※ 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 须注明来自PTT。
哪一学年度修课：103-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
洪一平 - 图形分析辨认
λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关)
资工系 资工所 但是也有一些电机所的同学一起上
δ 课程大概内容
I. Pattern Recognition Overview
II. Bayesian Decision Theory
III. Supervised Learning Using Parametric Approaches
IV. Supervised Learning Using Non-parametric Approaches
V. Linear Discriminant Functions
VI. Unsupervised Learning and Clustering
VII. Special Topics in PR
Ω 私心推荐指数(以五分计) ★★★★★
4.5颗星
η 上课用书(影印讲义或是指定教科书)
老师用投影片上课，但是会有对应的课本和参考书籍。
指定阅读
R. Duda, P. Hart, D. Stork, Pattern Classification, 2nd Ed.,
John Wiley and Sons, 2001.
Reference book:
1. S. Theodoridis, K. Koutroumbas, Pattern Recognition, 4th ed.,
Academic Press, 2009.
2. C. M. Bishop, Pattern Recognition and Machine Learning, Springer,
2006.
μ 上课方式(投影片、团体讨论、老师教学风格)
前半学期讲的很仔细，很注重数学机率、统计的概念、证明。
后半学期步调会加快。
用投影片上课，每周都会针对课堂互动、同学问答的地方修正投影片。
老师很活泼，会抛出一些问题让同学思考，勇敢举手回答就对了。
不用担心答错，老师会给予提示，临时太紧张卡住的话
同学、朋友、隔壁的正妹、型男或者大神也可以举手救你。
课后寄e-mail 给老师注明日期、自己的 姓名 学号 回答问题与内容
可以当作课堂互动的参与纪录。
σ 评分方式(给分甜吗？是扎实分？)
Term Project and Presentation 45%
Mid-Term Exam(纸笔测验) 30%
Homework assignments(课后作业) 20%
Class Participation 5%
一分耕耘 一分收获。期末Project很重要，一定要用心做。
Homework、Project 有任何问题可以请教课程TA，人很好讲解也很细心。
ρ 考题型式、作业方式
Homework 有3~4次(102-1有4次，103-1有3次)
大部分是勾选出来的课本习题，题型有难有易，平均算是中间偏难一点。
Homework 可以缴交电子档，可缴交纸本，
切记勿迟交作业，会扣分。
纸笔测验只有一次期中考试，3小时考试时间，
大约考5~7大题(有计算题、证明题)。
课本、作业务必熟读、精通。
不敢说拿满分，但是有认真准备考70~85应该没问题。
PS: 这学期好像有神人考99还是100~ XD
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…)
出席率不计分。但是还是推荐去教室上课，有听过一次再复习会快上很多。
推荐3人同行，因为这样Project分组刚刚好，不多也不少。
基础：大一微积分、机率与统计、线性代数。
加签：开学第一周上课找老师登记，领取绿色的授权码纸条。
Ψ 总结
期末Project 很重要
期末Project 很重要
期末Project 很重要
因为很重要所以讲三次。
小鲁弟期中考考的一般般，有幸靠Project Proposal 和 Demo 保住A+。
要谢的人太多了，就谢天吧！
最后祝大家： 新年快乐，寒假愉快~