※ 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：108-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
丁建均教授
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)
电机所、电信所选修
δ 课程大概内容
分成四个大主题：微分方程、傅立叶分析、线性代数、机率与统计，以下章节顺序是老师自己编排的。
一、微分方程
Chapter 1 Numerical Methods and Nonlinear Differential Equations
Chapter 2 Partial Differential Equations
Chapter 3 Function Approximation
(用 Orthogonal Basis 来近似函数在某一区间上的行为、Gram-Schmidt process、Legendre Polynomial)
二、傅立叶分析
Chapter 4 Fourier Analysis
Chapter 5 Sampling and Discrete Fourier Transform
三、线性代数
Chapter 6 Advanced Linear Algebra
(Kroneker Product、Jordan Canonical Form、矩阵版本的 Exponential, sine, cosine 函数、Markov Model)
Chapter 7 Discrete Basis Approximation
(Chapter 3的离散版本、矩阵的 Pseudo Inverse)
Chapter 8 Component Analysis
(奇异值分解(SVD)、主成份分析(PCA))
四、机率与统计
Chapter 9 Advanced Probability
(Moment, Correlation, Entropy, KL Divergence, 独立成份分析(ICA))
Ω 私心推荐指数(以五分计) ★★★★★
轻松舒服的数学课 ★★★★★
η 上课用书(影印讲义或是指定教科书)
主要是老师自编的投影片，非常详细。参考用书有以下：（我是完全没用到）
[1] D. G. Zill and Michael R. Cullen, Differential Equations-with
Boundary-Value Problem (metric version), 9th edition, Cengage Learning, 2017.
[2] D. G. Zill, W. S. Wright, and J. J. Ding, Engineering Mathematics, Metric
Edition, Cengage Learning, Taipei, Taiwan, 2019.
[3] R. N. Bracewell, The Fourier Transform and Its Applications, 3rd ed.,
McGraw Hill, Boston, 2000.
[4] L. E. Spence, A. J. Insel, and S. H. Friedberg, Elementary Linear Algebra
- A Matrix Approach, 3rd ed., 2014.
[5] R. D. Yates and D. J. Goodman, Probability and Stochastic Processes, 3rd
Edition, John Wiley and Sons, 2015.
[6] A. Papoulis and S.U. Pillai, Probability, Random Variables, and
Stochastic Processes, 4th edition, Mcgraw-Hill, 2002.
μ 上课方式(投影片、团体讨论、老师教学风格)
投影片上课。因为疫情关系老师会录影传到 NTU Cool 上，所以可以依自己喜欢多复习几次。
不过因为老师是第一次开这门课，所以投影片都是新写的，上面打错满多东西，老师下课后会上传笔迹档，上面会有各种修改痕迹。所以推荐上课前印投影片然后直接手改（也可以下载之后用电脑改，但很花时间）。千万不要考前一天才把投影片全印下来，难保期末考的时候抄到有 typo 的公式。不过下次开课可能就会改善许多。
σ 评分方式(给分甜吗？是扎实分？)
作业 13% ×5
期末考 35%
甜到不行。还没公布分布，猜测会有一堆A+。
ρ 考题型式、作业方式
作业和考试都和课堂投影片的范例类似，期末考 Open Book，基本上不会刁难同学。计算题老师会事先算过，尽量避免那种数字丑积分要积一小时的题目。每次作业会有一题程式题，把教过的算法用 Matlab 或 Python 实作一遍，不难，半小时内都可以写完。
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…)
用到很多积分。其他像微分方程、线性代数、机率统计最前面老师都会简单复习一次，零基础也可以来。
老师人很好，下课可以问他问题，他通常会整节下课都在回答同学的问题。这整个学期多达 700 页的投影片都是他自己做的，真是非常敬佩老师。
Ψ 总结
一门轻松舒服的数学课。老师主要是要补充电机系大学部工程数学没教到但他觉得比较常用的部分，要是上到一半突然教到你研究需要的数学工具那当然更好。我正好复习到了早就忘光的 Sampling Theorem ，满好的。可以当作补充一些常识，也不错。