课名：统计学习 科号：STAT505000 老师：徐南蓉 课本： An Introduction to Statistical Learning with Applications in R, 2nd ed., Springer, 2021,by James, Witten, Hastie, and Tibshirani. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd edition, Springer, 2009, by Hastie, Tibshirani, and Friedman. 课别： (跨领域)数据科学学分学程/(跨领域)人工智慧与应用进阶学分学程/(跨领域)人工智慧与 应用基础学分学程/(跨领域)音乐科技与健康学分学程/数据科学(第二专长) 学分：3 凉度：★★★☆☆(满分五星) 甜度：★★★★☆ 建议先修课程：统计学、线性代数、程式设计相关课程、一台还不错的电脑 课程内容\简介： ◎ Linear regression ◎ Classification ◎ Nonlinear regression ◎ Model selection ◎ Tree-Based methods,Bagging,Random forest ◎ Boosting ◎ SVM ◎ Unsupervised learning 上课方式： 现场授课，但会录制影片上传至eeclass，而且不点名，所以可以不用特地去现场。 教材是老师自己编的讲义，内容都蛮扎实的，看不懂的话才需要看课本。 程式如果没学过也不太需要担心，助教会额外录关於打程式的影片，照着做至少作业都 能做出来。 给分： - Homework:60% - Midterm exam: 20% - Final project: 20% 考试作业型态： 总共5次作业，每次作业都只有两题，基本上都是用R去写并且输出成pdf档上传。 别以为两题很轻松，平均每次作业至少能做到20页以上。 期中考纯笔试，书有看过一轮的话应该不会考太差，大部分都有70分以上。 期末是组队做project，题目不限，要用学过的东西去做，然後要上台报告。 不敢报告的话就录影报告，丢给助教就好，蛮方便的。 老师的喜好、个性： 老师超赞，人很亲近，有学习上的困难基本上都能给予帮助。 给加签吗? 最後加退选完，修课人数并没有满，虽然给分甜但可能太多要学觉得太硬吧? 补充: 这门课应该算是统计所数一数二loading重的课，学的东西很多，功课也不太好写。 有几次作业电脑放着跑程式一个晚上可能隔天起床还没跑完? 期末报告和最後一次作业基本上算是同时出，所以期末那周有够忙..... 这门课还有一点值得学习的是报告能力，每组做的报告会共享给所有同学看。 如果你报告经验很少，这门课应该多少有所帮助，了解其他人怎麽报告的。 总成绩/班上排名： 成绩: A-,32/57 , T分数:50.13 成绩分布：不公开 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.34.206.190 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTHU_Course/M.1705377493.A.90D.html