[心得] ETH Zürich 交換第一學期心得

學期即將進入尾聲了，很開心當初做了這個交換的決定，能有這個機會到傳說中愛因斯坦的母校學習。在這邊遇到的人，個個都不是像我這種來打醬油的，都是各個國家來的優秀學生。由於在TUM完成所有的修課，我在ETH可以很自由的去選課，完全不用顧慮到成績這回事。所以選了些以前都沒碰過的東西：

1. Deep Learning  (Prof. Thomas Hofmann)

由於近年來AI的熱門，讓我這個門外漢想了解一些這方面的東西，選了這門課。不易外地，這們課也有人數限制：300人，沒修過Machine Learning的同學可能就不能選。還好上學期有先上了TUM的簡單版ML。

這學期DL上完我覺得其實沒有很大的收穫，因為上課老師講的都比較偏理論，而且我也聽不太懂，對於我這個工程類的學生，實在沒什麼幫助。不過最大的收穫算是：上完課，因為都不太懂老師上課的"理論"，想知道這些理論到底在實作上是幹嘛，上Youtube或是其他網站找相關課程來看，個人滿推薦Stanford CS231n：Convolutional Neural Networks for Visual Recognition，裏頭有比較詳細說明具體實際的例子給大家。 比如說ReLU和其他Activation Functions到底差在哪，應用上的優缺點。最主要都是靠額外自己去找資料閱讀，才能學到東西。

2. Image Analysis and Computer Vision (Prof. Luc Van Gool et.)

這門課由三個教授分著上，有好有壞。這們課屬於Introduction，上課都講投影片，鮮少有用黑板的情形。著重於理解演算法的結果，不著重運算細節，對於很怕數學的同學，是個不錯的課程。上課老師會放一些Computer Vision演算法的結果給我們看，其實還滿有趣的。尤其是一些有bug的演算法，結果會滿好笑的。最後考試是15分鐘的口試。期末考就考了兩題，一個是問關於PCA用在影像上，為什麼要PCA？和其他轉換(Ex: COS變換)的差別。第二題是關於圖像Gradient的測量，sobel filtering等等之類的。

3. Probabilistic Artificial Intelligence (Prof. Andreas Krause)

一開始我也是抱著好玩的心去上這們課，上到後來其實都在講Baysian Network跟Hidden Markov Model，還有一點Reinforcement Learning。除了Bayesian Network外，其他在TUM的Machine Learning上有提到一點，不算陌生。其實上完感覺自己還是不懂什麼叫做AI，大概就是比較懂一點機率而已。期末考基本題有掌握到，通常就會過了。

4. VLSI I and FPGA (Prof. Luca Benini)

這門課上到一半才發現，原來這是Bachelor的課程，不過還好還能當Master的選修課來上。上課的內容大概就是VHDL、Hardware&Software Codesign、一些硬體上面的知識，對我來說算是個複習，當然還有很多細節的東西沒有學過。這們課滿推薦的就是它的Exercise。直接就上機讓你玩VHDL，有幾次還是直接發Zynq板子每人一個去玩。五六個助教就在旁邊standby，有問題就直接問。不過我是想自己先想想，如果想不出來在舉手問助教。

5. Robot Dynamic (Prof. Marco Hutter)

這門課後來我上到一半後就沒有繼續上了，也不打算通過考試。不過這門課滿有意思的。在講如何描述機械人、機器手臂的工作，簡單來說就是座標轉換。之後也有提到"四腳"的機器人，像狗或是狼這種動物。也有介紹空拍機的運作，移動，控制等。

這學期下來，其實學起來真的是滿辛苦的，畢竟沒有學過相關的背景知識。行人來學是學更深入的東西，我來學就只是學皮毛。不過我覺得這是很好的機會去認識其他領域在學什麼東西。在這邊真的可以好好認真念書做研究，沒有太多可以分心的東西。若是在這邊念博班，除了學校名聲好、資源豐富外，薪水也不錯。

最後我的碩士論文會在Integrated Systems Laboratory 完成，有關於CNN用在低功耗的PULP平台。