※ 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：100-1
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
δ 課程大概內容
Overview & Mathematical Foundations
Collocations
N-grams
Smoothing (Statistical Inference)
Hidden Markov Models
Part-of-Speech Tagging
Maximum Entropy Markov Model
Syntax and Grammars
Syntactic Parsing
Statistical Parsing
Semantic Representation and Computational Semantics
Lexical Semantics
An Application: Machine Translation
Computational Discourse
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)
(1) Daniel Jurafsky and James H. Martin,
Speech and Language Processing: An Introduction to Natural Language
Processing, Computational Linguistics and Speech Recognition,
Second Edition. Prentice Hall, 2008.
(2) Christopher D. Manning and Hinrich Schutze,
Foundations of Statistical Natural Language Processing,
MIT Press, 1999.
兩本課本，但其實投影片就很夠了，不需要借或買。
μ 上課方式(投影片、團體討論、老師教學風格)
投影片上課，還滿常早下課的@@常常最後一節課只上一半時間就下課了。
但最後幾週進度很趕，跳過滿多的...
σ 評分方式(給分甜嗎？是紮實分？)
期中期末考
期末專題
ρ 考題型式、作業方式
考試都考問答，只要回答概念就好，除了範圍很大以外倒也不算太難。
期末專題是要判斷句子的樹狀結構，子句間的因果轉折關係。依正確率給分。
如果只是做出一個尚能接受的結果，以期末專題而言其實不太花時間，但如果
要做得很好應該是滿困難的吧...
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…)
最好是會機率統計啦，雖然數學基礎會講但是講超快的，沒學過應該是
會聽不懂吧@@最好知道Bayesian跟MLE是什麼...
老師很願意簽人，最後教室滿擠的@@
Ψ 總結
這門課其實內容滿多的@@但考試內容不太難，平常也沒有作業，所以負擔倒也
還好。老師上課感覺有點平淡，印象中好像沒聽他講過笑話@@就課程內容而言
還算不錯啦。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 203.67.110.147