※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課： 102-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
李琳山 教授
δ 課程大概內容
1.Introduction
2.Fundamentals of Speech Recognition
3.Map of Subject Areas
4.More about Hidden Markov Models
5.Acoustic Modeling
6.Language Modeling
7.Speech Signals and Front-end Processing
8.Search Algorithms for Speech Recognition
**********以上期中考**********************
9.Speech Recognition Updates
10.Speech-based Infromation Retrieval
11.Spoken Document Understanding and Organization for
User-content Interaction
12.Computer-Assisted Language Learning
13.Speaker Variabilities: Adaption and Recognition
14.Linguistic Processing and Latent Topic Analysis
15.Robustness for Acoustic Environment
16.Some Fundamental Principles–EM Algorithm
17.Spoken Dialogues
18.Conclusion
**********以上期末考**********************
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★，大推這門課!!
η 上課用書(影印講義或是指定教科書)
沒課本，只有投影片，不過投影片會有Reference讓大家去看
μ 上課方式(投影片、團體討論、老師教學風格)
投影片上課，偶爾會用板書輔助解釋，老師上課的講解都非常的清楚
不過我覺得速度蠻快的，每個禮拜課堂開始的時候老師都會把前面的
內容複習一次。另外我覺得很棒的一點是跟信號與系統一樣，老師上
課都會錄音放到網路上，上課有不清楚的地方可以課後再聽一次。
σ 評分方式(給分甜嗎？是紮實分？)
三次作業分別15%、5%、15%
Final Project 30%
期中考 25%
期末考 10%
分數還沒出來不知道，不過應該是紮實分
ρ 考題型式、作業方式
三次作業：
第一次作業是用C/C++或Matlab寫關於Hidden Markov Model的程式
第二次作業是二選一，使用HTK或是標記Spectrogram
第三次作業是用C/C++或Matlab寫關於Language Model的程式
第一次和第三次是程式實作，要花一點時間，第二次很快就能寫完
從配分比例也可略知一二各作業的難度XD
Final Project：
題目自訂，任何跟語音相關的主題都可以寫，型式可以是閱讀論文的
讀書報告，或是程式的實作。
期中考、期末考：
考試open book，主要是問答題，都從上課或作業內容出，加上open
book，基本上不難，考前老師會提供考古題，考題型式都差不多。
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
上課不會點名，不管遲到，不過一堂課三小時下來內容都很多，上課老師
的講解會比投影片清楚很多，不然就是用線上的錄音把課補上。
基礎的話主要是機率、線性代數、信號與系統，不過用到最多的應該是
機率。
加簽的情況有點忘記了，大學部是1類加選，研究所不太確定。
Ψ 總結
真的是一門非常棒的課，一學期修下來收穫非常多，對於語音處理的基本
概念跟其相關主題都會有一定的認識，上課介紹的演算法都很經典，老師
是這個領域的大師，上課的講解也非常的清楚，深入淺出，透過上課就
能學到很多，總之，非常推薦有興趣的人來修。