※ 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）：
哪一学年度修课：
105-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
陈缊侬
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)
资工所选修
δ 课程大概内容
02/21/2017 Introduction Modular Dialogue System
02/28/2017 Break
03/03/2017 Milestone 0 Due
03/07/2017 Break
03/14/2017 Break
03/21/2017 Ontology/Database and Language Understanding
03/28/2017 Dialogue State Tracking
04/04/2017 Break
04/08/2017 Milestone 1 Due
04/11/2017 Dialogue Policy Optimization 1 / User Simulation
04/18/2017 Automatic Speech Recognition
04/25/2017 Dialogue Policy Optimization 2
05/02/2017 Natural Language Generation Microsoft API Tutorial by Eric
05/06/2017 Milestone 2
05/09/2017 TA Discussion
05/16/2017 Progress Presentation & Demonstration
05/23/2017 Natural Language Generation Evaluation
05/30/2017 Break
06/03/2017 Milestone 3 Due
06/06/2017 Multimodality, Robustness & Flexibility Guest Talk by NVIDIA
06/13/2017 Recent Trends & Final Discussion
06/20/2017 Final Poster Presentation
Ω 私心推荐指数(以五分计) ★★★★★
2颗
η 上课用书(影印讲义或是指定教科书)
没有
μ 上课方式(投影片、团体讨论、老师教学风格)
从上面的syllabus可以看出，这门课有大概1/3的时间是break.
基本上这个课上课几乎是学不太到东西的(所有的东西几乎在第1堂课就教完了)
剩下的时间就是一直重复教第1堂的东西
虽然一开始就已经说这是project-based的课程
但跟project有关的实作方式（例如:policy gradient等等)
也几乎都没有教过
σ 评分方式(给分甜吗？是扎实分？)
miiestone的分数是照着requirement给分(虽然事前并没有明确公告requirement)
final的分数则是看评审心情(最后一天的presentation)
评审有系上的一些老师
还有微软的人
但这会让人死的很不明不白...
完全不知道自己到底为什么分数会很低/很高
有些得高分的组，其实我也看不出来他们跟我们的差别
ρ 考题型式、作业方式
基本上整堂课就是做出一个chatbot.
最后会要做成一个网站，然后大家可以用这个去查东西。
然后每个milestone会有一个要求，可以当成有3次作业，但是可以连着一直做下去。
但是这是理想状况，事实是很多次作业都只是做那次作业要求的东西
然后之后也不能用
spec也非常的简略
可是milestone又是按照spec给分
又有出现过，在deadline前一天又更改spec的状况
每个组之间，助教的评分标准又有一些差异
有时候问助教事情
助教就会说要问问看老师
然后就等了很久..
然后每组主题也不同，拿到一些做起来比较没意义的题目
基本上还是退选比较好XD
有非常大量的垃圾事要做
如果想修最好可以跟工作马一组
否则大家都会一直该该叫XD
分数的话
应该是不太甜
除非你知道评审喜欢什么
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…)
不注重出席率
基础的话
最好很会爬资料、写网页、生data、写很多if-else
和少数一些NN的东西，老师上课并不会仔细教这些东西
但是会需要实作出来(不过实作NN的东西是比较简单的部份)
适合很有耐心的人来上
Ψ 总结
这门课要做出一个chatbot
需要花很多时间
但是不一定能学习到什么(不过也许能够获得成就感，但我个人是没有)
如果对chatbot很有兴趣
又可以接受做很无聊的事情(例如:if-else)
那也许可以上上看这门课