課重深度，後續因為要寫其他作業要補其他更大的坑而沒有把整個課程都看完。
第二門課是資料探勘，也是每周的課前小考、兩份 Lab 作業、報一次 Paper、一個競賽、一個期末考。教學內容教了 Classification、Clustering、Text Mining、Association Rule 等等。中間又因為有修自然語言處理實作，所以很多細節的概念都有被補充到。（甚至兩門課的作業還有重疊的地方。）
第三門課是自然語言處理實作，每周作業加一份期末專案，無考試。這堂課基本就是靠作業學習，我個人覺得跟資料探勘相輔相成：資料探勘教概念，自然語言處理實作寫程式。還記得這門課第三個作業就是要 Fine-Tune Bert 然後做 Testing 跟 Evaluation（總之就是一個完整深度學習訓練模型的作業）。但我根本連基礎的機器學習概念都沒有，所以把看到一半的資料庫概論丟到一旁，開始自學李宏毅老師的機器學習。
這學期三門課的修課體驗還蠻不錯的，該學的都有學到。
四、雜想
小小反思一下這學期在腦中閃過的事情們。
覺得做得好的部分大概是
- 學了很多機器學習/深度學習的概念
還記得期初第一次進 meeting 學長報 Paper 完全聽不懂，什麼 Transformer、Attention 完全就是鴨子聽雷。至少現在能在概念上做討論了，而要能實際復現論文 Code 是接下來要努力的方向了。
2. 把英文畢業門檻處理完了
當初大學想說要考免修英文，必修的英文都沒上，結果大四下才在手忙腳亂準備托福。像上面說的資應有英文畢業門檻，想說多益 750 應該裸考就可以過了，就在十二月初快要開始忙起來（a.k.a.拖延症發作）之前去考試了。
3. 作業繳交順利、團隊合作持續輸出
大概就是沒有躺分得太誇張，都有持續做事。而且作業進度也全部都在截止日期前繳出去；原本以為高等資料庫期末專案要連續熬夜，結果截止日期前一晚午夜前就收工，甚至自然語言處理的期末專案還早了三天交。
倒是在這過程中有蠻多要檢討的部分，其實期初有規劃了蠻大一張學習地圖（網路上很多類似的 Roadmap），大概率是想複製考研究所時做的事情。
結果後來被作業追著跑，能在截止日期前完成作業就很棒了。
事後回來確實是大部分議題都有在課堂涵蓋到，但很多都是只知道概念，實際 code 碰得不多（很偏重一直使用 Bert）。接下來可能要很有意識地把這些內容都變成工具箱(程式)的形式存放起來。
小小檢討覺得是自己 PDCA 亂掉之後的修復太慢，以及把課綱內容跟自學內容要好好的合併思考。
二來是角色上的選擇，專案類型的作業分量都不輕，這學期幾乎都是切成資料處理、模型採用與校正、網頁前端、網頁後端、資料庫。就自己的觀察會發現每個人都會固定在其中一個角色，像是同學 A 在多堂課都是負責做資料處理跟模型的部分。事後覺得校園中難能可貴的是嘗試的機會，應該要盡可能跨角色學習的，但也能明白截止日期這麼緊當然是做最擅長的部份就是。
三來是對於「Coding」想法的轉變。
之前很多經驗都是從寫網頁來的，寫好後端 API、串資料庫、送到前端顯示出來都是所見及所得。但來到了機器學習的實驗室，很多時候不太知道模型為什麼給出特定結果，就變得很勞力密集的調參數大師。
而且即便寫了一整個學期 Python 的作業，也沒有那種「變厲害」的感覺，我在猜或許是沒有衡量標準，也或許是做得東西都小小的，之後也要針對這部分進行加強。
最後是關於研究，這學期除了課堂上要求的 Paper 之外幾乎沒看幾篇，往後也要加強這部分的量。
五、結論
其實整體來說這學期蠻充實的。
幾乎每個同學身上都有各自擅長的技能，每次看到別人的成果都會被驚艷，重點是彼此之間都很樂意分享。雖然像上面說得沒有那種鑽很深（變強）的感覺，但在廣度上著實有很好的啟發！美中不足可能就是生活全部都被課業占滿了，沒有太多其他時間。
不過現在也是希望之後研究可以順利，早早畢業就好了。
