# 接手卡：自然語言處理（115-1 清大 TAICA）

最後更新：2026-10-01（W4 筆記完成）

## 2026-10-01 狀態（先讀這段）

- 流程以 `C:\D槽\TAICA課程\_筆記SOP.md`（v2.4）為準；下面「現在做到哪」「下一步」是舊資訊，W1–W4 都已完成。
- W4（10/1）有兩支影片：老師正課（約 1:20）＋助教 PyTorch 教學（2024 錄影，約 1:26）。9 章，週頁 https://app.notion.com/p/3ecfc631b03081b8aa2cf4a97467ed41
- 老師 10/1 把投影片改回沒有 `_v2` 的檔名；舊 `_v2` 檔已從 git 歷史救回原位（W2、W3 設定還指著它們）。
- 下一堂從 `W2_Word embeddings and Language Modeling (RNN).pdf` p.48（FFN、RNN）接。作業一約 10/15 交。


## ⚠️ 2026-09-25 筆記改版 v2（先讀這段）

- **Notion 筆記全部重做成新結構**：學習主頁 → 課程 → 週 → 章節，外加兩門課共用的「概念資料庫」。
- NLP 的**新課程頁**：`3e6fc631-b030-81b4-a9e8-f91f3411f61f`（週次導覽 W1–W3 目前都是「⏳ 重建中」）。
- 下面「固定位置」表裡的**舊課程頁與舊 W1／W2 筆記**已整棵搬進「📦 封存」（`3e6fc631-b030-81ef-8963-e93938b69f54`），**沒有刪**，只當漏看檢查表。
- 做法、模板、每週步驟：照 `人工智慧導論\_接手卡.md` 的「筆記 v2：每週怎麼做」。樣品是 AI W1。
- 概念資料庫的「週」欄用 `NLP-W1` 這種寫法（不是 `W1`）。
- 本檔最下面的「📖 術語卡標準」**已被 v2 取代**，新筆記不要再做舊式術語卡。
- 狀態（2026-09-26）：NLP W1–W3 新版**還沒做**，等主理人看完 AI W1 樣品的回饋。

## 現在做到哪

| 週次 | 影片 | 逐字稿 | Notion 筆記 |
|---|---|---|---|
| W1（9/10） | ✅ `第一周1150910/videoplayback.mp4` | ✅ `videoplayback.逐字稿.txt` | ✅ 完成（含 5 張 Mermaid 流程圖） |
| W2（9/17） | ✅ `第二周1150917/…Week 2.m4a` | ✅ 4,181 行 | ✅ 完成（含時間戳對照表 90 列） |
| W3（9/24） | 🔄 下載中 | ⬜ | ⬜ |

## 下一步

W3 的網址已拿到：`https://youtube.com/live/g0QE6O17BWE`（171 分鐘）。
**目前卡在下載**（YouTube 解析這支特別慢）。下載完 → 轉單聲道 → 跑逐字稿 → 寫筆記。

跑逐字稿的指令（約 15 分鐘）：

```bash
cd "C:/D槽/TAICA課程/自然語言處理/第二周1150917"
"C:/Users/user/.cache/meeting-record/venv/Scripts/python.exe" -u \
  "C:/Users/user/.claude/scripts/transcribe_class.py" \
  "W2_自然語言處理_高宏宇.m4a"
```

> 腳本原本放在 session 暫存資料夾，重開機會消失。
> 若不存在，重新建立：見下方「轉文字腳本」。
>
> 2026-09-17 改版：詞彙提示改成按課程切換，腳本會從音檔路徑自動判斷
> （路徑含「自然語言處理」→ nlp、含「人工智慧導論」→ ai、都不含 → generic）。
> 要強制指定加 `--course=nlp`。舊版備份在 `transcribe_class.py.bak`。

跑完後寫筆記，掛在 Notion 課程主頁底下。

## 固定位置

| 東西 | 位置 |
|---|---|
| Notion 課程主頁 | https://app.notion.com/p/3defc631b030811099abc599de73b686 |
| Notion W1 筆記 | https://app.notion.com/p/3defc631b0308158b66ecc0d0f9f7840 |
| Notion W2 筆記 | https://app.notion.com/p/3defc631b03081fab207fa9994c44a6f |
| **作業一資料夾（2026-09-28 整理）** | `自然語言處理\HW1\`：`HW1_作業介紹.html`（給人看）、`HW1_Word_Analogy_規定.md`（給 AI 看）、`原始檔_2026\`（GitHub 複製品）、`助教說明影片\`（音檔＋逐字稿） |
| **作業一原始素材（正本）** | `NTHU_.../2026/Assignments/Assignment1/`（PDF 37 頁＋main.ipynb＋csv）；`HW1\原始檔_2026\` 是 9/24 版的複製品，更新要看這裡 |
| 課程 GitHub（已 clone） | `NTHU_Natural_Language_Processing/`，投影片在 `2026/Slides/` |
| Python（含 faster-whisper、yt-dlp、pypdf） | `C:\Users\user\.cache\meeting-record\venv\Scripts\python.exe` |
| 課程 Slido | https://app.sli.do/event/oBajtdC5ZobNokWieGtjAg |

## 每週固定流程

1. 使用者給 YouTube 網址（課程 GitHub README 也會列）
2. `yt-dlp` 下載音訊 → `ffmpeg -vn -ac 1 -ar 16000 -c:a aac -b:a 48k` 轉單聲道
   （yt-dlp 的 `--postprocessor-args` 對已是 m4a 的來源不生效，要另外轉）
3. faster-whisper large-v3 on cuda 轉逐字稿（實測約 12 倍速：3 小時的課跑 15 分鐘）
4. 對照三種來源寫筆記：逐字稿 ＋ `2026/Slides/` 的投影片 PDF ＋ Slido 問答
5. 建 Notion 子頁，掛在課程主頁底下

## 轉文字腳本

若 `C:\Users\user\.claude\scripts\transcribe_class.py` 不存在，內容重點：
- faster-whisper `WhisperModel(name, device="cuda", compute_type="int8_float16")`
- `COURSE_PROMPTS` 是 dict（key：nlp／ai／generic），`pick_prompt()` 依路徑或 `--course=` 選一個
- `model.transcribe(audio, language="zh", initial_prompt=<NLP 課程詞彙>, vad_filter=True, beam_size=5)`
- 先呼叫 `os.add_dll_directory()` 加入 site-packages 底下的 `nvidia/cublas/bin`、`nvidia/cudnn/bin`，否則 CUDA 找不到 DLL
- 輸出 `<音檔名>.逐字稿.txt`，每行 `[HH:MM:SS] 內容`

## 投影片對應（重要，別找錯檔）

老師的投影片檔名前面的 `W` **不等於上課週數**。實際對應：

| 上課週 | 實際用的投影片 | 講到哪 |
|---|---|---|
| W1（9/10） | `Syllabus-115.pdf` 全部 ＋ `W1_NLP_brief.pdf` 開場約 5 頁 | — |
| W2（9/17） | **`W1_NLP_brief.pdf`**（95 頁） | **第 64 頁**（貓／狗／卡車那張圖） |
| W3（9/24） | README 標 **`W2_Word embeddings...(RNN)_v2.pdf`**（62 頁）；實際有沒有先講完 `W1_NLP_brief` p64–90 **要看逐字稿確認** | 預計 Bengio 2003 → LSA/LSI → word2vec |

老師明說**不會講 GloVe**（p91）。

`W2_Word embeddings and Language Modeling (RNN).pdf`（62 頁）**這堂完全沒用到**，
裡面的 N-gram、Perplexity、PPMI、FFN、RNN 之後才會上。

## ⚠️ 投影片已改版（2026-09-24 確認）

老師把投影片換成 `_v2`，README 現在指向新檔。**但我比對過，頁數完全沒變**：

| 投影片 | 舊 | 新（_v2） | 差異 |
|---|---|---|---|
| `W1_NLP_brief` | 95 頁 | 95 頁 | 只有 p66 標題多一個空格 |
| `W2_Word embeddings...(RNN)` | 62 頁 | 62 頁 | 完全相同 |

**所以 W1、W2 筆記裡標的頁碼不用改。** 以後再改版要重新比對一次。

## 作業一（2026-09-24 公布）

- **主題**：Word Analogy（`King is to Queen as Man is to Woman`）
- **期限**：老師寫「三週內」→ **約 10/15**。⚠️ 確切日期要去 NTU COOL 看
- **配分**：程式 55%（七個 TODO）／報告 45%
- **預訓練模型**：模板用 `glove-wiki-gigaword-100`
- **交法**：`.ipynb` ＋ `requirements.txt` 壓成 zip，檔名 `NLP_HW1_學校_學號.zip`，上傳 NTU COOL
- **最大的雷**：`.ipynb` 裡**每個 cell 的輸出都要留著**，沒有就所有實驗與圖表的分數全失
- 詳細規定看 `自然語言處理\HW1\HW1_Word_Analogy_規定.md`（2026-09-28 從上一層搬進 `HW1\`，並補上說法衝突、失效連結、模板毛病）
- 助教作業說明影片：`https://youtu.be/4nktsdfU24k`（24 分鐘，2026-09-23 上傳），逐字稿在 `HW1\助教說明影片\`
- **2026-10-04 進行中：AI 示範實作＋一條龍說明文件**，在 `HW1\示範實作\`。**接續前先讀 `HW1\示範實作\_接手卡.md`**（現況、下一步、踩過的坑都在那）。

## 學期關鍵日期

- **第 14 週推算 2026/12/10（四）實體期中考**，25%，斷網手寫。暫定未定案，要盯公告。
- 作業共 4 次佔 75%。**W2 課堂上老師明講：第一個作業「下禮拜就出了」，即 9/24 前後。**
  老師說可以先看 GitHub 上 2024／2025 的舊版（「作業不太改變」），但**難度會稍微調高**。
- GitHub 上現有的作業是 2025 舊版，不要先寫。

## W3（2026-09-24）已處理完成

- **影片**：`youtube.com/live/g0QE6O17BWE`，全長 2:51:00
- **逐字稿**：`第三周1150924\W3_自然語言處理_高宏宇.逐字稿.txt`（4,047 行）
- **Notion 筆記**：`W3 筆記｜2026-09-24 語言模型、word2vec 拆開來看、作業一公布`
  （page id `3e5fc631-b030-81ba-80e2-efdcb7750bdb`，在 NLP 課程主頁底下）
- **筆記結構**：跟 W1／W2／AI W1 一致 —— 開頭一張「🔍 回看影片對照表」（約 120 列，
  影片時間 → 章節 → 一句話），每個標題都掛 `h:mm:ss`。
- **這堂的內容分界**：0:02:31 開始；投影片是 **W1_NLP_brief 的後半**，
  **2:13:05 才換到 W2_Word embeddings**。所以 W2 那份投影片只上到開頭幾頁。

### 老師這堂明確講的考試資訊（重要）

- **實體閉書考試**，時間**大約第 14 週**（2:49:17，老師說「我寫 mid-term 但其實比較在期末」，
  會在兩週內確認）。
- **不考算式**（明講不會叫你寫 BM25 公式）。**考作業過程與 insight**（1:47:43、2:48:35）。
- ⚠️ 所以筆記刻意把老師的故事、比喻、感想都記下來 —— 那些才是他會考的。

### 順手做掉的事

- `~/.claude/scripts/fix_transcript.py` 新增 **44 條**錯字修正（這堂新發現的）。
  重點：`propriety／propensity／preparsity` 都是 **perplexity**；`幾率 → 機率`（43 處）；
  `Glowback → GloVe`、`Fastest → FastText`、`SKIGRAND → Skip-gram`、`捐信 → Gensim`、
  `Engram → n-gram`、`Bird／Burr／Burt → BERT`、`GBT → GPT`、`語調庫 → 語料庫`。
  已重跑套用到 NLP W1／W2／W3 三份逐字稿（AI W1 無變動）。原始輸出留在 `.orig.txt`。
- ⚠️ 新增的條目裡 `Fastest`、`Bird`、`MTB`、`Engram`、`lacuna` 本身都是真的英文字，
  是「這兩門課的語境下一定是錯字」才放的。**換課用要重新評估。**

### 跑腳本要用的 Python（不是系統的 python）

```
C:\Users\user\.cache\meeting-record\venv\Scripts\python.exe
```

`opencc` 和 `faster_whisper` 只裝在這個 venv，其他五套 Python 都沒有。

## 📖 術語卡標準（2026-09-25 定案，四份筆記都已套用）

主理人的需求原話：「出現這種文字…你是不是可以幫我做一個解釋？例如說這個詞是什麼意思？
那影響了什麼事情？在這裡面做了什麼角色？什麼關鍵」

**格式（主理人選的）**：摺疊卡 ＋ 頂部總表。
**密度（主理人選的）**：只標「老師沒解釋、或只出現在英文簡報上」的詞。老師自己講白的不重複。

### 一、每份筆記開頭加一張「📖 本週術語總表」

放在「🔍 回看影片對照表」後面。三欄：詞｜一句話｜去哪一節看卡。
表格上面要寫一句「老師已經講白的（列出來）在各節的 callout 裡」，避免主理人以為漏了。

### 二、術語出現的那一節，插一張摺疊卡

Notion enhanced markdown 寫法（**子內容不用自己縮排，Notion 會自動縮進摺疊裡**）：

```
<details>
<summary>📖 這個詞是什麼？（括號裡寫為什麼要補這張卡）</summary>
**是什麼**：…
**影響了什麼**：…
**在這裡的角色**：…
**關鍵**：…
</details>
```

四欄固定順序，缺一不可。可以在 details 裡面再包 `<callout>` 跟 `<table>`，實測可行。
★★ 標在 summary 開頭表示「很可能考、或跟作業直接有關」。

### 三、實作注意事項（踩過的坑）

- **update_content 的 old_str 要一字不差**，包含 callout 子行開頭的 tab。
  打錯一個字（我把「卻」打成「却」）整批就失敗，而且是全部不寫入。
- **不要用表格中間的 `<td>` 當錨點**，會把表格切壞。要用表格最後一列的 `</table>`，
  或用 callout 的最後一行 ＋ `</callout>`。錨點前先確認那真的是最後一列。
- Notion 會把 details 的子內容自動加一層 tab，callout 子內容再加一層。
  所以**之後要改卡的內容，old_str 要記得補 tab**。

### 四、已完成狀況

| 筆記 | 總表 | 卡數 | 最重要的一張 |
|---|---|---|---|
| NLP W1 | ✅ | 10 | **Encoder 與 Decoder**（BERT vs GPT 的全部差別，原本完全沒解釋） |
| NLP W2 | ✅ | 6 | **attention**（整份用了七次，一次都沒解釋） |
| NLP W3 | ✅ | 17 | **類神經網路的九個字**（老師明講「你可能要自己 catch」） |
| AI W1 | ✅ | 8 | **AI／ML／DL／GenAI／Agentic AI 五層各自是什麼** |

**還沒做**：AI W2（9/17）、AI W3（9/24）的筆記本身還沒建，逐字稿已備好。