※ 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）：yes
哪一學年度修課：103-1
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
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
電機系選修
(也許也是資工系選修吧)
δ 課程大概內容
[期中考：Fundamental Topics]
1. Introduction
2. Basic Concepts in Speech Recognition
3. Research Roadmap in this Area
4. More about Hidden Markov Models (HMM)
5. Acoustic Modeling
6. Language Modeling
7. Speech Signals and Front-end Processing
8. Linguistic Decoding and Search Algorithm
[期末考：Research Topics]
9. Speech Recognition Updates
10. Speech-based Information Retrieval
11. Spoken Document Understanding and Organization for User Content Interaction
12. Computer-Assisted Language Learning (CALL)
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
Ω 私心推薦指數(以五分計)
★★★★★
η 上課用書(影印講義或是指定教科書)
無教科書。
老師一開始就會把半學期的上課投影片都上傳
參考書目：
1. X. Huang, A. Acero, H. Hon, “Spoken Language Processing”,
Prentice Hall, 2001,松瑞
2. F. Jelinek, “Statistical Methods for Speech Recognition”,
MIT Press, 1999
3. L. Rabiner, B.H. Juang, “Fundamentals of Speech Recognition”,
Prentice Hall, 1993, 民全
4. C. Becchetti, L. Prina Ricotti, “Speech Recognition- Theory and
C++ implementation”, Johy Wiley and Sons, 1999, 民全
5. D. Jurafsky, J. Martin, “Speech and Language Processing-
An Introduction to Natural Language Processing, Speech Recognition,
and Computational Linguistics, 2nd edition”, Prentice-Hall, 2009
6. G. Tur, R. De Mori, “Spoken Language Understanding- Systems for
Extracting Semantic Information from Speech”, John Wiley & Sons, 2011
其他參考文獻課堂上提供
μ 上課方式(投影片、團體討論、老師教學風格)
老師用投影片上課
每堂課、包括作業講解都會錄起來
資工系館的椅子坐起來真的很舒服很催眠......XD
σ 評分方式(給分甜嗎？是紮實分？)
期中考 25%
作業 15% 5% 15%
期末考 10%
期末報告 30%
考試的調分狀況不清楚
期末報告的分數也不清楚
作業的話，助教通常會解釋分數如何配置
ρ 考題型式、作業方式
[考試]
英文出題，中文回答
OPEN BOOK(講義)，但不可以用電腦、手機
期中考比較多演算，期末幾乎都是名詞解釋
滿分超過一百分
考前老師會發考古題
也可以goo到好心電機系學長提供的考古題及他寫的答案
基本上老師只是希望大家可以唸書而已
不想要刁難大家> <
[作業]
貌似歷年來都是一樣的
不過作業三有時候是big5有時候是utf8
因為都一樣就不多介紹了
可以參考前面幾篇評價文:D
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…)
1. 出席、遲到
班級很大，不來也沒關係的~~
而且還有影片可以回家看
但是不來就是自己的損失囉:PP
2. 先修條件
應該是機率與統計吧，但其實也還好
然後C或C++一定要會，不然就掰了
然後有用到Linus的作業環境 <