※ 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：
110-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
陈建锦
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)
资管系选修
商资学程（？）选修
δ 课程大概内容
Text Proeprocessing
Term Weighting and Vector Space Model
Text Classification
Naive Bayes Classification
Vector Space Classification (KNN, linear and nonlinear classification, SVM)
Flat Clustering
Hierarchical Clustering (including K-Means)
Latent Semantic Analysis
Word Vectors (including BERT introduction)
Language Models
Deep Learning for Text (W2V embedding, RNN)
Ω 私心推荐指数(以五分计) ★★★★★
想学会使用文字探勘的套件：★★★★☆
想知道文字探勘能用来做什么：★★★★☆
想学得很扎实：★★★
η 上课用书(影印讲义或是指定教科书)
老师自编讲义
但很多内容是从 Stanford NLP Group 网站上找下来的ＸＤ
μ 上课方式(投影片、团体讨论、老师教学风格)
投影片讲解，搭配程式操作（使用jupyter notebook）。
这学期疫情关系有录影，后来可以实体上课时有恢复实体授课。
老师讲得很清楚，而且不会很快，下课有不清楚都可以问，加上这门课导论性质很重，学
习品质应该很好。
σ 评分方式(给分甜吗？是扎实分？)
三次作业共30%（7.5/11.25/11.25）、期末考35%、期末专案35%。
应该算甜，作业基本上可以拿满，期末考给分有点谜（我没去阅卷但比我想像中的低，身
边的朋友也拿得偏低），平均27.5/35。
期末专案给分算不错，平均31.5/35，而且不会花很多时间，主要时间应该都在处理资料
跟选模型？我是拿快33，不过期末报告不是最高分让我有点想见识看看最高分的报告到底
写了什么ＸＤ
ρ 考题型式、作业方式
作业：
三次程式作业，第一份是做text preprocess后计算文本的TFIDF；第二份是做classifica-
tion，分别用Naive Bayes/SVM Linear/SVM Kernal做，再把结果丢上Kaggle；第三份也
是做classification，只是是使用word embedding，也是丢上Kaggle。三次作业都要交一
份报告跟source code，注意source code要能reproduce在助教那边，所以在报告内要把
需要的环境与套件写好，或是直接写一份requirements.txt包在作业档案夹内，总之写清
楚、让助教可以跑你的code就没事了。
考试：
只有一份期末考，题目都是简答题、名词与模型解释什么的满符合课程的设计，觉得没有
很难，期末考前再准备也来得及，至少我是期末考当天凌晨才开始读，只读讲义，最后拿
78。
专案：
内容与文字探勘有关系的就好，有人做电影的评价之类的，我们这组是做社交媒体上的政
治情感分析，有使用到的技术大概是BERT、DNN，和一些人家写好的情感分析套件，最后写
了六页左右的报告，结果也满不错的。原本以为应该是最高分没想到不是，有够气ＸＤＤ
专案基本上比较花时间的应该是想题目以及处理资料，会爬虫的话佳，但不会的话上
kaggle之类的拿现成资料应该也可以？
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…)
没有出席分，会写python、数学会条件机率就够了。
加签的话有优先级，商资学程优先加签，资管本系会被赶去上另一个比较难的班，最后
应该签到100多人。
Ψ 总结