※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID） （是／否／其他條件）： 否 哪一學年度修課： 106 ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 蔡芸琤 λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關) 基本能力課程 δ 課程大概內容 1.R語言、R studio介紹 2.R 語言的資料型態 3.dplyr 與 Data Frame。 4.data input 5.ggplot2 繪圖教學 6.透過 r apply family 執行文本蒐集 7.臉書爬蟲與文字雲實作。 8.Term to Document Matrix 9.以 TF-IDF 進行 K-Means 分群。 本週投影片 10.機器學習簡介 2. PCA 3. SVM 本週投影片 11.雙變數分析。 12.利用 R 和 Shiny 製作網頁作品。 13.自創 R 套件包。 14.使用 Deep Learning 於 R 中。 Ω 私心推薦指數(以五分計) ★★★★★ ★★★★★ η 上課用書(影印講義或是指定教科書) 無 μ 上課方式(投影片、團體討論、老師教學風格) 老師上課以投影片為主，包括課程內容還有同學問題解答。 期末有一週團體討論，有問題可以直接和老師討論。 σ 評分方式(給分甜嗎？是紮實分？) 個人作業 60% 共5次 期末專題 40% ρ 考題型式、作業方式 這門課沒有考試，只有作業。 作業老師會給sample code，只要用老師的sample code改一下或是google相關的資料其實 不難，但要花蠻多時間的。期末2-3人一組，自已找題目、還有資料來源，如果是同一組程 不錯，又有時間討論合作的話，可以完成還不錯的作品。 ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？ 加簽習慣？嚴禁遲到等…) 老師不點名，應該是報告作業還有期末有來就好。沒來上課的問題比較是下次來會跟不上 Ψ 總結 1.從上面課程內容而言，其實這門課教的內容很廣，像爬蟲、機器學習、統計分析等，所 以看到資料科學的大概，但各相關領域其實要自已再深入研究。 2.不建議程式初學者上課，除非有時間一個星期花在這門課至少12小時以上。這門課第一 週大約有30個，至少10個以上後來就沒來上課了，老師是上個入門大概，細節要靠自已去 充實。 3.由於是在職生，我不是很重視分數，重要是有沒有學到東西。之前看這門課前面的評價 蠻兩極，也讓我蠻猶豫要不要選這門課。就我這學期無缺席的觀察，老師機乎很少遲到， 有大概也是5分鐘。上課上式也是先把code放在github上讓大家下載來看，再讓大家跟著 做，如果有問題，也是會幫忙解決再繼續後面的課程。 4.對於要上這門課的學生，我覺的重要的是「不要臉」，有問題要一直問，作業不會一定 要問，上課內容不了解，中間空堂就要問，老師都還蠻樂意回答的，所以其實中間下課老 師都沒什麼休息，就是一直回答問題，改code。課後寄信給老師，老師也會給個方向。我 想老師再回答問題也花了很多心力。 5.建議的部份，是老師的投影片資料很多，但結構性稍弱。 6.總結來說，這門課我個人覺的有學到蠻多東西的，工作上也用得到。如果敢問又有程式 語言的基礎，蠻推薦給大家來上。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.72.130.118 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUcourse/M.1515816659.A.37B.html ※ 編輯: meanshow (42.72.130.118), 01/13/2018 22:48:42