※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：是
哪一学年度修课： 102-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
李琳山 教授
δ 课程大概内容
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 私心推荐指数(以五分计) ★★★★★
★★★★★，大推这门课!!
η 上课用书(影印讲义或是指定教科书)
没课本，只有投影片，不过投影片会有Reference让大家去看
μ 上课方式(投影片、团体讨论、老师教学风格)
投影片上课，偶尔会用板书辅助解释，老师上课的讲解都非常的清楚
不过我觉得速度蛮快的，每个礼拜课堂开始的时候老师都会把前面的
内容复习一次。另外我觉得很棒的一点是跟信号与系统一样，老师上
课都会录音放到网络上，上课有不清楚的地方可以课后再听一次。
σ 评分方式(给分甜吗？是扎实分？)
三次作业分别15%、5%、15%
Final Project 30%
期中考 25%
期末考 10%
分数还没出来不知道，不过应该是扎实分
ρ 考题型式、作业方式
三次作业：
第一次作业是用C/C++或Matlab写关于Hidden Markov Model的程式
第二次作业是二选一，使用HTK或是标记Spectrogram
第三次作业是用C/C++或Matlab写关于Language Model的程式
第一次和第三次是程式实作，要花一点时间，第二次很快就能写完
从配分比例也可略知一二各作业的难度XD
Final Project：
题目自订，任何跟语音相关的主题都可以写，型式可以是阅读论文的
读书报告，或是程式的实作。
期中考、期末考：
考试open book，主要是问答题，都从上课或作业内容出，加上open
book，基本上不难，考前老师会提供考古题，考题型式都差不多。
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
上课不会点名，不管迟到，不过一堂课三小时下来内容都很多，上课老师
的讲解会比投影片清楚很多，不然就是用线上的录音把课补上。
基础的话主要是机率、线性代数、信号与系统，不过用到最多的应该是
机率。
加签的情况有点忘记了，大学部是1类加选，研究所不太确定。
Ψ 总结
真的是一门非常棒的课，一学期修下来收获非常多，对于语音处理的基本
概念跟其相关主题都会有一定的认识，上课介绍的算法都很经典，老师
是这个领域的大师，上课的讲解也非常的清楚，深入浅出，透过上课就
能学到很多，总之，非常推荐有兴趣的人来修。