※ 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： 110-1 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 陈建锦 λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关) 资管系选修 商资学程（？）选修 δ 课程大概内容 Text Proeprocessing Term Weighting and Vector Space Model Text Classification Naive Bayes Classification Vector Space Classification (KNN, linear and nonlinear classification, SVM) Flat Clustering Hierarchical Clustering (including K-Means) Latent Semantic Analysis Word Vectors (including BERT introduction) Language Models Deep Learning for Text (W2V embedding, RNN) Ω 私心推荐指数(以五分计) ★★★★★ 想学会使用文字探勘的套件：★★★★☆ 想知道文字探勘能用来做什麽：★★★★☆ 想学得很扎实：★★★ η 上课用书(影印讲义或是指定教科书) 老师自编讲义 但很多内容是从 Stanford NLP Group 网站上找下来的ＸＤ μ 上课方式(投影片、团体讨论、老师教学风格) 投影片讲解，搭配程式操作（使用jupyter notebook）。 这学期疫情关系有录影，後来可以实体上课时有恢复实体授课。 老师讲得很清楚，而且不会很快，下课有不清楚都可以问，加上这门课导论性质很重，学 习品质应该很好。 σ 评分方式(给分甜吗？是紮实分？) 三次作业共30%（7.5/11.25/11.25）、期末考35%、期末专案35%。 应该算甜，作业基本上可以拿满，期末考给分有点谜（我没去阅卷但比我想像中的低，身 边的朋友也拿得偏低），平均27.5/35。 期末专案给分算不错，平均31.5/35，而且不会花很多时间，主要时间应该都在处理资料 跟选模型？我是拿快33，不过期末报告不是最高分让我有点想见识看看最高分的报告到底 写了什麽ＸＤ ρ 考题型式、作业方式 作业： 三次程式作业，第一份是做text preprocess後计算文本的TFIDF；第二份是做classifica- tion，分别用Naive Bayes/SVM Linear/SVM Kernal做，再把结果丢上Kaggle；第三份也 是做classification，只是是使用word embedding，也是丢上Kaggle。三次作业都要交一 份报告跟source code，注意source code要能reproduce在助教那边，所以在报告内要把 需要的环境与套件写好，或是直接写一份requirements.txt包在作业档案夹内，总之写清 楚、让助教可以跑你的code就没事了。 考试： 只有一份期末考，题目都是简答题、名词与模型解释什麽的满符合课程的设计，觉得没有 很难，期末考前再准备也来得及，至少我是期末考当天凌晨才开始读，只读讲义，最後拿 78。 专案： 内容与文字探勘有关系的就好，有人做电影的评价之类的，我们这组是做社交媒体上的政 治情感分析，有使用到的技术大概是BERT、DNN，和一些人家写好的情感分析套件，最後写 了六页左右的报告，结果也满不错的。原本以为应该是最高分没想到不是，有够气ＸＤＤ 专案基本上比较花时间的应该是想题目以及处理资料，会爬虫的话佳，但不会的话上 kaggle之类的拿现成资料应该也可以？ 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…) 没有出席分，会写python、数学会条件机率就够了。 加签的话有优先顺序，商资学程优先加签，资管本系会被赶去上另一个比较难的班，最後 应该签到100多人。 Ψ 总结 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.73.209 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1643483528.A.DD5.html