※ 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）：N
哪一学年度修课：107-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
林明仁 谢吉隆
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)
经济学系 经济学研究所选修
δ 课程大概内容
From Ceiba
第 1 周 9/10 Class introduction and What is Social Inquiry?
第 2 周 9/17 R basic 谢吉隆 (台大新闻所)
第 3 周 9/24 Holiday
第 4 周 10/1 R Basics 谢吉隆 (台大新闻所)
第 5 周 10/8 R Basics 谢吉隆 (台大新闻所)
第 6 周 10/15 R Basics 谢吉隆 (台大新闻所)
第 7 周 10/22 R Basics 谢吉隆 (台大新闻所)
第 8 周 10/29 Getting CSV and JSON plus XML or Accessing Database
谢吉隆 (台大新闻所)
======================================================= 以下都是演讲
第 9 周 11/5 Getting data from Social media 谢吉隆 (台大新闻所)
第 10周 11/12 Crawling web data, e.g. ptt 谢吉隆 (台大新闻所)
第 11周 11/19 Data Science and Economics 陈钊而 (东京国际大学)
第 12周 11/26 Data Science in Sociology 江彦生 (中研院社会所)
第 13周 12/3 Data Science in Psychology 黄从仁 (台大心理系)
第 14周 12/10 Data Science in Geography 温在弘 (台大地理系)
第 15周 12/17 Data Science in Humanity 谢舒凯 (台大语言所)
第 16周 12/24 智库驱动 谢宗震执行长
第 17周 12/31 Holiday
第 18周 1/7 Final Presentation 讨论
第 19周 1/14 Student Presentation
对，就是寒假第一周，感谢老师拖了一周让我认真读期末 QQ
Ω 私心推荐指数(以五分计) ★★★★★
本来就会写程式了 ★★★★★★★★★★
自认可以当个大腿 ★★★★★★★★★★
对资料科学有兴趣 ★★★★★
想认真学习写程式 ★
没有大腿可以寄生 ★
η 上课用书(影印讲义或是指定教科书)
没有，前几周教 R 的时候可以到老师的 Github 下载上课用的 md 档
后几周就听演讲
μ 上课方式(投影片、团体讨论、老师教学风格)
前几周谢吉隆老师主要是教最基础的 R，
不过说真的只教这八周左右根本不够，想“完整”学 R 的建议去修更进阶的。
然后差不多期中之后就是在听各式各样的演讲了，
主要是在讲 Data Science 在各行业的最新应用以及新的工具介绍等。
σ 评分方式(给分甜吗？是扎实分？)
From Ceiba
上课参与: 20%(到课率、发问等)
课后作业: 20%
期中报告: 20% 于各主题择一，缴交一份 1000 字以内的报告。
报告内容须包含两部分:
第一部份为演讲主题摘要 (300 字以内)，
第二部份则选定一个主题，先定义研究问题，
简单描述所需资料变量为何，以及所采取的分析方法跟可能的结果。
期末报告 40%
三 - 四人一组，组内需涵盖社科院至少三个系以上成员。
报告内容须包括: (1) 研究主题的定义与重要性，
(2) 资料取得、呈现、与分析，以及 (3) 结论的可信度。
说真的，我觉得会写程式的话这堂课超级良又超级甜的
ρ 考题型式、作业方式
一起讲，只有六次的 R 作业跟 Final Presentaion，
前几次的 R 作业看个人能力了，会的就是会，不会的感觉就是有点辛苦。
不过其实基础的程设概念就那样，不会 R 但会别种语言的人应该都学很快，
顶多是有些 package 要查一下怎么用。
至于有些人没有基础的人就比较辛苦了，可能在最一开始的语法就卡住，
或是弄不出教作业的要用的 markdown 语法。
至于期末报告就要祈祷上苍保佑了，遇到雷的真的呕呕呕呕呕都是我在写，
Free-Rider “可能”很多，至少我觉得我们这组除了另一位几乎都是，
还有一个在 Presentation 之前说我交换截止要回国惹，我充满问号 = =。
Final Presentaion 没限制题目，只要和 Data Science 有关就好，
所以很广啦，有人做公投、PTT舆情、低能卡相关、股票分析等相关的东西，
如果以前做过相关的东西就改一改做个投影片就能上了，
而且只要能说明最后的结果就好，也没限制要用哪种语言，我是用 Python。
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…)
第一周要加签的先留学号用抽的，不过我也不知道怎么抽的，
最后期末剩下 59 个人。
基础的话我是觉得不用，但就跟上面说的一样，这不是一堂教你写程式的课，
最好会写一点或是有心要学再来，至少作业要写得出来，
然后因为这是开给经济系的选修，想认真做的要有 carry 一整组的打算。
Ψ 总结
作为 Data Science 的超级入门课程。
比起刻 code，我觉得更像是介绍新知跟工具的课吧。