※ 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）：是 哪一学年度修课： 106-1 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 杨曙荣 Sunny Yang 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) 商研所/工管系 δ 课程大概内容 下方为授课大纲 中文课名：物联网下商管统计分析 英文课名：Quantity Business Science 1 15/09 Model thinking and data generating processes 2 22/09 Data thinking and estimation 3 29/09 Statistical models 4 06/10 Model comparison 5 13/10 Interactions 6 20/10 Computationally intensive methods 7 27/10 Generalized linear models: Counts 8 03/11 Generalized linear models: Mixtures 9 10/11 Multilevel models 10 17/11 Measurement errors and missing data 11周表定後面是group project与individual assignment的讨论 实际授课进度比大纲慢上许多，最後课本没有上完 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) 一本是指定其余选读 required: McElreath, R. 2016. Statistical Rethinking. CRC Press. suggested: Braun, W. J. 2016. A First Course in Statistical Programming with R, Second Edition. Cambridge University Press. Chang, W. 2013. R Graphics Cookbook. O’Reilly Media. Diez, D. M. 2015. OpenIntro Statistics, 3rd Edition. CreateSpace Independent Publishing Platform Verzani, J. 2002. simpleR – Using R for Introductory Statistics. required那本基本上是必备，台大图书馆借的到，也可以买电子书，记得满贵的 学期初老师原本问大家要不要订纸本书，但一本破千所以没有很多人 到最後书商也不想帮忙进货因为量太少了，所以大家多半是买电子书 或是想办法从台大借、跟别人一起看 其余的都是为了让大家上手R才选的，跟课程内容没有太大关系 μ 上课方式(投影片、团体讨论、老师教学风格) "This course is the first course in quantitative business science for data analysts." syllabus 上的第一句话 这堂课的架构大概是这样： 基底－贝氏统计（Bayesian Statistics）（相对於古典学派） 内容－参考上面的每周进度，linear models/multivariate linear models/ information criteria/markov chain monte carlo/big entrophy等等 详细可以直接搜寻required textbook的各个章节就大概可以知道这堂课的内容 工具－R language（用R来实现统计观念与建立模型） 上课的过程大概是这样： 每周上课有指定章节，有些人会自己先读课本再上课比较容易听懂 上课模式则是老师会在CEIBA上放slide，slide是每个章节的整理 老师会先讲观念接下来讲解 R 的 code 再接着向後讲解 学期前段最後老师会让大家讨论，学期中後因为进度压力就没有了 学生： 自己的观察是大概有两群，一群是统计/程式底子比较硬的学生 有不少商研所/国企所/经济学生，也有外国人，有几个很厉害 跟一群统计/程式底子比较没那麽硬的大三大四为主的大学部同学 虽然大家实力应该差满多，但不同学生都会有各自的收获 第一群人上课问的问题有时候第二群人都听不懂 因为光是要搞懂观念跟程式码在干嘛就要花很多时间 但第一群人还可以比较贝氏学派跟频率学派的差异 或者是指定教科书上作者采用的某些例子背後的原因等 好处是老师会因材施教，就算程度很差还是会回答 其他教材： 如果不习惯听老师的英文（虽然老师英文不错但口音有点重） 可以直接搜寻教科书的书名，youtube上有所有的英文影片 印象中是作者在教授这堂课的时候录制的，老师应该是参考它的架构 这样应该也可以跟上课程进度，但我自己以看教科书跟上课为主 σ 评分方式(给分甜吗？是紮实分？) 给分应该算紮实甜但成绩分布还没出若之後有出的话会更新 ρ 考题型式、作业方式 没有期中考期末考 有group project跟individual assignment 前者是老师将大家打散後分组，要交出一个跟本堂课程有关的报告 规定要录制youtube影片（用英文），内容要有R code 并且一定要使用 R 的 shiny套件，评分标准则是 data-driven innovation 以及 social impact，原本要上台报告但後来没有，最後会有 peer review 就团体报告而言，最後结果可大可小，有组同学只用了10*2以内的资料 也有组同学用了10*6以上的资料，因为背景不一样，老师想看的其实还是 跟课程有关的东西，还有 R shiny 的运用 後者跟前者类似，规定分学术类或应用类，前者除了前述标准以外，还有 research impact，跟後者的research impact遥相对应，也可以写 R package 自己认识的同学都以应用类为主，也要用 R shiny，录youtube or word 10 pages 有上课作业，大概六次，需要花一定的时间去写，都跟教科书的code有关 整体而言，需要花满多时间去做的 当然也可以走轻松风： 跟同学借作业来看、小组作业靠队友、个人作业做一个简单的linear regression 不过这样可能会学不到太多东西，而且助教其实都知道大家有没有用心做喔～ 有听到他在和其他同学聊天，所以偷懒也是会被发现的 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…) 这堂课算有点重，很多人第一堂听完老师说明就离开了 留下来的人的想法大概也是满重的吧（至少对上面讲的第二群学生来说） 前两堂课会教 R 但没有教很多，syllabus上有指定一些资源当作业或练习 是 datacamp 上的免费练习，全部上完之後就可以初步跟上这堂课的code 课程的code并不会太难，有出现新的用法作者都会在书中详尽的解释 但课本不会讲任何 R 的基本观念 e.g. data frame 跟 list的差别 也不会介绍 if else, for, while 等等 因为这门课主要是把 R 当作统计观念的实作工具而已 尽管如此，如上所言只要走完 data camp 就可以跟上课程的 R code进度了 这是我认同这门课的一个重要原因，有同学修系上其他课 直接硬塞超过负荷的进度，即使自学也没办法跟上脚步 可是这堂课的自学是合理的，老师会给一些资源还有参考书让你自己碰 新进度又不会让学生没有机会赶上，如果只是写作业那 R 的运用绰绰有余 只是如果要在 group project 跟 individual assignment有所表现 就要花时间理解 R 跟处理资料，要不然会很麻烦 只有 data camp 就会有点不够 外系满多（商研/工管以外）加签要写类似 data camp的题目当作业 有程式经验的人会比较容易跟上，没有的话可能要想一下 一开始没有经验/统计不熟还跟得上，越後面会越艰深 再加上团体跟个人作业要一直用 R ，没写过程式的人可能会有点疲倦 Ψ 总结 老师刚从英国回来，是个很有热忱的人，专长在operations（营运）跟supply chain（供应链） 擅长数量方法，如果管院同学有感於先前碰了很多理论却没有发挥机会的话 可以考虑尝试看看，可能会有点不一样的感觉，是一堂很紮实的课 不同能力跟不同背景的人会有属於自己的收获 老师对大家的期望很深，希望学生可以累积hard skill（再次强调是因为课开在管院） 有时候会分享自己之前在英国的经验，私下也会聊天 上课的时候老师也有提到想要开一个MCDA module Business Data Analytics Module（MCDA）Proposal Model Thinking, Computational Thinking, Data Thinking What is MCDA? Modeling + Computing + Data = Analytics 上面这是上课老师给大家讨论的东西，还问大家说这样的课程内容如何 不一定真的会开但是一个让大家思考的东西 总结而言，老师对於数量方法在商业上的应用很有热忱 有时候会语重心长的和大家讲说学习这些东西的重要性（管院的理论课满多的） 也非常关心学生的兴趣/毕业职业发展 很认真地询问大家对於课程的规划还有修课想法等 是我这学期最喜欢的一堂课与最喜欢的一位老师 -- 「我的朋友也是，一方面说着独立统一，愤恨政治压迫，一方面品酒把妹，把那些付出真 情的低阶傻妹乱睡一通，睥睨她们的失落与眼泪却毫无怜悯。」李维菁 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 112.104.142.123 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1517418660.A.20C.html