※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID） （是／否／其他條件）：是 哪一學年度修課： 102-1 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 李琳山 教授 δ 課程大概內容 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 私心推薦指數(以五分計) ★★★★★ ★★★★★，大推這門課!! η 上課用書(影印講義或是指定教科書) 沒課本，只有投影片，不過投影片會有Reference讓大家去看 μ 上課方式(投影片、團體討論、老師教學風格) 投影片上課，偶爾會用板書輔助解釋，老師上課的講解都非常的清楚 不過我覺得速度蠻快的，每個禮拜課堂開始的時候老師都會把前面的 內容複習一次。另外我覺得很棒的一點是跟信號與系統一樣，老師上 課都會錄音放到網路上，上課有不清楚的地方可以課後再聽一次。 σ 評分方式(給分甜嗎？是紮實分？) 三次作業分別15%、5%、15% Final Project 30% 期中考 25% 期末考 10% 分數還沒出來不知道，不過應該是紮實分 ρ 考題型式、作業方式 三次作業： 第一次作業是用C/C++或Matlab寫關於Hidden Markov Model的程式 第二次作業是二選一，使用HTK或是標記Spectrogram 第三次作業是用C/C++或Matlab寫關於Language Model的程式 第一次和第三次是程式實作，要花一點時間，第二次很快就能寫完 從配分比例也可略知一二各作業的難度XD Final Project： 題目自訂，任何跟語音相關的主題都可以寫，型式可以是閱讀論文的 讀書報告，或是程式的實作。 期中考、期末考： 考試open book，主要是問答題，都從上課或作業內容出，加上open book，基本上不難，考前老師會提供考古題，考題型式都差不多。 ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？ 加簽習慣？嚴禁遲到等…) 上課不會點名，不管遲到，不過一堂課三小時下來內容都很多，上課老師 的講解會比投影片清楚很多，不然就是用線上的錄音把課補上。 基礎的話主要是機率、線性代數、信號與系統，不過用到最多的應該是 機率。 加簽的情況有點忘記了，大學部是1類加選，研究所不太確定。 Ψ 總結 真的是一門非常棒的課，一學期修下來收穫非常多，對於語音處理的基本 概念跟其相關主題都會有一定的認識，上課介紹的演算法都很經典，老師 是這個領域的大師，上課的講解也非常的清楚，深入淺出，透過上課就 能學到很多，總之，非常推薦有興趣的人來修。 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.112.250.58 ※ 編輯: charleykuo97 來自: 140.112.250.58 (01/14 09:55) ※ 編輯: charleykuo97 來自: 140.112.250.58 (01/14 09:55)