※ 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：109-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
陈祝嵩
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、网媒所选修
δ 课程大概内容
Topics of classical DSP
→ Continuous-time Fourier transform (CTFT)
→ Discrete-time Fourier transform (DTFT)
→ Sample of continuous-time signals
→ Linear systems & its transform domain analysis
→ Z-transform
→ Structure of discrete-time systems
→ Discrete Fourier transform (DFT)
→ Fast computation of discrete Fourier transform (FFT)
→ Fourier analysis of signals using DFT
→ Random signals and systems
Non-classical topics
→ Sparse Representation
→ Principle Component Analysis (PCA)
→ Autoencoder
→ Convolutional Neural Networks (CNN)
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)
投影片，内容主要是来自三本书
第一本比较基础
第二本比较经典，适合第二次念
第三本是比较老的书，会描述一些现实产业
James H. McClellan, Ronald W. Schafer, and Mark A. Yoader,
Signal Processing First
Alan V. Oppenheim and Ronald W. Schafer,
Discrete-Time Signal Processing, Prentice-Hall.
Boaz Porat, A Course in Digital Signal Processing
μ 上课方式(投影片、团体讨论、老师教学风格)
投影片为主
有时候老师讲到一半会有点兴奋
出程式作业的时候会请助教来讲解
σ 评分方式(给分甜吗？是扎实分？)
Homework: several times (30%-35%)
Quiz: several times (15-20%)
Homework (program) 2-3 times (20%-35%)
Mid-term Test x 1 (15%)
分数会以最有利的方式计算
ρ 考题型式、作业方式
Quiz 这学期有 2 次，会提早一个礼拜以上预告
这次期中考在第 14 周，可以带一张 A4 双面
4 次非程式的作业，大约 2 ~ 3 题，主要是根据 classical DSP
3 次程式作业，都跟 MNIST 有关，主要是根据 Non-classical topics
Final Project:
给定轴承的振动和转速，预测健康状态
要把结果上传到 Kaggle
最后一周会邀请排名在前面的或报告写得不错的人上去分享
作业都是以电子的方式缴交
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…)
不重出席
有点名几次，但老师说只是要认识同学
学过 Signals and Systems 会比较好上手
但这门课是开在资讯系，所以还是会先提到一些
程式作业，老师建议是用 python
学期后半段的部份内容，老师说可能一半的人会听不太懂，
可能要等年纪渐长之后才会有所体会
1 类加选
Ψ 总结
自认没有学得很好，怕会上来误导大众
但最近发觉评价文越多越好
所以就来分享一点经验
有错请指正～