Type of Credit: Elective
Credit(s)
Number of Students
此課程將著重於簡介語言學如何應用於計算語言學領域，講課內容包含基本理論及大量實作練習。希望學生能於課程結束之後，能自行運用常見機器學習模組 (e.g., SVM, MaxEnt, RNN, LSTM, ELMO, BERT 等) 做相關語言學研究。此門課期待學生已有基本 python 程式基礎，以便於能於課程中直接做應用練習。
能力項目說明
期望學生能於修習課程後，對於機器學習模型有個大概了解，以及語言學相關研究能知道如何透過這些模型做出應用，於之後畢業論文撰寫或是至業界找相關工作時能有基礎知識。
(暫定)
*課程內容與指定閱讀、教學活動與作業等相關活動將於開學前提供
週次 課程主題 學習投入時數
week 1 課程介紹 5
week 2 語言模型 5
week 3 語言模型 5
week 4 語言模型 5
week 5 斷詞 5
week 6 剖析器 5
week 7 關鍵詞抽取 5
week 8 分類及分群 5
week 9 期中 5
week 10 分類及分群 5
week 11 語意理解 5
week 12 語意理解 5
week 13 基本機器模型 5
week 14 embeddings 5
week 15 深度學習 5
week 16 深度學習 5
week 17 深度學習 5
week 18 期末展演 5
(暫定)
評分方式:
- 出席 20%
- 課堂練習/作業: 20%
- 課堂報告: 20%
- 期末口頭發表: 20%
- 期末報告: 20%
– Dan Jurafsky and James H. Martin. (2018). Speech and Language
Processing (3rd edition). Available at: https://web.stanford.edu/~jurafsky/slp3/.
– Benjamin Bengfort, Tony Ojeda and Rebecca Bilbro. (2018). Applied Text Analysis with Python: enabling language-aware data products with machine learning. O’Reilly.
– Jacob Perkins, Nitin Hardeniya, Deepti Chopra, Nisheeth Joshi and Iti Mathur. (2016). Natural Language Processing: Python
and NLTK. O’Reilly.
– Mark Lutz. (2015). Learning Python (5th edition). O’Reilly.
– Ruslan Mitkov. (2014). The Oxford Handbook of Computational Linguistics (2nd edition). Oxford University Press.
– Chris Manning and Hinrich Schütze. (1999). Foundations of Statistical Natural Language Processing. MIT Press.