心得
徐欣儀
在這次的專題研究過程中，我不僅加深了對自然語言處理技術的理解，也實際體驗了從資料蒐集、模型訓練到結果分析整個資料科學的工作流程。一開始在爬取 Reddit 留言時，遇到不少 API 使用上的限制與編碼問題，過程雖然繁瑣，但也讓我學會如何設計合適的爬蟲流程與進行資料清理。
進入文本分類階段後，我們嘗試了多種機器學習與深度學習模型，實際比較它們在不同條件下的分類表現，這讓我更理解了每種模型背後的假設與優劣。雖然 BERT 系列模型在準確率上表現優異，但也同時面臨訓練時間長與硬體資源不足的問題。最後選擇效能與效率兼具的隨機森林，算是一種平衡考量。
在進行情感分析與 ABSA 面向情感分析的階段，則讓我體會到 NLP 技術在應用層面的複雜度。尤其 ABSA 模型雖然可以細緻分析評論中的關鍵面向，但在面對結構鬆散或語意模糊的留言時仍有誤判情形，這讓我更意識到實務應用中仍需結合人為判斷與模型調整。
這次的專題過程中不免遇到挫折與反覆修正，但也累積了不少技術與實作經驗。感謝楊老師在整個研究過程中的耐心指導與專業建議，無論是在研究方法的釐清、模型選擇的討論，還是在報告撰寫上的細節修正，都給予我非常多實質上的幫助與啟發。
葉芷柔
在校內專題研究中，我接觸到了許多課程上沒有學習過知識與工具，從最初慢慢了解基本的機器學習與深度學習方法，到學習如何整理資料、實作模型，再進一步到如何讀懂與分析資料，隨著持續的學習與實作，我逐漸建立起對自然語言處理的整體認識。尤其是在閱讀與處理資料的過程中，開始意識到資料使用前需經過嚴謹處理的重要性，也漸漸掌握了資料前處理時應注意的細節，讓我對整個流程的理解也愈加清晰。
經過這次專題研究，也讓我面對了許多前所未有的挑戰與困難，所幸在每週與楊老師的討論中，老師總是耐心的引導我們如何思考、如何學習。一開始我很擔憂，對自己的能力感到不安，擔心在缺乏經驗的情況下容易犯錯，但老師總是鼓勵我們勇於嘗試，並強調錯誤是學習的一部分，就算錯了也是學習與成長的機會，而老師也會根據我們當前的進度，指引我們方向，提供可能的解決方法，並一同訂定下一步的目標與進度，讓我們不會迷失方向。
這段學習過程，對我而言不僅僅是知識與技能的提升，更是一種學習態度的養成。因此，我非常感謝楊老師的用心指導和幫助。