※ 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： 109-2 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 陈信希 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) 资工系选修 知识管理学程 智慧医疗学分学程 δ 课程大概内容 第1周 2/25 Lecture 1. Introduction 第2周 3/4 Lecture 2. Words, Collocations and Multiword Expressions 第3周 3/11 Lecture 3. N-Gram Language Models, Smoothing and Discounting 第4周 3/18 Lecture 4. Neural Language Model and Word Embedding 第5周 3/25 Lecture 5. Sequence Labeling for Parts of Speech and Named Entities 第6周 4/1 温书假(调整放假) 第7周 4/8 Lecture 6. Deep Learning Architecture for Sequence Processing; Lecture 7. Machine Translation and Encoder-Decoder Models 第8周 4/15 (1) AI CUP 医病决策预判与问答 (邀请讲者：成大高宏宇教授) (2) Term Project 说明 第9周 4/22 期中考 第10周 4/29 Lecture 7. Machine Translation and Encoder-Decoder Models (pages 14-31) Lecture 8. Contextual Embeddings Lecture 9. Constituency Grammars and Parsing 第11周 5/6 Lecture 10. Statistical Constituency Parsing Lecture 11. Deep Neural Networks for Parsing 第12周 5/13 Lecture 12. Dependency Parsing Lecture 13. Word Senses and WordNet (pp. 1-22) 第13周 5/20 Lecture 14. Semantic Role Labelling and Argument Structure (pp. 1-73) 第14周 5/27 Lecture 15. Representation of Sentence Meanings (pp. 1-31) Lecture 16. Computational Discourse Lecture 17. Chinese Discourse Parsing and Its Applications Ω 私心推荐指数(以五分计) ★★★★★ ★★★ 上课会睡着的别来，老师的投影片自己看不太懂，也没甚麽录影 η 上课用书(影印讲义或是指定教科书) 无 μ 上课方式(投影片、团体讨论、老师教学风格) 投影片，老师讲他的，印象中不太有互动 σ 评分方式(给分甜吗？是紮实分？) 没公布各项占的比例，不过助教说应该是占各1/4 不过各项都有一个分数出来 有期中考、期末考、小组报相关主题论文、小组project 我成绩很烂，不过最後看比例我猜老师没当任何人，都在B-以上 ρ 考题型式、作业方式 考试可以去找考古题，形式都差不多，open book(但只能纸本)，期末变成线上考所以也 open internet 比较令人意外的是小组project最後变成是参加AI cup，一个和NLP有关的比赛题目，只是 到期中才公布说有点让人措手不及，因为这种形式所以排名也占部分分数。 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…) 老师讲话很容易让人睡着，而且有些数学的地方不会特别讲(虽然考试也没有考)，主要还 是考观念。 加签第一堂课助教用抽的(印象中) Ψ 总结 听完第一堂课如果觉得自己会睡着就真的不要修，觉得自己没学到东西QQ，学到的都是同 一学期机器学习学到的。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 155.4.158.30 (瑞典) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1647559277.A.962.html