※ 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):
哪一學年度修課:
105-2
ψ 授課教師 (若為多人合授請寫開課教師,以方便收錄)
陳縕儂
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
資工所選修
δ 課程大概內容
02/21/2017 Introduction Modular Dialogue System
02/28/2017 Break
03/03/2017 Milestone 0 Due
03/07/2017 Break
03/14/2017 Break
03/21/2017 Ontology/Database and Language Understanding
03/28/2017 Dialogue State Tracking
04/04/2017 Break
04/08/2017 Milestone 1 Due
04/11/2017 Dialogue Policy Optimization 1 / User Simulation
04/18/2017 Automatic Speech Recognition
04/25/2017 Dialogue Policy Optimization 2
05/02/2017 Natural Language Generation Microsoft API Tutorial by Eric
05/06/2017 Milestone 2
05/09/2017 TA Discussion
05/16/2017 Progress Presentation & Demonstration
05/23/2017 Natural Language Generation Evaluation
05/30/2017 Break
06/03/2017 Milestone 3 Due
06/06/2017 Multimodality, Robustness & Flexibility Guest Talk by NVIDIA
06/13/2017 Recent Trends & Final Discussion
06/20/2017 Final Poster Presentation
Ω 私心推薦指數(以五分計) ★★★★★
2顆
η 上課用書(影印講義或是指定教科書)
沒有
μ 上課方式(投影片、團體討論、老師教學風格)
從上面的syllabus可以看出,這門課有大概1/3的時間是break.
基本上這個課上課幾乎是學不太到東西的(所有的東西幾乎在第1堂課就教完了)
剩下的時間就是一直重複教第1堂的東西
雖然一開始就已經說這是project-based的課程
但跟project有關的實作方式(例如:policy gradient等等)
也幾乎都沒有教過
σ 評分方式(給分甜嗎?是紮實分?)
miiestone的分數是照著requirement給分(雖然事前並沒有明確公告requirement)
final的分數則是看評審心情(最後一天的presentation)
評審有系上的一些老師
還有微軟的人
但這會讓人死的很不明不白...
完全不知道自己到底為什麼分數會很低/很高
有些得高分的組,其實我也看不出來他們跟我們的差別
ρ 考題型式、作業方式
基本上整堂課就是做出一個chatbot.
最後會要做成一個網站,然後大家可以用這個去查東西。
然後每個milestone會有一個要求,可以當成有3次作業,但是可以連著一直做下去。
但是這是理想狀況,事實是很多次作業都只是做那次作業要求的東西
然後之後也不能用
spec也非常的簡略
可是milestone又是按照spec給分
又有出現過,在deadline前一天又更改spec的狀況
每個組之間,助教的評分標準又有一些差異
有時候問助教事情
助教就會說要問問看老師
然後就等了很久..
然後每組主題也不同,拿到一些做起來比較沒意義的題目
基本上還是退選比較好XD
有非常大量的垃圾事要做
如果想修最好可以跟工作馬一組
否則大家都會一直該該叫XD
分數的話
應該是不太甜
除非你知道評審喜歡什麼
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…)
不注重出席率
基礎的話
最好很會爬資料、寫網頁、生data、寫很多if-else
和少數一些NN的東西,老師上課並不會仔細教這些東西
但是會需要實作出來(不過實作NN的東西是比較簡單的部份)
適合很有耐心的人來上
Ψ 總結
這門課要做出一個chatbot
需要花很多時間
但是不一定能學習到什麼(不過也許能夠獲得成就感,但我個人是沒有)
如果對chatbot很有興趣
又可以接受做很無聊的事情(例如:if-else)
那也許可以上上看這門課