※ 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）：
否
哪一学年度修课：
106
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
蔡芸琤
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)
基本能力课程
δ 课程大概内容
1.R语言、R studio介绍
2.R 语言的资料型态
3.dplyr 与 Data Frame。
4.data input
5.ggplot2 绘图教学
6.透过 r apply family 执行文本蒐集
7.脸书爬虫与文字云实作。
8.Term to Document Matrix
9.以 TF-IDF 进行 K-Means 分群。 本周投影片
10.机器学习简介 2. PCA 3. SVM 本周投影片
11.双变量分析。
12.利用 R 和 Shiny 制作网页作品。
13.自创 R 套件包。
14.使用 Deep Learning 于 R 中。
Ω 私心推荐指数(以五分计) ★★★★★
★★★★★
η 上课用书(影印讲义或是指定教科书)
无
μ 上课方式(投影片、团体讨论、老师教学风格)
老师上课以投影片为主，包括课程内容还有同学问题解答。
期末有一周团体讨论，有问题可以直接和老师讨论。
σ 评分方式(给分甜吗？是扎实分？)
个人作业 60% 共5次
期末专题 40%
ρ 考题型式、作业方式
这门课没有考试，只有作业。
作业老师会给sample code，只要用老师的sample code改一下或是google相关的资料其实
不难，但要花蛮多时间的。期末2-3人一组，自已找题目、还有资料来源，如果是同一组程
不错，又有时间讨论合作的话，可以完成还不错的作品。
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
老师不点名，应该是报告作业还有期末有来就好。没来上课的问题比较是下次来会跟不上
Ψ 总结
1.从上面课程内容而言，其实这门课教的内容很广，像爬虫、机器学习、统计分析等，所
以看到资料科学的大概，但各相关领域其实要自已再深入研究。
2.不建议程式初学者上课，除非有时间一个星期花在这门课至少12小时以上。这门课第一
周大约有30个，至少10个以上后来就没来上课了，老师是上个入门大概，细节要靠自已去
充实。
3.由于是在职生，我不是很重视分数，重要是有没有学到东西。之前看这门课前面的评价
蛮两极，也让我蛮犹豫要不要选这门课。就我这学期无缺席的观察，老师机乎很少迟到，
有大概也是5分钟。上课上式也是先把code放在github上让大家下载来看，再让大家跟着
做，如果有问题，也是会帮忙解决再继续后面的课程。
4.对于要上这门课的学生，我觉的重要的是“不要脸”，有问题要一直问，作业不会一定
要问，上课内容不了解，中间空堂就要问，老师都还蛮乐意回答的，所以其实中间下课老
师都没什么休息，就是一直回答问题，改code。课后寄信给老师，老师也会给个方向。我
想老师再回答问题也花了很多心力。
5.建议的部份，是老师的投影片资料很多，但结构性稍弱。
6.总结来说，这门课我个人觉的有学到蛮多东西的，工作上也用得到。如果敢问又有程式
语言的基础，蛮推荐给大家来上。