※ 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： 108-2 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 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、统计硕士学程 δ 课程大概内容 Topic 1: model-based inference, learning and prediction 贝式统计基本观念 Topic 2: linear model Topic 3: multiple linear model Topic 4: information criteria Topic 5: regularization and validation Topic 6: conditioning and simulation-based inference Topic 7: generalized linear models and classification Topic 8: counting, mixtures, and monsters Topic 9: multilevel models Topic 10: Gaussian processes and missing data Ω 私心推荐指数(以五分计) ☆☆☆☆☆想学正版的多变量分析 ★★★★★课程内容丰富程度 ★★★★☆实用度 ★★★★★★★★★★助教解说影片详细程度 ★★★★★会真的去看课本 η 上课用书(影印讲义或是指定教科书) Statitical Rethinking, A Bayesian Course with Examoles In R And Stan, se μ 上课方式(投影片、团体讨论、老师教学风格) 本学期都是ntucool线上授课，本来打算期末分组作project，後来没有、改成多一次作业 老师授课主要讲课本章节中重点部分，一些理论推导细节或步骤不会细讲 老师也会补充一些新的东西，主要是关於该章节和机器学习、deep learning的连结 还有较详细的抽样模拟演算法及其背後的数学，虽然没学过随机过程真的不太清楚 後面generalized linear models开始，有各种不同的模型标示及其例子，非常新奇 像是存活分析、顺序尺度类别回归、每个观察值变异不同等等多情境下，如何设定贝式模型参数来估计 这部分老师讲很快，实际操作时要看过课本才比较熟悉 因为是线上授课都不太认识同学，所以比较少有团体讨论的机会 老师上课也较多讲理论，不提写程式的细节 不过因为助教有录每章节code解说影带及档案，非常详尽 基本上看得懂程式在干嘛，就知道要复制哪一段、作业也可以写得出来 σ 评分方式(给分甜吗？是紮实分？) 扎实甜 成绩算自第一堂课小考和六次作业 具体算法我也不清楚，但感觉第一堂课小考不会放进去 作业主要是助教改的，平均成绩大概每次80几分吧，除了那两次kaggle分析资料以外 我自己Kaggle作业成绩颇差(没学过程式设计一片茫然)，但最後等第出来让我觉得应该有调... 其实我觉得第一堂小考和kaggle作业都让我觉得蛮莫名其妙的... ρ 考题型式、作业方式 我们有两次作业是要上去用kaggle的资料作分析 剩下的作业都是从课本的习题选出几题 老师要求所有作业都要用stan写，不能用其他套件 ex. 线性回归模型不能用lm 作业主要是看模型有无跑出结果能回答问题即可 我自己会在作业上写课本提到理论解释，但其实不太要求 不过我认为这堂课重点也不在coding，主要是学建模型的统计观念 毕竟很多人以後都不用stan，都在python机器学习... 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…) 我觉得统计学一定要修过，有高统更好 因为里面有出现likelihood ratio, conjugate prior的东西，修过高统可能比较知道在干嘛 我看到有同学搭配蒋明晃的高统下一起修，在期初同步学习贝式估计 另外，也可以先修完余峻瑜商管统计资料分析， 除了可能可以感受frequentist和bayesian的差别(?)，余老师後面讲的GLM也可以在这堂课进一步的学习 Ψ 总结 这堂课之前也有人评价过了，它原本被放在 物联网下商管统计分析 的课名之下 不管它所在的课名是什麽，它的内容应该叫做 贝式统计入门 是说听说物联网那堂课换在教机器学习了... 另外，这堂课真的没在教多变量，老师上课略为提到PCA但叫我们回家自己学XD --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.112.25.98 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1595221864.A.BF1.html ※ 编辑: assommoir (140.112.25.98 台湾), 07/20/2020 13:25:21