※ 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）：是
哪一学年度修课：
110-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
谢志升
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)
经研所选修
δ 课程大概内容
根据syllabus
Week 1 (2/14): Numerical optimization (linear equation, linear programming)
Week 2 (2/21): Numerical optimization (general nonlinear optimization)
Week 3 (2/28): No class (Holiday)
Week 4 (3/07): Bootstrap
Week 5 (3/14): Simulated-based estimation (Numerical Integration)
Week 6 (3/21): Simulated-based estimation (EM, SML and SMM, etc.)
Week 7 (3/28): Simulated-based estimation (EM, SML and SMM, etc.)
Week 8 (4/04): No class (Holiday)
Week 9 (4/11): Simulated-based estimation (EM, SML and SMM, etc.)
Week 10 (4/18): Bayesian estimation (Principles)
Week 11 (4/25): Bayesian estimation (Principles)
Week 12 (5/02): Bayesian estimation (Markov chain Monte Carlo sampling)
Week 13 (5/09): Bayesian estimation (Markov chain Monte Carlo sampling)
Week 14 (5/16): Dynamic programming
Week 15 (5/23): Dynamic programming
Week 16 (5/30): Student presentation
Week 17 (6/06): Student presentation (extra session)
Ω 私心推荐指数(以五分计) ★★★★★
研究需要用到计量方法：★★★★★ 基本上做研究可能会用到的一些方法都会教到
学了计量想知道怎么跑程式：★★★★★
想做资料科学：★★★★ 会碰资料但方法跟需求都偏学术
喜欢人很好的老师：★★★★★ 老师人太好了...
η 上课用书(影印讲义或是指定教科书)
用老师自编讲义，除此之外会带几篇 paper。
另外期末需要报paper，基本上是从老师提供的论文内挑一篇来报，但如果有其他篇有兴趣
的也可以跟老师说，基本上跟计量经济学、计算方法，甚至机器学习有关的都可以。
μ 上课方式(投影片、团体讨论、老师教学风格)
投影片上课，基本上上课就是讲解投影片内容，大部分的内容都在投影片上了，认真上课
并作点笔记的话应该可以吸收得不错，但建议要有计论一的知识再来修会比较好。
这门课是英语授课，老师英文讲得很清楚，基本上不会出现听不懂的情况。
σ 评分方式(给分甜吗？是扎实分？)
1. Participation 10%
Students should attend lectures regularly and engage in course discussions
2. Assignments 60%
There are several assignments to exercise the problem solving and software
coding
3. Paper Review and Presentation 30%
Students should choose an article from the reading list and present it at the
end of the
semester (or write a review)
我觉得算扎实偏甜。主要的分数都集中在作业，而作业总共有三次，每次都有大概一个月
可以完成。三次作业都是实打实的程式作业，只有第三次有 Bayesian 推导要做。程式作
业的语言不限，老师主要用 R 跟 Matlab，所以上课的范例程式也是用 R 或 Matlab 来
示范，但作业要用 Python, Julia, C/C++ 写就完全没有限制。
作业算是有挑战性。作业一满简单的，主要就是熟悉一些基本的剂量方法，可能也让同学
熟悉一下各个语言的套件；作业二要我们用不同的 dataset 重做一篇经典的计量估计方法
的论文（Estimation of a Model of Entry in the Airline Industry, Berry 1992），
作业三则是用 MLE 跟 MCMC 实作一篇老师做社会网络的论文结果。
实验跟估计的结果固然重要，但老师也不会全看跑出来的数值结果，而是着重在你的程式
是不是正确的，或是跑出来的结果不尽理想有没有做延伸的讨论或是测试，这点我觉得满
好的，你可以在报告里面跟老师讨论和解释你的程式、理论结果和实验结果的异同与成因
，老师也会满用心地跟你讨论，在上课时也能问老师怎么样让结果跑得更合理、怎么选模
型的方法，老师都会不吝啬地分享。而且如果作业真的写不太出来，跟老师反映后如果发
现全班都希望把死线延期的话老师也很乐意延长作业时间！这点真的很佛，作业三因为接
近期末，我便和老师讨论能不能延期一周，老师也在调查班上同学意见后干脆地延后作业
截止日期，我真的超感动...作业二则是老师也觉得不容易，所以主动延长死线，所以只要
不要真的都拖到最后一刻才写作业的话，应该不至于完全写不出来。
另外期末报告只要挑一篇 paper 跟大家做 30 分钟的分享就好，我觉得这部分不会太影响
分数，因为就算讲得很不顺或是节奏很乱，只要能让老师知道你真的有读这篇论文，老师
也会很大方地给予称赞和回馈，真的不用太担心英文很烂或是没有报论文的经验，老师不
会电人，而且也有比较简单的文章可以报，只要用心准备我想是完全不会有问题。
ρ 考题型式、作业方式
没有考试，三次作业都是程式作业，详细内容都写在上面了。
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…)
基本上全签。第一周老师会详细说明这门课的规划和课程负担，所以可以听完后再根据自
己的时间和需求来决定要不要上课。学期初人数上限25人全满，但加退选结束后就剩约10
多人了，真的有修完的期末只有10个人，所以上课品质很好，课堂上也可以跟老师有直接
的互动，想问问题都能直接问，下课有额外想讨论的事情老师也很欢迎学生找他讨论，我
满常看到其他不是老师指导的学生跟老师讨论一些研究上的事情，老师都超有耐心而且给
出很有帮助的回答，呜呜人真的很好。
如果是未来想继续走学术，做非纯理论研究的话，我满推荐大家来修这门课的，毕竟经济
学研究很大一部分是仰赖手中有的资料，以及怎么分析这些资料，能够在这门课上熟悉一
些常用的计量方法和套件、语法的话绝对会有帮助，我也是在写这门课的作业时才更熟悉
python pandas, numpy, sklearn 的一些用法。另外这门课接近尾声时老师有提供一些当
研究助理的机会，修完课马上就有实际应用的机会，不知道算不算一种自产自销ＸＤ其实
修完这门课应该就能应付绝大多数经济系ＲＡ的工作了，把这门课当成ＲＡ训练营的话倒
也满像的。
基础的话建议至少要有计量经济学一或是计量理论的知识，修起来会比较有 sense 一点，
有一些高统的知识可能也会有帮助，但都不是绝对必要，至少连我这种计量 0 基础的人都
修得动了，其实只要会写程式就能在这门课拿到好成绩，不过如果要有比较深刻的体会，
还是建议修过计量理论或差不多的课再来上这门课。
Ψ 总结
老师人超好又超帅超可爱><！很会鼓励学生也很用心在准备课堂上，真的是天使老师