※ 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：109-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
陳祝嵩
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、網媒所選修
δ 課程大概內容
Topics of classical DSP
→ Continuous-time Fourier transform (CTFT)
→ Discrete-time Fourier transform (DTFT)
→ Sample of continuous-time signals
→ Linear systems & its transform domain analysis
→ Z-transform
→ Structure of discrete-time systems
→ Discrete Fourier transform (DFT)
→ Fast computation of discrete Fourier transform (FFT)
→ Fourier analysis of signals using DFT
→ Random signals and systems
Non-classical topics
→ Sparse Representation
→ Principle Component Analysis (PCA)
→ Autoencoder
→ Convolutional Neural Networks (CNN)
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★
η 上課用書(影印講義或是指定教科書)
投影片，內容主要是來自三本書
第一本比較基礎
第二本比較經典，適合第二次念
第三本是比較老的書，會描述一些現實產業
James H. McClellan, Ronald W. Schafer, and Mark A. Yoader,
Signal Processing First
Alan V. Oppenheim and Ronald W. Schafer,
Discrete-Time Signal Processing, Prentice-Hall.
Boaz Porat, A Course in Digital Signal Processing
μ 上課方式(投影片、團體討論、老師教學風格)
投影片為主
有時候老師講到一半會有點興奮
出程式作業的時候會請助教來講解
σ 評分方式(給分甜嗎？是紮實分？)
Homework: several times (30%-35%)
Quiz: several times (15-20%)
Homework (program) 2-3 times (20%-35%)
Mid-term Test x 1 (15%)
分數會以最有利的方式計算
ρ 考題型式、作業方式
Quiz 這學期有 2 次，會提早一個禮拜以上預告
這次期中考在第 14 週，可以帶一張 A4 雙面
4 次非程式的作業，大約 2 ~ 3 題，主要是根據 classical DSP
3 次程式作業，都跟 MNIST 有關，主要是根據 Non-classical topics
Final Project:
給定軸承的振動和轉速，預測健康狀態
要把結果上傳到 Kaggle
最後一週會邀請排名在前面的或報告寫得不錯的人上去分享
作業都是以電子的方式繳交
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…)
不重出席
有點名幾次，但老師說只是要認識同學
學過 Signals and Systems 會比較好上手
但這門課是開在資訊系，所以還是會先提到一些
程式作業，老師建議是用 python
學期後半段的部份內容，老師說可能一半的人會聽不太懂，
可能要等年紀漸長之後才會有所體會
1 類加選
Ψ 總結
自認沒有學得很好，怕會上來誤導大眾
但最近發覺評價文越多越好
所以就來分享一點經驗
有錯請指正～