2008年12月27日 星期六

Note: 同學的問題釋疑

這是一封修課同學的來信, 我將姓名等相關資料塗去後, 公佈出來, 目的是希望所有同學了解我的想法。

老師你好,我是○○○
關於這次影像處理的成績是不是就真的照今天早上說的決定?
因為我的成績這樣下來真的不好,
心得方面的分數一直都是靠其他人來作評分,也都很慘,絕大多數都是 C,
但我也只是據實以答,卻只能得到這樣的成績,實在是很難相信...
還有沒有可能增進的空間 ?
(期中跟期末兩著加權採計後 = ??分,不含自評及老師給予評分)

底下是我的回信內容:
○○○你好:

成績計算方式早於期初就公布,
大部分同學也都依循這樣的計分方式在努力尋求好成績,
因此, 現在更改計分方式是不可行的!

你的互評成績不高的主要原因
在我研讀你的報告後分析歸納出
可能是你在課堂參與的討論不夠深入
因此報告中所討論的內容僅限於表面,
因此雖然盡了全力, 仍然無法寫出同學認可的好報告!

期中考後, 你的第四章報告沒交,
第五章討論時你沒有出席課程,
經過一學期的課程,
我仍然記不得任何你在課堂上的表現,
你如果仍然無法相信你在本課程所獲得的成績,
請你回想一學期以來, 自己在課堂上的參與程度,
或許就比較能夠找出原因! 如果再不行,
我建議你去想想 課程部落格第15週中所描述的問題,
看看自己是否理解那10個問題!
那些都是我在課堂上與同學討論的重點!

期中考後的所有報告都是經過課堂討論後,
同學又修改過第一星期的報告, 在下星期才讓同學互評的,
因此, 積極參與課堂的討論, 在理解後,
自然能寫出較具內涵的報告,
你自認你已經努力並據實以答,
但在我分析看來, 卻是努力錯了方向,
導致事倍功半, 成績非常不理想!

用什麼角度看待失敗, 是人生中急需學習的課題,
這是我最後與你互勉的一個觀念!

李遠坤 敬上

2008年12月26日 星期五

Week 16: Course Summary

1. 影像處理課本未教完之部分的快速導讀: Chapter 7 ~ 16。

2. Chapater 6 作業互評
 New Idea: 有些同學對於互評非常沒有興趣,
 因此, 我會開始研議如何讓這些同學有不用參加互評的機制;
 或者降低這些同學評分的影響力!
 相對地, 有些同學做作業非常認真, 對於互評也看得很仔細,
 這些同學的評分, 增加其影響力應該是有道理的!

3. 關於同學自評部分, 如果沒有詳細分析自己整個學期的學習過程與檢討, 就給自己高分, 在我的評分部份就會相對較低。(補充說明)

4. 請多多參與系核心能力意見調查, 謝謝! (目前 18 票太低了, 不到修課人數的一半!)

2008年12月25日 星期四

Vote: 關於系核心能力的培養

請問本課程是否有助於培養下列系定核心能力

* 運用數學、科學及工程知識的能力(穩固的基礎)
* 理解資訊工程的重要科技領域(寬廣的視野)
* 使用資訊技能、技術與現代電腦工程工具的能力(深入的專業)
* 設計、執行程式、分析與詮釋數據的能力(實驗設計與執行能力)
* 分析與設計資訊系統或組件的能力(系統分析與設計能力)
* 培養具備垮領域的能力(跨領域整合能力)
* 明辨、構思與解決問題的能力(思考與問題解決能力)
* 具備專案分析、規劃與執行的能力(專案計畫與執行能力)
* 口頭與書面正確表達理念的能力(有效表達的能力)
* 社交溝通與團隊合作的能力(團隊合作的能力)
* 認識時事議題,瞭解資訊工程技術對環境、社會及全球的影響,具備專業倫理(社會責任與世界觀)
* 培養持續學習的習慣與能力(終身學習的能力)

請同學踴躍參與本部落格的意見調查, 可複選喔!

Note: 成績計算公式更改

由於這學期大家的表現超乎我原先的預期, 因此原先的成績計算公式:

A = 100, B = 60, C = 20

初步決定調整為:

A = 100, B = 70, C = 30

換句話說, 就是 B, C 各加 10 分, A 已經到頂了, 沒法再加了!

請通知許達易同學盡快將這一部分修正一下, 明天大家就可以計算正確的平時成績!

2008年12月19日 星期五

Week 15: Image Geometry

1. 請同學先思考 Figure 6.1 的由來? 所代表的意義是什麼?
  Figure 6.1 與小學數學課所教的植樹問題有什麼相似的地方?

2. 什麼是座標系統? 設計座標系統是用來解決生活上的麼問題?
  距離與座標之間的關係為何?
  Figure 6.1 與座標系統又有何關係?

3. 請同學試著推導出 p.120 的座標轉換公式?

4. 什麼是 interpolation? 用來解決生活上什麼問題?

5. Figure 6.3 與 interpolation 有什麼關係?
  (只使用與自己最接近的一個已知數的資訊)

6. linear interpolation 與 nearest-neighbor interpolation 的主要差別為何?
  (linear interpolation 使用了與自己最接近的二個已知數的資訊)

7. 用越多的資訊來解決問題, 就會解決的越理想。
 Why? 這和 interpolation 有什麼關係?

8. 請同學試著推導 Equation 6.1 (利用相似三角形的性質)。

9. bilinear interpolation 和 linear interpolation 的差別為何?

10. 什麼是 affine transformation? 可以用來解決生活上麼問題?

同學們!如果我們這門課要考期末考, 這就是我要出的考題!
一題 10 分, 可以正大光明翻書, 時間無限, 寫到你高興, 直到你累了為止。
都是今天我們上課討論的內容。
 

2008年12月12日 星期五

Week 14: Filtering

1. 以前(2004 spring)上課使用的投影片, 給大家在閱讀時參考
 Image Enhancement in Spatial Domain [ handout #3 ]

2. 請同學先嘗試用 MatLab 程式, 畫出課本 p.102 Figure 5.7 One-dimensional Gaussians 的圖。( 下載 Fig5_7.m )

 

3. 馮國棟同學提問 5.5 Gaussian Filter
 a. 什麼是 Gaussian distribution
 b. 一維與二維的 Gaussian distribution 的差別
 c. 將 Gaussian distribution 當作 Filter 的函數, 會對影像產生什麼樣的效果?
 d. 不同變異數的 Gaussian distribution 當作 Filter 的函數, 會有什麼不同的結果? Figure 5.9
 

2008年12月7日 星期日

Week 13: Filtering

1. Filter = Mask + Function

2. Convolution vs. Filtering

 這星期上完課, 突然覺得自己的功力大增, 因此上完課心情滿滿的, 是愉快的!

 什麼是 convolution? 什麼是 filtering? 其運算方式早就了然於心, 用 C 語言將程式實作出來, 也不知道寫過多少次了。覺得自己的功力大增是在白板上將 convolution 與 filtering 的細部運算方式畫出來, 實際跑過一次給同學看後, 發覺這兩個運算, 其實最主要的差別就是一維與二維之間的差別而已, 想通這一點後, 以前所有對 filtering 的理解, 就可以全部灌注到 convolution 上, 再對同學解釋什麼是 convolution 時, 就不會只侷限在運算方式而已, 可以再擴展到運用的層面上。因此, 上完課覺得自己功力大增, 感覺就要飛起來。 :)

2008年11月28日 星期五

Week 12: Chapter 4 Point Processing (Part 2)

1. 同學提問: 李慧娟同學提問 Histogram Equalization ...

 Section 4.3 Histograms

 a. supervised, self-supervised, unsupervised

 b. Histogram Stretching (supervised)
   imadgust(im, [a, b], [c, d])

 c. Histogram Equalization (unsupervised)

2. Chapter 5 Neighborhood Processing

3. 相較於上星期的低出席率, 本週同學出席率明顯高出許多。不過, 我上課的心情並沒有比較好, 上星期來上課的同學, 基本上就是較能融入課程情境, 上課時和我的互動相對較好, 因此, 我感受到我說的話是同學想聽的, 因此, 我上課心情是愉快的。

這星期, 由於上週缺席的同學要來抄互評結果以計算平時成績, 由於這些同學來教室的目的只有這一項, 因此當我講解課本內容時, 這些同學根本無法融入課程內容, 開始講話, 也直接影響到我上課的心情。
 

2008年11月20日 星期四

Week 11: How to Learn?

1. 天下雜誌 2008 教育專刊 - 精彩文章閱讀
 哈佛如何教出未來人才

2. Book: 芬蘭教育 世界第一的秘密
p. 114
『學得快的小孩可以自己學, 學得慢的人更需要幫忙。』

p. 139
丹麥的教科書上寫著:『學校沒有教答案的權利, 只有支援小孩學習的權利。』

p. 143
PISA 報告指出, 15 歲的青少年不可能在學校裡學習到成年以後所需的一切知識和技能, 因此, 學校教育必須為終身學習奠定穩固的知識基礎。今天, 有多大比例的學生具備了第五級閱讀能力, 可能會影響每個國家在未來的全球經濟中, 能擁有多少世界級知識工作者。

p. 154
在 PISA 調查中, 所謂的閱讀能力(reading literacy) 包括閱讀內文(content), 分析, 詮釋, 評析, 聯想, 還有書寫報告(essay) 的能力。這些統稱為閱讀能力的項目, 都必須在孩子累積閱讀的量達到相當程度, 腦中的認知概念足夠後, 才能顯現出來。

2. 期中檢討: 學習分享系統 (互評系統) 的優缺點

 平時成績計算:

 a. 請先去掉一個最高分與一個最低分

  Na 為去掉一個最高分與一個最低分後, A 之個數
  Nb 為去掉一個最高分與一個最低分後, B 之個數
  Nc 為去掉一個最高分與一個最低分後, C 之個數

  N = Na + Nb + Nc

  Pa = Na / N
  Pb = Nb / N
  Pc = Nc / N

 b. 作業成績 = Pa * 100 + Pb * 60 + Pc * 20

 c. 平時成績為 4 次作業互評之平均。

2008年11月19日 星期三

Reading: 哈佛的難題: 聰明、會考試, 卻不會問問題 「怎麼教」比「教什麼」更重要

原始文章連結
作者: 李雪莉、彭昱融  出處: 天下雜誌 410期 2008/11

十月初,哈佛大學一項學生學習成效調查結果,在哈佛教授間投下了一顆震撼彈。哈佛大學伯克教學中心(Derek Bok Center for Teaching and Learning)針對二十門課的教授、四百位學生,分別調查老師與學生是否掌握課堂「核心概念」(Big Idea)?跌破教授眼鏡的是,只有不到三成的學生,抓到教授在那門課想傳達的核心概念。

來自全美六百所頂尖高中的六千名哈佛新生,遇上不乏諾貝爾獎得主的黃金陣容教授群。頂尖的學生、優秀的教授,學習成效落差卻如此巨大,「教」與「學」之間究竟出了什麼問題?

「結果讓我們非常震驚,」哈佛大學歐洲歷史與文學教授、伯克教學中心主任威京森(James Wilkinson)接受專訪時以開放的態度分享說,「多數哈佛教授教的,並沒有自己想得那樣好。」

這是一個知識爆炸性成長,連哈佛大學教授都要重新思考怎麼教學的年代。

哈佛發現,即便是聰明又會考試的全美資優生,也經常帶著偏見的知識前來學習。他們很會考試但不會問好問題,他們習慣被動學習,導致學習成效很差。

在一個知識持續變動的時代,哈佛意識到,「如何教」比「教什麼」更重要;它們更提醒全世界各級老師與父母,在學習這條路上,角色必須調整,我們不再是單向傳遞知識的聖人(Sage),而是與學生一同探索學習的伙伴(Collaborator)。

《天下》專訪伯克教學中心主任威京森。當腦科學研究漸漸揭開了學習的本質,威京森分享,我們必須對學習過程有正確的認識與洞察。

威京森多年對學習的研究,不只對大學教授有幫助,對那些渴望提升孩子學習效能的家長們也受用無窮,專訪內容如下:

世界瞬息萬變,大學教育以「內容」來定義註定要失敗。今天重要的科目到明天可能已經被揚棄。

稍微計算大學生接受通識教育的時數,除以今日知識爆炸下可能納入通識教育的重要內容,學生完整學習各門知識的時間根本不夠。

這對當前的大學教育可說是前所未有的挑戰。學校和老師無法預知哪個領域、哪個學科在學生進入職場後會特別重要。

究竟二十一世紀的教育要帶給學生什麼?哈佛大學的博雅教育有五個目標,希望學生畢業後能夠:

一、獨自探索世界

二、建立對知識的好奇

三、具備探詢與解決問題的能力

四、能把找到的解決方法與他人溝通

五、培養創造力,用嶄新方式看問題

因此,大學博雅教育的關鍵在於,將教育的焦點從「內容」(學什麼)轉移至「過程」(怎麼教與如何學),思考哪些過程能夠使大學畢業生具備上述能力。

哇!原來學生是這樣學的

過去三十年對學習與教學過程的研究,讓我們更了解學生的學習過程,產生許多新教學方式與工具。但研究的過程也發現,學生的學習成效並未像我們所期待或聲稱的那樣好。

其中一項有趣的發現是,過去以為大一新生帶著空空的腦袋進大學,等著學新東西,但這項假設已被推翻。

學生經常是帶著「錯誤認知」(misconception)來學習。他們帶著各式各樣源自經驗的成見進大學,其中不乏錯誤的想法。

譬如問學生,從一架飛機上拋下一個玻璃罐,罐子將直線墜落?或是往前拋射?多數的學生直覺認為應該會直直墜落,因為沒有想到罐子具有飛機上的速度。

遇到這情況,教授必須要透過實驗,改正學生錯誤的概念與邏輯。

另外,成見(prio-knowledge)對學習的影響也很深遠,如果你問哈佛學生為什麼夏天比較溫暖?他們多半會有個聽起來滿合理的答案:因為地球在夏天時比冬天更靠近太陽。

聽起來似乎有道理,但卻是錯的。若果真如此,則地球上不論任何地方,七月都該比十二月熱,但澳洲的十二月卻是在海灘上過的。學生就算沒有去過,實際查資料看看世界各地的氣溫,也會發現澳洲十二月氣溫比七月高,把南北半球的差異考慮進來,就知道答案不是如此。(編按:是因為地軸傾斜,地球公轉時受太陽直射區域為夏季)

考高分,但不會問問題


當我們更重視學生如何得到答案,而非答案本身的時候,會發現學生的思考或邏輯不夠好,求知、探尋問題的技巧其實相當糟。

哈佛成功錄取了許多考試成績非常高的學生,但考高分並不意味著更深刻的理解。

我們發現哈佛大學學生問問題的技巧並不好,要他們問出深刻的問題非常困難,但這卻是最根本也最重要的能力之一。

他們在進入大學前被教導了太多「答案」,好奇心早被扼殺,甚至來不及發問就被告知答案,正因為是被動學習,學習效果非常有限。

解方一 參與式學習

參與式學習(Active Learning)是透過討論、實作等方法,不只加深學生的印象,更讓學生了解到自己究竟學到了多少。譬如自己開車到某處,因為參與其中,握著方向盤主導一切,比起搭計程車,你對環境會更為熟悉。

同樣的概念也可以應用在學習過程,學生曾經親自動手解決問題、或是試著解釋給別人聽,效果遠比只聽講課更好。

解方二 讓情緒為學習加分

此外,正向情緒也在學習過程扮演重要角色。情緒與大腦記憶相輔相成,學習內容若沒有情緒的連結,新學習的知識將無法有效加入腦中。若能有效利用,情緒甚至可能與理性和學習相輔相成。

有些研究也指出後設認知(metacognition)的重要,讓學生自我觀察並分析自己的學習過程,也成為未來老師需要幫學生培養的重要能力。

老師和家長不只要導正錯誤觀念,更重要是克服過去的錯誤教育(miseducation),將他們逆轉成一個有四歲孩子好奇心的十八歲青年。

解方三 老師也要磨練教學技巧

老師的角色應轉變為學生的合作者,而教育的內容更應該強調「如何教」。

冷戰時期東歐國營工廠工人描述自己假裝在工作,而國家假裝付他們薪水(付的工資很少)。

對美國的高等教育而言,我們可以這樣說:教授假裝在教書,而學生假裝好像有學到東西。

為了改善這種狀況,哈佛的做法是從阻力較小、接受度較高的新教授做起。教學中心在他們開始教課前,規劃一週的研習課程,讓他們了解教哈佛學生的基本情形、觀摩優良教學示範,也安排學生代表分享對新教授教學的看法。

另外還有教學大綱工作坊(Syllabus Workshop),我們請要開課的教授,帶著課程大綱來進行同儕互審,互相提供回饋意見,同時能訓練觀察分析、構思達成教學目標的能力。

有想像力,就有機會改變

有個簡單的做法能掌握學生的學習狀態:教授要給學生回饋,時常告訴學生回答問題、報告的好壞,寫作技巧的進步情形等。

師生比不一定是問題。課堂提問時,只要要求學生舉手作答,並解釋給同學聽,或請學生到講台上解釋、為自己的答案辯護,就可以做到參與式學習,這在幾百人的大堂課同樣有效。

或者可以在課後發出「minute paper」,請學生花四分鐘回答兩個問題:你認為這堂課的重要觀念是什麼?你認為這堂課有什麼問題?第二個問題就能協助教授在下一堂課做出修正。

教學是可以改變的,只要有想像力!

伯克教學中心

一九七五年,美國丹佛斯基金會(the Danforth Foundation)資助哈佛、史丹佛等五所大學設立教學中心,開啟美國大學致力提升教學專業的新時代。

哈佛大學以曾任校長長達二十年的前校長伯克之名,成立伯克教學中心,三十年來,每年投入一百四十萬美元,十五名專職人員全力協助研究生和教授運用主動學習教學法,持續改善哈佛「教」與「學」的品質,多年來已成各國推動高等教育教學提升的典範。
 

2008年11月14日 星期五

Week 10: Point Processing

1. Book: 上哈佛真正學到的事

 在哈佛學到的『幸福秘訣

2. Chapter 4 Point Processing (Part 1)
 Section 4.4 Lookup Tables

2008年11月1日 星期六

Voting Report: 老師上這門課輕鬆? 還是累?

你覺得上這門課的老師很混嗎?

 超混!      0 票( 0 % )
 混!       0 票( 0 % )
 不混! 算普通!  9 票( 16 % )
 算認真啦!    7 票( 12 % )
 超累!      40 票 ( 71 % )

Votes so far: 56
Poll closed at 7:17 PM, 2008/10/30

2008年10月31日 星期五

Week 8: Image Digitalization

Image Digitalization = Spacial Sampling + Color Quantization

今天在課堂上傳達給同學, 貫穿整個的概念就是 影像數位化!

同學可以從傳統相機如何看待一張影像, 開始思考!

你也可以從人眼如何看一幅風景, 開始思考!

甚至, 你可以從更原始的, 你的心如何感受一張影像,
閉起眼睛, 你是如何在心中呈現一幅景色的原點, 開始思考!

我個人覺得很有趣!

不過, 在課堂上, 我們僅夠時間討論影像在數位化的過程中, 會遭遇甚麼樣的問題, 該如何去考量這些問題? 如何去解決?

p. 50 Spatial Resolution
p. 5 Image Acquisition and Sampling
p. 6 Sampling Theorem
p. 11 FIGURE 1.14
p. 119 6.1 Interpolation of Data
p. 122 6.2 Image Interpolation
p. 144 Figure 7.1

 
 
今天在課堂上提到 Figure 7.1 這個波形, 可以分解成三個 sin 波。晚上開車回家時, 一直在想應該如何講解, 才會讓同學更了解其中的奧妙。因此, 晚餐後, 我就開始嘗試用 MATLAB 寫一個 m 檔, 把整個圖形畫出來, 同學可以下載 Fig7-1.m 執行看看, 或許就可以比較理解今天上課討論的內容。
 

2008年10月24日 星期五

Week 7: Chapter 3 Image Display

1. colormap
 要完全了解這個指令, 必須要從什麼是 an indexed color image 開始。課本 p. 13 Section 1.8 Types of Digital Images 介紹了 4 種數位影像的基本類型。
 a. Binary.
 b. Grayscale.
 c. True color or red-green-blue.
 d. Indexed.
  Most color images have only a small subset of the more than 16 million possible colors. For convenience of storage and file handling, the image has an associated color map, or color palette, which is simply a list of all the colors used in that image. Each pixel has a value that does not give its color (as for a red-green-blue [RGB] image), but an index to the color in the map.

 colormap(gray(n)):

2. 為什麼數值大小相同, 儲存的資料型態不同, imshow 這個指令的輸出就會不同呢?

 這是因為 MATLAB 針對不同的資料型態, 對數位影像有不同的詮釋方式。

 例如:

 針對儲存為 uint8 的灰階(grayscale)影像, MATLAB 認為 0 為純黑色, 255 為純白色, 0 ~ 255 的整數值表示的就是灰階影像的不同明暗強度。

 針對儲存為 double 的灰階(grayscale)影像, MATLAB 認為 0 為純黑色, 1 為純白色, 0 ~ 1 間的實數數值所表示的就是灰階影像的不同明暗強度。

 因此, FIGURE 3.1 (b) 由於儲存為 double, 所有值都大於 1, 因此, 都被 MATLAB 轉換成純白色了。

 (p. 44)
 This is because for a matrix of type double, the imshow function expects the values to between 0 and 1, where 0 is displayed as black and 1 is displayed as white....

3. BINARY IMAGES
 MATLAB does not have a binary data type as such, but it does have a logical flag, where uint8 values 0 and 1 can be interpreted as logical data.
 
4. UNIQUE Set unique

 B = UNIQUE(A) for the array A returns the same values as in A but with no repetitions. B will also be sorted. A can be a cell array of strings.
 UNIQUE(A) 其實就是將 A 陣列中, 重複出現的值去掉, 只保留一個 unique 的值, 然後在依大小排序。

 UNIQUE(A,'rows') for the matrix A returns the unique rows of A.
 一個 row, 一個 row 分開處理, 做 unique 的動作。

5. 同學學習筆記 (2008w7) 分享, 請今天缺席的同學盡速上網互評。下週我們同樣在第一節課完成互評分享, 請同學記得繳交作業分享網址。

2008年10月18日 星期六

Week 6: 多閱讀吧, 同學們 !

1. 多閱讀吧, 同學們 !
 News: 芬蘭前教部次長南大演講 強調閱讀教育
 在全球四十五個國家地區中,台灣學生每天課外閱讀比率排名倒數第一,原因出在台灣學生視閱讀為功課,而不是興趣,缺少獨自閱讀的時間是關鍵。


2. 導讀: Chapter 3 Image Display ( Part 1 )

3. 同學學習筆記 (2008w6) 分享

2008年9月27日 星期六

Week 4: Chapter 2 Images and Matlab

本週要繳交的作業是 Chapter 1 的閱讀分享, 我個人覺得大部分同學都做得很不錯, 請同學持續下去, 未來一定會越來越熟悉那種原文閱讀的樂趣。

1. 教科書作者所提供的範例原始檔案下載:
  a. 原始圖片: 40011-6images.exe
  b. 原始程式: 40011-6MatlabFiles.exe

2. 色彩系統
 a. ICI Dulux Taiwan: 色彩家 mouse painter



 ICI 三度色彩編輯 精準呈現色彩空間
 不同於一般色彩體系的流水編號, ICI 獨家色彩體系的三度編碼精確標示每個顏色的三個屬性: 色相(color hue), 明度(light reflectance value) 及彩度(chroma), 呈現空間規劃所需的明亮度及情緒強度。


 30 YY 08/726

 30 YY 表示色相 HUE
 08 表示明度 LRV
 726 表示彩度 CHROMA


色相 (Hue) : 色彩相貌的名稱, 如 "紅色", 依彩虹六大色相反時針方向排列成色相環, 每一個色相編碼由 00 到 99 劃分為 100 個色階。例如: 30 YY 是帶有橙色調的黃色, 它位於 YY 色相偏橙色的右邊位置。

明度(Light Reflectance Value): 色彩表面對光線的反射程度。明度編碼由 00 到 99 , 數值越高對光的反射就越高, 顏色就越亮。挑選明度數須考慮空間光線條件, 來呈現空間的理想亮度。

彩度 (Chroma): 色彩鮮豔飽和的程度, 其鮮濁度取決於色彩裡加入黑、灰色的多寡。彩度編碼由 000 到 999, 高達 1000 個層次, 數值越高, 色彩越鮮艷。挑選彩度值時, 須考慮欲傳達的空間情緒強度, 彩度越高所表現的情感越強烈。

Week 3: Chapter 1 導讀

1. 上課前到系辦查看同學領書的狀況, 發現同學已經把尚未令的書籍, 通通搬到上課的教室了, 很感謝這些為同學服務的同學。影像處理課程訂閱的兩本書, 送到系辦之後, 我發現有些關心的同學已經把書領走, 隨時可以開始閱讀, 進入學習情境。有些同學這週還沒來上課, 又要麻煩同學再將書搬回系辦公室, 兩相比較, 學習成效也許可以從中觀察出一些端倪。

2. 這星期在課堂上, 我為同學做了第一章的導讀, 順便將閱讀的基本概念和大家分享。

3. 第 3 堂課後段, 我們請同學瀏覽 MathWorks 公司與 鈦思科技 的網站, 希望同學知道這兩家公司在網路上針對 Matlab, 提供了什麼資源給同學學習。

4. Online Documentation for MathWorks Products, R2008a
 Image Processing Toolbox™
 

2008年9月19日 星期五

Week 2: 混亂的一週

今天真的是有些混亂, 儘做一些的瑣事的三節課!

有不少同學, 這星期才選到我們這門課, 也有一些是早就修到這門課, 不過上星期沒來上課, 還有一些是上星期有來上課, 不過在教室不夠專注, 因此, 我們這星期又花了一些時間給這些同學設定 Homework Show @ IPC 作業分享部落格的共同作者。

為了將來便於查詢, 我們訂定將來同學在作業分享部落格繳交作業時的標籤規定, 每一篇作業必須至少有兩個標籤:
1. "學號 姓名"
2. "2008w?" : ? 代表要繳交的週次
當然, 我們也花了一些時間讓同學修正自己的標籤。

由於有部分同學不太了解這門課所推薦的兩本課本各自扮演的角色, 因此我們再次花了一些時間說明, 然後請需要代為訂購的同學, 立即在部落格回應, 下課後, 我們就直接向出版社訂書, 兩本書都是下星期二會寄到系辦公室, 屆時同學就可以各自到系辦簽名領書, 下週上課時再把書錢繳交即可。

2008年9月12日 星期五

Week 1: MATLAB 初體驗

1. 本課程教科書代訂服務:
 a. Introduction to Digital Image Processing with MATLAB
 b. MatLab 7 程式設計

2. 課堂上所討論之觀念:

 a. 影像與陣列
 b. 影像的統計資訊
 c. MATLAB 與 C 之差別

3. 課堂上所示範的 MATLAB 指令:

 a. imread
 b. imshow
 c. figure
 d. imhist
 e. plot
 f. help

  



4. 本週作業: 請回家練習上課曾介紹過的 MATLAB 指令, 並於下週上課前於 Homework Show @ IPC 發表一篇主題為 MATLAB 初體驗, 至少 150 字以上的學習心得。

97 學年度代訂書登記: Introduction to Digital Image Processing

Introduction to Digital Image Processing with MATLAB的圖像

Introduction to Digital Image Processing with MATLAB
Author: Alasdair McAndrew
ISBN: 0534400116
Price: 15% Off, NTD 765.

欲代為訂書的同學, 請於下週二之前, 回應文章留下學號與姓名。

97 學年度代訂書登記: MatLab 7 程式設計

More about MatLab 7 程式設計< 附1片光碟片>

MatLab 7 程式設計

作者:洪維恩 著
出版社: 旗標出版股份有限公司
書號:F8752
定價:680 元 (團購價 530, 22% OFF)
附件:附1片光碟片

欲代為訂書的同學, 請於下週二之前, 回應文章留下學號與姓名。
 

2008年1月10日 星期四

Week 17: Score

1. 學生為自己設定的評分標準
 a. 每次上課都要準時到, 在老師上課前到, 出席, 出席率, 出缺席率
  出席率: 出席率的高低可能代表學生自我認真的程度

 b. 作業是否有完成, 作業是否有交

 c. 課本上的範例有沒有操作過, 程式範例是否有練習過以及思考

 d. BLOG是否有寫

 e. 上課專心程度
  專注率: 這是瞞主觀的。老師決定學生是否專心於課堂上, 而不是都在睡覺之類的.
  上課是否專心(客觀)

 f. 是否跟上進度, 是否跟上每週閱讀進度, 每周是否有完成閱讀範圍,
  是否有跟上進度,是否有按時交作業

 g. 有問題的地方是否獲得解答, 遇到的問題是否都有完全解決

 h. 是否學到東西, 每周上課吸收度

 i. 對於每週的閱讀啟發, 對於閱讀的內容是否深入了解

 j. 與老師互動的關係
  互動率 :互相學習的態度,可以將學生和老師的距離拉近,使的學生更知道老師要教什麼.
  而學生也可以知道老師要傳達的是什麼.
  老師也可以知道學生需要的是什麼.

 k. 對這門課的付出

 l. 發言率 :發言率可以讓學生學習如何說話.更可以讓學生自己更有說話的膽子

 m. 課外主動度 (EX.台北數位藝術..完成程式碼..)
  有無涉獵戶外教學(EX:數位展覽)
  是否有再瀏覽課外書籍
 
 
 
2. 學生為老師設定的評分標準

 a. 教學內容充實, 教材適當與否, 教材準備是否充分

 b. 讓學生學到很多東西, 授課內容是否讓學生容易理解
  教授的話能讓學生聽得懂
  能讓學生學習到東西

 c. 有課程外的補充

 d. 是否能引起學生的興趣
  能讓課堂的內容和現實做結合, 有實際的例子可以引發學生更多的興趣。
  能夠讓學生引發對課程的興趣
  使同學提高學習興趣的能力
  課堂引人入勝程度

 e. 與學生間的互動,可嘗試與每位學生都產生互動
  師生互動程度

 f. 進度可以彈性調整,以學生吸收的為準
  上課進度是否能讓學生吸收
  以學生能吸收的為準, 不應該一直教, 對於學生而言是事倍功半。
  教學進度應該只是參考, 應該更彈性的調整進度。
  上課進度的掌控

 g. 可以提供與課程有關的課外資訊,讓學生獲得課本以外的知識
  會講一些課外的知識,不管新或舊

 h. 更彈性的評分標準。
  每個人天生都有適合與不適合的工作, 應該多多分組讓擅長的人做擅長的事。
  例如: 1. 蒐集資料很強. 2. 文書整理很厲害 3. 邏輯理念很強 ... 之類的.
  可以用聊天訪談的方式來評分

 i. 講解內容是否有切入重點

 j. 看展覽的資訊可多點, 加分多點

 k. 可以解答學生問題, 問題討論的掌控
  傳道授業解惑程度

 l. 作業與考試的配置

 m. 是否能引導學生思考, 教授內容對學生的啟發性
  常說一些讓人引發更多思考能力

 n. 作業和考試和上課不會讓學生有被當掉的壓力

 o. 講課的認真度, 課認真

 p. 可以讓同學真正學習的作業模式

 q.

2008年1月3日 星期四

Week 16: Measurements for Study

1. 請同學思考甚麼評量方式對學習來說, 才是有效的評量? 請將自己認為最有效的評量方法貼到 Homework Show @ IPC 中。

2. Book: "十分鐘愛上數學"

  10分鐘愛上數學的圖像