※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID） （是／否／其他条件）： 否 哪一学年度修课： 106 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 蔡芸琤 λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关) 基本能力课程 δ 课程大概内容 1.R语言、R studio介绍 2.R 语言的资料型态 3.dplyr 与 Data Frame。 4.data input 5.ggplot2 绘图教学 6.透过 r apply family 执行文本蒐集 7.脸书爬虫与文字云实作。 8.Term to Document Matrix 9.以 TF-IDF 进行 K-Means 分群。 本周投影片 10.机器学习简介 2. PCA 3. SVM 本周投影片 11.双变数分析。 12.利用 R 和 Shiny 制作网页作品。 13.自创 R 套件包。 14.使用 Deep Learning 於 R 中。 Ω 私心推荐指数(以五分计) ★★★★★ ★★★★★ η 上课用书(影印讲义或是指定教科书) 无 μ 上课方式(投影片、团体讨论、老师教学风格) 老师上课以投影片为主，包括课程内容还有同学问题解答。 期末有一周团体讨论，有问题可以直接和老师讨论。 σ 评分方式(给分甜吗？是紮实分？) 个人作业 60% 共5次 期末专题 40% ρ 考题型式、作业方式 这门课没有考试，只有作业。 作业老师会给sample code，只要用老师的sample code改一下或是google相关的资料其实 不难，但要花蛮多时间的。期末2-3人一组，自已找题目、还有资料来源，如果是同一组程 不错，又有时间讨论合作的话，可以完成还不错的作品。 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 老师不点名，应该是报告作业还有期末有来就好。没来上课的问题比较是下次来会跟不上 Ψ 总结 1.从上面课程内容而言，其实这门课教的内容很广，像爬虫、机器学习、统计分析等，所 以看到资料科学的大概，但各相关领域其实要自已再深入研究。 2.不建议程式初学者上课，除非有时间一个星期花在这门课至少12小时以上。这门课第一 周大约有30个，至少10个以上後来就没来上课了，老师是上个入门大概，细节要靠自已去 充实。 3.由於是在职生，我不是很重视分数，重要是有没有学到东西。之前看这门课前面的评价 蛮两极，也让我蛮犹豫要不要选这门课。就我这学期无缺席的观察，老师机乎很少迟到， 有大概也是5分钟。上课上式也是先把code放在github上让大家下载来看，再让大家跟着 做，如果有问题，也是会帮忙解决再继续後面的课程。 4.对於要上这门课的学生，我觉的重要的是「不要脸」，有问题要一直问，作业不会一定 要问，上课内容不了解，中间空堂就要问，老师都还蛮乐意回答的，所以其实中间下课老 师都没什麽休息，就是一直回答问题，改code。课後寄信给老师，老师也会给个方向。我 想老师再回答问题也花了很多心力。 5.建议的部份，是老师的投影片资料很多，但结构性稍弱。 6.总结来说，这门课我个人觉的有学到蛮多东西的，工作上也用得到。如果敢问又有程式 语言的基础，蛮推荐给大家来上。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 42.72.130.118 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1515816659.A.37B.html ※ 编辑: meanshow (42.72.130.118), 01/13/2018 22:48:42