※ 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：
109-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
陈信希
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)
资工系选修
知识管理学程
智慧医疗学分学程
δ 课程大概内容
第1周 2/25 Lecture 1. Introduction
第2周 3/4 Lecture 2. Words, Collocations and Multiword Expressions
第3周 3/11 Lecture 3. N-Gram Language Models, Smoothing and Discounting
第4周 3/18 Lecture 4. Neural Language Model and Word Embedding
第5周 3/25 Lecture 5. Sequence Labeling for Parts of Speech and Named
Entities
第6周 4/1 温书假(调整放假)
第7周 4/8 Lecture 6. Deep Learning Architecture for Sequence Processing;
Lecture 7. Machine Translation and Encoder-Decoder Models
第8周 4/15 (1) AI CUP 医病决策预判与问答 (邀请讲者：成大高宏宇教授)
(2) Term Project 说明
第9周 4/22 期中考
第10周 4/29 Lecture 7. Machine Translation and Encoder-Decoder Models
(pages 14-31)
Lecture 8. Contextual Embeddings
Lecture 9. Constituency Grammars and Parsing
第11周 5/6 Lecture 10. Statistical Constituency Parsing
Lecture 11. Deep Neural Networks for Parsing
第12周 5/13 Lecture 12. Dependency Parsing
Lecture 13. Word Senses and WordNet (pp. 1-22)
第13周 5/20 Lecture 14. Semantic Role Labelling and Argument Structure
(pp. 1-73)
第14周 5/27 Lecture 15. Representation of Sentence Meanings (pp. 1-31)
Lecture 16. Computational Discourse
Lecture 17. Chinese Discourse Parsing and Its Applications
Ω 私心推荐指数(以五分计) ★★★★★
★★★
上课会睡着的别来，老师的投影片自己看不太懂，也没什么录影
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)
投影片，老师讲他的，印象中不太有互动
σ 评分方式(给分甜吗？是扎实分？)
没公布各项占的比例，不过助教说应该是占各1/4
不过各项都有一个分数出来
有期中考、期末考、小组报相关主题论文、小组project
我成绩很烂，不过最后看比例我猜老师没当任何人，都在B-以上
ρ 考题型式、作业方式
考试可以去找考古题，形式都差不多，open book(但只能纸本)，期末变成线上考所以也
open internet
比较令人意外的是小组project最后变成是参加AI cup，一个和NLP有关的比赛题目，只是
到期中才公布说有点让人措手不及，因为这种形式所以排名也占部分分数。
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…)
老师讲话很容易让人睡着，而且有些数学的地方不会特别讲(虽然考试也没有考)，主要还
是考观念。
加签第一堂课助教用抽的(印象中)
Ψ 总结
听完第一堂课如果觉得自己会睡着就真的不要修，觉得自己没学到东西QQ，学到的都是同
一学期机器学习学到的。