※ 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： 103
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
李宏毅
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)
电机工程研究所
δ 课程大概内容
主要就是讲Deep Learning和Structured Learning，不过由于这门课是完全
由作业决定成绩，且到后来的内容就越来越和作业没有关系，我也就不常去
上课了...。老师的网站上写得很清楚，有兴趣可以自己去看，而虽然我没
修过林轩田的机器学习，不过老师表示他会在内容上尽量和林轩田老师的课
错开来，所以应该不用怕学不到新东西。
Ω 私心推荐指数(以五分计)
★★★★★
η 上课用书(影印讲义或是指定教科书)
无
μ 上课方式(投影片、团体讨论、老师教学风格)
投影片上课，不过由于这门课修的人实在太多，老师有开隔壁教室做同步，
老师把投影片和课程录影录影公开在课程网页上，所以我觉得如果只是要听
老师讲机器学习的话，不一定要修课。老师上课常会用很多动漫哏，尤其是
凉宫春日，喜欢的人应该会觉得满有趣的。另外老师很喜欢大家问问题，有
人举手就会很激动的停下来给发问的人讲，然后几乎都会说“我觉得这个问
题问得非常好”，才继续回答。偶尔也会请专家来演讲，像是请NVIDIA的人
来讲GPU在机器学习的应用，还有请徐宏民教授讲 convolutional neural
network，Final Stage(等下说明)时也有请联发科的人讲机器学习有用在手
机的什么什么功能。
ρ 考题型式、作业方式
因为作业就占了全部所以这里我会讲详细一点，我尽量用比较浅显的方式说
明每个作业在做什么。其实作业做的都是语音处理，只是这门课不需要相关
基础也能做。而作业基本上都是分组进行，一组两到四人，这次大概有五十
组左右。
作业一：手刻DNN(Deep Neural Network)
目标是把一句不知内容为何语音转成“phone”，phone可以就想做音标，像
是apple 是由 ae p el 三个音标组成的。每一个声音片段都会对到一个音标
，所以我们要做的就是把声音片段的音标找出来，我们拿到每个声音片段都
是用一个向量表示，所以DNN的输入就是一个向量，输出就是它的音标，当然
助教会给有标记的资料让我们train。会讲手刻是因为助教几乎禁止所有机器
学习的Library，除了计算需要的GPU加速的套件以外。
作业二：Structure Learning
作业二是直接承袭作业一的，虽然现在一句话对应到的 phone sequence
已经决定，但是如果考量每个phone的前后出现机率的话，可以让结果更好
。这个步骤就是这个作业的目的，而助教是希望我们用 Structured SVM的
Library，搭配Viterbi算法完成。
作业三：手刻 RNN(Recurrent Neural Network)
RNN和一般NN不同的是它有记忆性，而做的事和作业一类似，只是这次输入
是有挖空并附选项的福尔摩斯小说的句子，而我们要利用RNN找出正确的选
项。train的资料是助教给的十九世纪小说集(只能用这个train)。助教有
另外同意让我们用google word2vec，只是RNN基本上还是要自己写。
Final Project：实际完成一个ASR(Automatic Speech Recognition system)
其实前几次作业都是在做语音辨识系统的一部分，Final Project就是希望
我们把它全部合起来，流程大概是这样：
hw1 hw2 WFST hw3
一堆向量