※ 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：
109-2
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
陳信希
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)
資工系選修
知識管理學程
智慧醫療學分學程
δ 課程大概內容
第1週 2/25 Lecture 1. Introduction
第2週 3/4 Lecture 2. Words, Collocations and Multiword Expressions
第3週 3/11 Lecture 3. N-Gram Language Models, Smoothing and Discounting
第4週 3/18 Lecture 4. Neural Language Model and Word Embedding
第5週 3/25 Lecture 5. Sequence Labeling for Parts of Speech and Named
Entities
第6週 4/1 溫書假(調整放假)
第7週 4/8 Lecture 6. Deep Learning Architecture for Sequence Processing;
Lecture 7. Machine Translation and Encoder-Decoder Models
第8週 4/15 (1) AI CUP 醫病決策預判與問答 (邀請講者：成大高宏宇教授)
(2) Term Project 說明
第9週 4/22 期中考
第10週 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週 5/6 Lecture 10. Statistical Constituency Parsing
Lecture 11. Deep Neural Networks for Parsing
第12週 5/13 Lecture 12. Dependency Parsing
Lecture 13. Word Senses and WordNet (pp. 1-22)
第13週 5/20 Lecture 14. Semantic Role Labelling and Argument Structure
(pp. 1-73)
第14週 5/27 Lecture 15. Representation of Sentence Meanings (pp. 1-31)
Lecture 16. Computational Discourse
Lecture 17. Chinese Discourse Parsing and Its Applications
Ω 私心推薦指數(以五分計) ★★★★★
★★★
上課會睡著的別來，老師的投影片自己看不太懂，也沒甚麼錄影
η 上課用書(影印講義或是指定教科書)
無
μ 上課方式(投影片、團體討論、老師教學風格)
投影片，老師講他的，印象中不太有互動
σ 評分方式(給分甜嗎？是紮實分？)
沒公布各項佔的比例，不過助教說應該是佔各1/4
不過各項都有一個分數出來
有期中考、期末考、小組報相關主題論文、小組project
我成績很爛，不過最後看比例我猜老師沒當任何人，都在B-以上
ρ 考題型式、作業方式
考試可以去找考古題，形式都差不多，open book(但只能紙本)，期末變成線上考所以也
open internet
比較令人意外的是小組project最後變成是參加AI cup，一個和NLP有關的比賽題目，只是
到期中才公布說有點讓人措手不及，因為這種形式所以排名也佔部分分數。
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…)
老師講話很容易讓人睡著，而且有些數學的地方不會特別講(雖然考試也沒有考)，主要還
是考觀念。
加簽第一堂課助教用抽的(印象中)
Ψ 總結
聽完第一堂課如果覺得自己會睡著就真的不要修，覺得自己沒學到東西QQ，學到的都是同
一學期機器學習學到的。