※ 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）：N
哪一學年度修課：107-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
林明仁 謝吉隆
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)
經濟學系 經濟學研究所選修
δ 課程大概內容
From Ceiba
第 1 週 9/10 Class introduction and What is Social Inquiry?
第 2 週 9/17 R basic 謝吉隆 (台大新聞所)
第 3 週 9/24 Holiday
第 4 週 10/1 R Basics 謝吉隆 (台大新聞所)
第 5 週 10/8 R Basics 謝吉隆 (台大新聞所)
第 6 週 10/15 R Basics 謝吉隆 (台大新聞所)
第 7 週 10/22 R Basics 謝吉隆 (台大新聞所)
第 8 週 10/29 Getting CSV and JSON plus XML or Accessing Database
謝吉隆 (台大新聞所)
======================================================= 以下都是演講
第 9 週 11/5 Getting data from Social media 謝吉隆 (台大新聞所)
第 10週 11/12 Crawling web data, e.g. ptt 謝吉隆 (台大新聞所)
第 11週 11/19 Data Science and Economics 陳釗而 (東京國際大學)
第 12週 11/26 Data Science in Sociology 江彥生 (中研院社會所)
第 13週 12/3 Data Science in Psychology 黃從仁 (台大心理系)
第 14週 12/10 Data Science in Geography 溫在弘 (台大地理系)
第 15週 12/17 Data Science in Humanity 謝舒凱 (台大語言所)
第 16週 12/24 智庫驅動 謝宗震執行長
第 17週 12/31 Holiday
第 18週 1/7 Final Presentation 討論
第 19週 1/14 Student Presentation
對，就是寒假第一週，感謝老師拖了一週讓我認真讀期末 QQ
Ω 私心推薦指數(以五分計) ★★★★★
本來就會寫程式了 ★★★★★★★★★★
自認可以當個大腿 ★★★★★★★★★★
對資料科學有興趣 ★★★★★
想認真學習寫程式 ★
沒有大腿可以寄生 ★
η 上課用書(影印講義或是指定教科書)
沒有，前幾週教 R 的時候可以到老師的 Github 下載上課用的 md 檔
後幾週就聽演講
μ 上課方式(投影片、團體討論、老師教學風格)
前幾週謝吉隆老師主要是教最基礎的 R，
不過說真的只教這八週左右根本不夠，想「完整」學 R 的建議去修更進階的。
然後差不多期中之後就是在聽各式各樣的演講了，
主要是在講 Data Science 在各行業的最新應用以及新的工具介紹等。
σ 評分方式(給分甜嗎？是紮實分？)
From Ceiba
上課參與: 20%(到課率、發問等)
課後作業: 20%
期中報告: 20% 於各主題擇一，繳交一份 1000 字以內的報告。
報告內容須包含兩部分:
第一部份為演講主題摘要 (300 字以內)，
第二部份則選定一個主題，先定義研究問題，
簡單描述所需資料變數為何，以及所採取的分析方法跟可能的結果。
期末報告 40%
三 - 四人一組，組內需涵蓋社科院至少三個系以上成員。
報告內容須包括: (1) 研究主題的定義與重要性，
(2) 資料取得、呈現、與分析，以及 (3) 結論的可信度。
說真的，我覺得會寫程式的話這堂課超級良又超級甜的
ρ 考題型式、作業方式
一起講，只有六次的 R 作業跟 Final Presentaion，
前幾次的 R 作業看個人能力了，會的就是會，不會的感覺就是有點辛苦。
不過其實基礎的程設概念就那樣，不會 R 但會別種語言的人應該都學很快，
頂多是有些 package 要查一下怎麼用。
至於有些人沒有基礎的人就比較辛苦了，可能在最一開始的語法就卡住，
或是弄不出教作業的要用的 markdown 語法。
至於期末報告就要祈禱上蒼保佑了，遇到雷的真的嘔嘔嘔嘔嘔都是我在寫，
Free-Rider 「可能」很多，至少我覺得我們這組除了另一位幾乎都是，
還有一個在 Presentation 之前說我交換截止要回國惹，我充滿問號 = =。
Final Presentaion 沒限制題目，只要和 Data Science 有關就好，
所以很廣啦，有人做公投、PTT輿情、低能卡相關、股票分析等相關的東西，
如果以前做過相關的東西就改一改做個投影片就能上了，
而且只要能說明最後的結果就好，也沒限制要用哪種語言，我是用 Python。
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…)
第一週要加簽的先留學號用抽的，不過我也不知道怎麼抽的，
最後期末剩下 59 個人。
基礎的話我是覺得不用，但就跟上面說的一樣，這不是一堂教你寫程式的課，
最好會寫一點或是有心要學再來，至少作業要寫得出來，
然後因為這是開給經濟系的選修，想認真做的要有 carry 一整組的打算。
Ψ 總結
作為 Data Science 的超級入門課程。
比起刻 code，我覺得更像是介紹新知跟工具的課吧。