※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID） （是／否／其他条件）：是 哪一学年度修课： 102-1 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 李琳山 教授 δ 课程大概内容 1.Introduction 2.Fundamentals of Speech Recognition 3.Map of Subject Areas 4.More about Hidden Markov Models 5.Acoustic Modeling 6.Language Modeling 7.Speech Signals and Front-end Processing 8.Search Algorithms for Speech Recognition **********以上期中考********************** 9.Speech Recognition Updates 10.Speech-based Infromation Retrieval 11.Spoken Document Understanding and Organization for User-content Interaction 12.Computer-Assisted Language Learning 13.Speaker Variabilities: Adaption and Recognition 14.Linguistic Processing and Latent Topic Analysis 15.Robustness for Acoustic Environment 16.Some Fundamental Principles–EM Algorithm 17.Spoken Dialogues 18.Conclusion **********以上期末考********************** Ω 私心推荐指数(以五分计) ★★★★★ ★★★★★，大推这门课!! η 上课用书(影印讲义或是指定教科书) 没课本，只有投影片，不过投影片会有Reference让大家去看 μ 上课方式(投影片、团体讨论、老师教学风格) 投影片上课，偶尔会用板书辅助解释，老师上课的讲解都非常的清楚 不过我觉得速度蛮快的，每个礼拜课堂开始的时候老师都会把前面的 内容复习一次。另外我觉得很棒的一点是跟信号与系统一样，老师上 课都会录音放到网路上，上课有不清楚的地方可以课後再听一次。 σ 评分方式(给分甜吗？是紮实分？) 三次作业分别15%、5%、15% Final Project 30% 期中考 25% 期末考 10% 分数还没出来不知道，不过应该是紮实分 ρ 考题型式、作业方式 三次作业： 第一次作业是用C/C++或Matlab写关於Hidden Markov Model的程式 第二次作业是二选一，使用HTK或是标记Spectrogram 第三次作业是用C/C++或Matlab写关於Language Model的程式 第一次和第三次是程式实作，要花一点时间，第二次很快就能写完 从配分比例也可略知一二各作业的难度XD Final Project： 题目自订，任何跟语音相关的主题都可以写，型式可以是阅读论文的 读书报告，或是程式的实作。 期中考、期末考： 考试open book，主要是问答题，都从上课或作业内容出，加上open book，基本上不难，考前老师会提供考古题，考题型式都差不多。 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 上课不会点名，不管迟到，不过一堂课三小时下来内容都很多，上课老师 的讲解会比投影片清楚很多，不然就是用线上的录音把课补上。 基础的话主要是机率、线性代数、信号与系统，不过用到最多的应该是 机率。 加签的情况有点忘记了，大学部是1类加选，研究所不太确定。 Ψ 总结 真的是一门非常棒的课，一学期修下来收获非常多，对於语音处理的基本 概念跟其相关主题都会有一定的认识，上课介绍的演算法都很经典，老师 是这个领域的大师，上课的讲解也非常的清楚，深入浅出，透过上课就 能学到很多，总之，非常推荐有兴趣的人来修。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.250.58 ※ 编辑: charleykuo97 来自: 140.112.250.58 (01/14 09:55) ※ 编辑: charleykuo97 来自: 140.112.250.58 (01/14 09:55)