※ 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。