課名：統計學習 科號：STAT505000 老師：徐南蓉 課本： 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. 課別： (跨領域)數據科學學分學程/(跨領域)人工智慧與應用進階學分學程/(跨領域)人工智慧與 應用基礎學分學程/(跨領域)音樂科技與健康學分學程/數據科學(第二專長) 學分：3 涼度：★★★☆☆(滿分五星) 甜度：★★★★☆ 建議先修課程：統計學、線性代數、程式設計相關課程、一台還不錯的電腦 課程內容\簡介： ◎ Linear regression ◎ Classification ◎ Nonlinear regression ◎ Model selection ◎ Tree-Based methods,Bagging,Random forest ◎ Boosting ◎ SVM ◎ Unsupervised learning 上課方式： 現場授課，但會錄製影片上傳至eeclass，而且不點名，所以可以不用特地去現場。 教材是老師自己編的講義，內容都蠻扎實的，看不懂的話才需要看課本。 程式如果沒學過也不太需要擔心，助教會額外錄關於打程式的影片，照著做至少作業都 能做出來。 給分： - Homework:60% - Midterm exam: 20% - Final project: 20% 考試作業型態： 總共5次作業，每次作業都只有兩題，基本上都是用R去寫並且輸出成pdf檔上傳。 別以為兩題很輕鬆，平均每次作業至少能做到20頁以上。 期中考純筆試，書有看過一輪的話應該不會考太差，大部分都有70分以上。 期末是組隊做project，題目不限，要用學過的東西去做，然後要上台報告。 不敢報告的話就錄影報告，丟給助教就好，蠻方便的。 老師的喜好、個性： 老師超讚，人很親近，有學習上的困難基本上都能給予幫助。 給加簽嗎? 最後加退選完，修課人數並沒有滿，雖然給分甜但可能太多要學覺得太硬吧? 補充: 這門課應該算是統計所數一數二loading重的課，學的東西很多，功課也不太好寫。 有幾次作業電腦放著跑程式一個晚上可能隔天起床還沒跑完? 期末報告和最後一次作業基本上算是同時出，所以期末那周有夠忙..... 這門課還有一點值得學習的是報告能力，每組做的報告會共享給所有同學看。 如果你報告經驗很少，這門課應該多少有所幫助，了解其他人怎麼報告的。 總成績/班上排名： 成績: A-,32/57 , T分數:50.13 成績分布：不公開 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.34.206.190 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTHU_Course/M.1705377493.A.90D.html