● 課程說明(Course Desc<x>ription)
<br>
<br>自然語言理解技術在人工智慧的發展極為重要，然而所有的人工智慧處理技術，都需要跨領域專家的投
<br>入，特別是在語言領域。隨著me<x>ta於2022年底發表閩南語與英語的自然語言處理與轉譯，掀起一股本土語
<br>言的資訊處理熱潮；而台灣本土語言更是重要一環，因此本課程設計給對於語言人工智慧科技有興趣的語
<br>言學領域學程，應用台灣本土語言的語言特徵，結合自然語言處理技術應用，聚焦探討分析產出的台灣本
<br>土語言使用特徵，研討語言(語音及語義)使用特徵並歸納模型，提供給資訊領域參考使用。
<br>本課程將涵蓋：語料前置處理、語音/語義分析、資料分析實作、研究討論。
<br>
<br>
<br>● 課程目標：
<br>(1)	理解人工智慧/自然語言處理/語義分析在本土語言應用偵測之重要性。
<br>(2)	學習多元科技輔助在本土語言學習與教學的科技應用。
<br>
<br>
<br>● 指定用書(Text Books)
<br>
<br>1.	Dash, Bhattacharyya, P., & Pawar, J. D. (2017). The WordNet in Indian 
<br>Languages (Dash, P. Bhattacharyya, & J. D. Pawar, Eds.; 1st ed. 2017.). Springer 
<br>Singapore. https://doi.org/10.1007/978-981-10-1909-8
<br>2.	Hammond. (2020). Python for linguists. Cambridge University Press. [國立清華
<br>大學圖書館線上可得]
<br>
<br>
<br>● 參考書籍(References)
<br>
<br>1.	Kent, Carmel., du Boulay, Benedict . (2022) AI for Learning. Taylor & 
<br>Francis eBooks. (ISBN 9781032039213)
<br>2.	Kulkarni, Shivananda, A., & Kulkarni, A. (2022). Natural language processing 
<br>projectsR39;: build next-generation NLP applications using AI techniques. Apress. 
<br>https://doi.org/10.1007/978-1-4842-7386-9
<br>3.	Wang, Feng, Y., Hong, Y., & He, R. (2021). Natural language processing and 
<br>Chinese computingR39;: 10th CCF International Conference, NLPCC 2021, Qingdao, China, 
<br>October 13-17, 2021R39;: proceedings. Part II (Wang, Y. Feng, Y. Hong, & R. He, Eds.). 
<br>Springer International Publishing. https://doi.org/10.1007/978-3-030-88483-3
<br>4.	Wang, Shan. (2022). Investigating Verbs of Confession Through a Syntactic 
<br>and Semantic Annotation Tool. In Chinese Lexical Semantics (pp. 198–211). Springer 
<br>International Publishing. https://doi.org/10.1007/978-3-031-06703-7_15
<br>
<br>
<br>● 教學方式(Teaching Method)
<br>      主題演講、專題討論、語料蒐集前置處理示例講解
<br>
<br>
<br>● 教學進度(Syllabus)
<br>
<br>第二學期上課前請預定要修課的同學請利用寒假時收看下面三個影片並繳交心得報告 (每個影片心得寫A4 
<br>一頁)，作為這個課程的先備知識：
<br>
<br>(1)	Create Your First Chatbot with Rasa and Python (2 hr)
<br>https://www.coursera.org/projects/chatbot-rasa-python
<br>
<br>(2)	Deep Learning Inference with Azure ML Studio (1.5 hr)
<br>https://www.coursera.org/projects/azure-machine-learning-studio-deep-learning-
<br>inference
<br>
<br>(3)	Text Mining and Analytics (33hr)
<br>https://www.coursera.org/learn/text-mining
<br>
<br>週次	主題
<br>1	人工智慧發展歷程介紹
<br>2	自然語言發展歷程介紹
<br>3	自然語言處理工具 - BERT
<br>4	語言特徵分析提取探討
<br>5	本土語言自然語言處理工具案例
<br>6	本土語言自然語言處理工具案例
<br>7	語言資料分析特徵探討與提取
<br>8	本土語言語料庫分析實作
<br>9	本土語料庫分析實作
<br>10	本土語言自然語言處理應用探討
<br>11	本土語言自然語言處理應用設計
<br>12	應用導向BERT變形探討
<br>13	應用語料訓練模式設計
<br>14	語料庫分析與結果
<br>15	本土語言自然處理未來展望
<br>16	期末報告與討論總結
<br>
<br>
<br>● 成績考核(Evaluation)
<br>
<br>(1)	 寒假時收看影片心得報告 (20%))
<br>(2)	 課堂及討論參與 (20%)
<br>(3)	 作業習題 (20%)
<br>(4)	 專題本土語料處理 (20%)
<br>(5)	 期末報告 (20%)
<br>
<br>
<br>● 可連結之網頁位址 相關網頁(Personal Website)
<br>(1)	https://github.com/google-research/bert
<br>(2)	https://github.com/wangshusen/DeepLearning
<br>
<br>