※ 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：
104-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
陈定立
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)
数学系， 数学研究所
δ 课程大概内容
week 1: Maximum likelihood estimation, Gaussian mixture model, Gradient ascent
week 2: Maximum a posteriori estimation, K-means, Fuzzy c-means
week 3: EM algorithm
week 4: EM Algorithm Hidden Markov Model
week 5: Hidden Markov Model Dynamic Programming
week 6: Monte Carlo Integration
week 7: Importance Sampling
week 8: Random Number Generator
week 9: Markov chain Monte Carlo
week 10: Metropolis-Hastings Algorithm
week 12: Gibbs Sampler
week 13: Slice sampling, non-reverersible MCMC
week 15: Examples
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)
上课没有什么投影片，主要方式是先给出一个现实中的问题，并附上 data，然后说想要
解?
什么样的问题，接下来就是课堂上一起去思考说要怎么做。老师很强调要自己去想，
不要用任何学过的知识，而如果要用，你就必须知道他是怎么来的才能用，不能说我记得
什么东西可以解决这个问题而说不出原理。老师一直很强调说希望这门课结束后，
你可以从原理以及为什么要这样做而出发去思考一个问题
所以每次上课，都会是一个脑力大激荡，老师丢出问题，然后每个人发表意见，说自己有
什么想法可以怎么做，然后有人质疑就开始解释，有可能一整节课都没有任何进展。
然后下节课老师会给 hint，告诉说可以从哪里下手。
σ 评分方式(给分甜吗？是扎实分？)
我是认为扎实吧？XD
评分方式就是期中上机考，再加上期末报告。
期中上机考的内容会是上课所讲解过的问题，但会是变形，有四题左右
而那些问题通常都会伴随着每个礼拜老师出的作业，但这些作业是不评分的
是给你练习用的。因此虽然说作业不评分，但是不做的话期中考就会 掰了
因此作业量是蛮多的个人觉得，因为你要自己去思考问题，然后想到后把数学写出来
然后再写程式去验证。
因此只要都有写出来，分数都会不错，扎实又甜吗（矛盾）XD
ρ 考题型式、作业方式
如上，每周都会有不计分的作业，而作业会和上课要讨论的问题相关，
而没有做的话就很难参与讨论，然后这些作业和期中上机考相关。
老师很注重你有没有学会概念，因此上机考那段时间结束后，老师还开放了三次上传
期中考答案的机会，而且一些不会回答的上课也会解释说可以怎么做，然后又再开放
因此深刻感受到老师要你学会最重要的教学理念。
而期末报告就希望研究生能够把上课教过的东西找现实问题来解决。而大学部学生就
写心得就可以了。但是也有大学部的做final project。
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…)
课堂上有一半是外系的。基本上要有统计的基础，然后有基本程式经验(不限程式语言)
然后有一颗讨论的心，以及思考解决问题的心就够了。全签
Ψ 总结
老师是一个很有教学理念的老师，是第一次开课吧，很注重你有没有学会而不是把知识
灌输给你而已。
最后一周的时候还因为讲了太多方法而我们期中考也不见的能全部会应用出来
因此改成介绍一些实际例子让我们更了解方法的应用，希望我们结束这学期后会应用。
而且很深入浅出，透过上课讨论的方式，更加明白像是EM 是怎么推导出来的，
为了解决什么问题，而K means 又有什么限制，和 EM 的差别又是什么这样的领悟出来
是门好课，这好像是数学系推的资料科学的其中一个系列吧 XD