108-1_可靠度理論
教學目標
在修習本課程的過程中，使學生對可靠度分析之模型、原理與方法獲得深入瞭解，除基本理論的推導過程、可靠度分析軟體的學習與應用外，並能獲取分析報告且正確地解讀資訊。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.Reliability Concepts and Reliability Data
2. Models, Censoring, and Likelihood for Time-to-Failure Data
3. Nonparametric Estimation
4. Failure-time Distributions
6. Probability Plotting and Choosing a Failure-Time Distribution
7. Parametric Likelihood Concepts: Exponential Distribution
8. Maximum Likelihood: Log-location-Scale Based Distributions
9. Simulation-based Methods for Obtaining Confidence Intervals
10. Planning Studies to Obtain Reliability Data
11. Other Parametric Models
12. Accelerated Test Models
13. Analyzing Accelerated Life Test Data
教科書/參考書
1. William Q. M. and Luis A. E. (1998). Statistical Methods for Reliability Data. John Wiley & Sons. 2. 張起明等 (2001). 可靠度工程與管理手冊. 初版. 中華民國品質學會. 3. 王宗華 (2010) 可靠度工程與管理. 初版. 中華民國品質學會.
評分標準
期中考 30%; 期末考或報告 35%; 作業 35%.
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
6
在修習本課程的過程中，使學生對可靠度分析之模型、原理與方法獲得深入瞭解，除基本理論的推導過程、可靠度分析軟體的學習與應用外，並能獲取分析報告且正確地解讀資訊。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.Reliability Concepts and Reliability Data
2. Models, Censoring, and Likelihood for Time-to-Failure Data
3. Nonparametric Estimation
4. Failure-time Distributions
6. Probability Plotting and Choosing a Failure-Time Distribution
7. Parametric Likelihood Concepts: Exponential Distribution
8. Maximum Likelihood: Log-location-Scale Based Distributions
9. Simulation-based Methods for Obtaining Confidence Intervals
10. Planning Studies to Obtain Reliability Data
11. Other Parametric Models
12. Accelerated Test Models
13. Analyzing Accelerated Life Test Data
教科書/參考書
1. William Q. M. and Luis A. E. (1998). Statistical Methods for Reliability Data. John Wiley & Sons. 2. 張起明等 (2001). 可靠度工程與管理手冊. 初版. 中華民國品質學會. 3. 王宗華 (2010) 可靠度工程與管理. 初版. 中華民國品質學會.
評分標準
期中考 30%; 期末考或報告 35%; 作業 35%.
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
6
108-1_統計學習
教學目標
介紹如何從機率統計觀點切入機器學習之相關技法。 並延請業師針對業界常用分析軟體Python基礎內容進行授課。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-20.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.介紹機器學習技法，包含PLA、SVM、SVR與Adaboost等相關技法； 2.介紹統計學習技法，包含LM、Logistic LM與lasso等相關技法；
教科書/參考書
The Elements of Statistical Learning - Data_Mining, Inference, and Prediction, Hastie et. al. (2008)
評分標準
期中考40% 期末考40% 平常成績20%
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
18
介紹如何從機率統計觀點切入機器學習之相關技法。 並延請業師針對業界常用分析軟體Python基礎內容進行授課。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-20.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1.介紹機器學習技法，包含PLA、SVM、SVR與Adaboost等相關技法； 2.介紹統計學習技法，包含LM、Logistic LM與lasso等相關技法；
教科書/參考書
The Elements of Statistical Learning - Data_Mining, Inference, and Prediction, Hastie et. al. (2008)
評分標準
期中考40% 期末考40% 平常成績20%
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
18
108-1_大數據探勘
教學目標
了解近年來蓬勃發展之大數據分析之演進與推展
相關大數據資料採礦之基本概念、原理、方法與技術之建立
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 大數據資料簡介、緒論
2. 資料準備與資料品質討論、資料倉儲概念
3. 大數據資料分析之相關技術概念說明
4. 關聯規則與演算法
5. 決策樹分析與演算法
6. 群集分析與演算法
7. 支持向量機與演算法
教科書/參考書
1. 譚磊. 大數據挖掘-從巨量資料發現別人看不到的秘密.
2. 簡禎富、許嘉裕. 資料採礦與大數據分析.
3. 安德魯．麥克菲, 艾立克．布林約爾松, 湯瑪斯．戴文波特, 帕蒂爾, 珍．羅斯, 辛西雅．比思 等著. 哈佛教你精通大數據.
4. James, G., Witten, D., Hastie, T., Tibshirani, R. (2013). An Introduction to Statistical Learning, with Applications in R.
5. Makhabel, B. (2014). Learning Data Mining with R.
6. Torgo, L. (2010). Data mining with R: learning with case studies. Chapman & Hall/CRC.
7. Viktor Mayer-Schonberger and Kenneth Cukier. Big Data:A Revolution That Will Transform How We Live, Work, and Think.
8. Zumel, N., Mount, J., and Porzak, J. Practical Data Science with R.
9. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016) Data Mining: Practical Machine Learning Tools and Techniques.
評分標準
閱讀與簡報：25% 期末分析暨成果報告：40% 課程相關活動、實作或競賽參與：20% 課堂參與： 15%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
13
了解近年來蓬勃發展之大數據分析之演進與推展
相關大數據資料採礦之基本概念、原理、方法與技術之建立
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-20.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. 大數據資料簡介、緒論
2. 資料準備與資料品質討論、資料倉儲概念
3. 大數據資料分析之相關技術概念說明
4. 關聯規則與演算法
5. 決策樹分析與演算法
6. 群集分析與演算法
7. 支持向量機與演算法
教科書/參考書
1. 譚磊. 大數據挖掘-從巨量資料發現別人看不到的秘密.
2. 簡禎富、許嘉裕. 資料採礦與大數據分析.
3. 安德魯．麥克菲, 艾立克．布林約爾松, 湯瑪斯．戴文波特, 帕蒂爾, 珍．羅斯, 辛西雅．比思 等著. 哈佛教你精通大數據.
4. James, G., Witten, D., Hastie, T., Tibshirani, R. (2013). An Introduction to Statistical Learning, with Applications in R.
5. Makhabel, B. (2014). Learning Data Mining with R.
6. Torgo, L. (2010). Data mining with R: learning with case studies. Chapman & Hall/CRC.
7. Viktor Mayer-Schonberger and Kenneth Cukier. Big Data:A Revolution That Will Transform How We Live, Work, and Think.
8. Zumel, N., Mount, J., and Porzak, J. Practical Data Science with R.
9. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016) Data Mining: Practical Machine Learning Tools and Techniques.
評分標準
閱讀與簡報：25% 期末分析暨成果報告：40% 課程相關活動、實作或競賽參與：20% 課堂參與： 15%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
13
108-1_投資與財務市場
教學目標
本課程主要討論投資與風險，相關財務市場知識，以及追求股東財富最大化的前提下，進行公司的投資規劃，及相關資金的籌措。主要是根據資金的運動規律，對公司生產經營活動中資金的籌集、使用和分配，進行預測、決策、計畫、控制、核算和分析，提高資金運用效果，實現資本保值增值的管理工作。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1~2 課程簡介與馬可維茲投資理論 3 資產訂價模型 4~5 效率市場與財務行為學 6~7 投資風險與項目分析 8 資本結構基礎 9 期中考試與檢討 10~11 遠期與期貨 12~13 選擇權與風險 14~15 二項選擇權定價模型 16~17 Black-Scholes選擇權定價模型 18 期末考試與檢討(SEM)
教科書/參考書
Textbook: SOA Exam IFM Study Manual, 1st ed Author: A. Weishaus Publisher: A/S/M Reference: Derivatives Markets (Third Edition), 2013, Author: McDonald, R.L. Publisher: Pearson Education Corporate Finance (Fourth Edition), 2017 Authors: Berk, J. and DeMarzo, P. Publisher: Pearson
評分標準
三次考試各占30%, 上課參與討論情形10%
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
9
本課程主要討論投資與風險，相關財務市場知識，以及追求股東財富最大化的前提下，進行公司的投資規劃，及相關資金的籌措。主要是根據資金的運動規律，對公司生產經營活動中資金的籌集、使用和分配，進行預測、決策、計畫、控制、核算和分析，提高資金運用效果，實現資本保值增值的管理工作。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-0.00%;專題實作與報告-50.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1~2 課程簡介與馬可維茲投資理論 3 資產訂價模型 4~5 效率市場與財務行為學 6~7 投資風險與項目分析 8 資本結構基礎 9 期中考試與檢討 10~11 遠期與期貨 12~13 選擇權與風險 14~15 二項選擇權定價模型 16~17 Black-Scholes選擇權定價模型 18 期末考試與檢討(SEM)
教科書/參考書
Textbook: SOA Exam IFM Study Manual, 1st ed Author: A. Weishaus Publisher: A/S/M Reference: Derivatives Markets (Third Edition), 2013, Author: McDonald, R.L. Publisher: Pearson Education Corporate Finance (Fourth Edition), 2017 Authors: Berk, J. and DeMarzo, P. Publisher: Pearson
評分標準
三次考試各占30%, 上課參與討論情形10%
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
9
108-1_線性模型
教學目標
線性模型涵蓋許多重要的統計模型，包括迴歸模型、變異數分析模型、羅吉斯模型、實驗設計模型等，並以簡潔的矩陣形式來表達及分析這些模型。因此主要教學目標在於使同學熟悉統計常用的矩陣計算及技巧，各種線性模型的意義及其應用，並應用矩陣計算來執行各種線性模型的分析、估計、及統計檢定等問題。由於在應用上，線性模型廣受各領域的重視，因此亦將加入各模型在各領域上的應用實例，使得同學對於各種不同的線性模型，能有更深入的認識。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-10.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
教學內容: 1.Elementary Theorems on Linear and Matrix Algebra。 2. Heteroscedasticity。 3. Multidimensional Normal Distribution and Sampling Theorems。 4. Distributions of Quadratic Forms。 5. Multicollinearity。 6. General Linear Model: Logistic Regression。 7. Simultaneous equations。 8. Applications of the General Linear Model。 每週教學進度: 第一週~第二週：教學內容 #1。 第三週~第五週：教學內容 #2~#3。 第六週~第九週：教學內容 #4，第一次考試。 第十週~第十二週：教學內容 #5。 第十三週~第十五週：教學內容 #6~#7。 第十六週~第十八週：教學內容 #8，第二次考試。
教科書/參考書
Textbook: Theory and Application of the Linear Model Author: Franklin A. Graybill Publisher: Duxbury Press Introduction to econemetrics Author: Maddala Publisher: Prentice Reference: Plane Answers to Complex Questions: The Theory of Linear Models, 2nd ed., Author: Ronald Christensen Publisher: Springer
評分標準
作業：繳交3~6次作業，以活用上課所教授內容為主要目的。 期中、期末考試共兩次。 學生學習評量方式期中考(30%)、期末考(30%)、作業(40%)。
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
17
線性模型涵蓋許多重要的統計模型，包括迴歸模型、變異數分析模型、羅吉斯模型、實驗設計模型等，並以簡潔的矩陣形式來表達及分析這些模型。因此主要教學目標在於使同學熟悉統計常用的矩陣計算及技巧，各種線性模型的意義及其應用，並應用矩陣計算來執行各種線性模型的分析、估計、及統計檢定等問題。由於在應用上，線性模型廣受各領域的重視，因此亦將加入各模型在各領域上的應用實例，使得同學對於各種不同的線性模型，能有更深入的認識。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-10.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
教學內容: 1.Elementary Theorems on Linear and Matrix Algebra。 2. Heteroscedasticity。 3. Multidimensional Normal Distribution and Sampling Theorems。 4. Distributions of Quadratic Forms。 5. Multicollinearity。 6. General Linear Model: Logistic Regression。 7. Simultaneous equations。 8. Applications of the General Linear Model。 每週教學進度: 第一週~第二週：教學內容 #1。 第三週~第五週：教學內容 #2~#3。 第六週~第九週：教學內容 #4，第一次考試。 第十週~第十二週：教學內容 #5。 第十三週~第十五週：教學內容 #6~#7。 第十六週~第十八週：教學內容 #8，第二次考試。
教科書/參考書
Textbook: Theory and Application of the Linear Model Author: Franklin A. Graybill Publisher: Duxbury Press Introduction to econemetrics Author: Maddala Publisher: Prentice Reference: Plane Answers to Complex Questions: The Theory of Linear Models, 2nd ed., Author: Ronald Christensen Publisher: Springer
評分標準
作業：繳交3~6次作業，以活用上課所教授內容為主要目的。 期中、期末考試共兩次。 學生學習評量方式期中考(30%)、期末考(30%)、作業(40%)。
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
17
108-1_基礎統計
教學目標
LaTex與R軟體等相關程式介紹 簡介機率與統計之相關內容並透過R軟體之相關函數進行範例解說 講述機率統計應用的範疇
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. R軟體學習 2. LeTex文書編輯軟體學習 3. 機率相關內容簡介 4. 統計相關內容簡介 5. 機率統計應用實例
教科書/參考書
無。
評分標準
學生報告50% 作業成績50%
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
11
LaTex與R軟體等相關程式介紹 簡介機率與統計之相關內容並透過R軟體之相關函數進行範例解說 講述機率統計應用的範疇
授課形式
理論講述與討論-40.00%;個案分析或作品賞析-30.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. R軟體學習 2. LeTex文書編輯軟體學習 3. 機率相關內容簡介 4. 統計相關內容簡介 5. 機率統計應用實例
教科書/參考書
無。
評分標準
學生報告50% 作業成績50%
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
11
108-1_抽樣技巧
教學目標
學生必須先具備機率與統計的概念，再透過學習抽樣技巧的過程中，反思過去的理論，並對抽樣方法有一定的認識。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
簡單隨機抽樣、分層隨機抽樣、系統抽樣、簡單集體抽樣、兩段抽樣
教科書/參考書
儲全滋（1996）抽樣方法，三民書局。
評分標準
期末考80%、出席20%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
3
學生必須先具備機率與統計的概念，再透過學習抽樣技巧的過程中，反思過去的理論，並對抽樣方法有一定的認識。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
簡單隨機抽樣、分層隨機抽樣、系統抽樣、簡單集體抽樣、兩段抽樣
教科書/參考書
儲全滋（1996）抽樣方法，三民書局。
評分標準
期末考80%、出席20%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
3
108-1_迴歸分析
教學目標
在修習本課程的過程中，使學生對迴歸模型、迴歸分析的原理與方法獲得深入瞭解，除基本理論的推導過程、統計套裝軟體的學習與應用之外，並藉由所學能有效解決實際所遇到的問題，也希望能透過解決實際問題更加了解迴歸分析之意涵，並能深入且正確地解釋所得之資料分析結果。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part I: Simple linear regression
Chap. 1 Linear Regression with One Predictor Variable
Chap. 2 Inferences in Regression and Correlation Analysis
Chap. 3 Diagnostics and Remedial Measures
Chap. 4 Simultaneous Inferences and Other Topics in Regression Analysis
Chap. 5 Matrix Approach to Simple Linear Regression Analysis
Part II: Multiple linear regression
Chap. 6 Multiple Regression I
Chap. 7 Multiple Regression II
Chap. 8 Regression Methods for Quantitative and Qualitative Predictors
Chap. 9 Building the Regression Model I: Model Selection and Validation
Chap. 10 Building the Regression Model II: Diagnostics
Chap. 11 Building the Regression Model III: Remedial Measures
Part III: Nonlinear regression
Chap. 13 Introduction to Nonlinear Regression and Neural Networks
Chap. 14 Logistic Regression, Poisson Regression, and Generalized Linear Models
教科書/參考書
教科書：
Applied Linear Regression Models. By Neter, Kutner, Nachtsheim and Wasserman.
參考書：
Introduction to Linear Regression Analysis. By Montgomery, Peck and Vining
評分標準
Midterm exam 30%; Final exam 35%; Homework 35%.
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
12
在修習本課程的過程中，使學生對迴歸模型、迴歸分析的原理與方法獲得深入瞭解，除基本理論的推導過程、統計套裝軟體的學習與應用之外，並藉由所學能有效解決實際所遇到的問題，也希望能透過解決實際問題更加了解迴歸分析之意涵，並能深入且正確地解釋所得之資料分析結果。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
Part I: Simple linear regression
Chap. 1 Linear Regression with One Predictor Variable
Chap. 2 Inferences in Regression and Correlation Analysis
Chap. 3 Diagnostics and Remedial Measures
Chap. 4 Simultaneous Inferences and Other Topics in Regression Analysis
Chap. 5 Matrix Approach to Simple Linear Regression Analysis
Part II: Multiple linear regression
Chap. 6 Multiple Regression I
Chap. 7 Multiple Regression II
Chap. 8 Regression Methods for Quantitative and Qualitative Predictors
Chap. 9 Building the Regression Model I: Model Selection and Validation
Chap. 10 Building the Regression Model II: Diagnostics
Chap. 11 Building the Regression Model III: Remedial Measures
Part III: Nonlinear regression
Chap. 13 Introduction to Nonlinear Regression and Neural Networks
Chap. 14 Logistic Regression, Poisson Regression, and Generalized Linear Models
教科書/參考書
教科書：
Applied Linear Regression Models. By Neter, Kutner, Nachtsheim and Wasserman.
參考書：
Introduction to Linear Regression Analysis. By Montgomery, Peck and Vining
評分標準
Midterm exam 30%; Final exam 35%; Homework 35%.
學分數
3
授課時數(周)
3
開課班級
M10744
修課人數
12
108-1_數理統計
教學目標
讓學生了解統計方法的基礎數理背景。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Random variables and random vectors 2. Joint, marginal and conditional distributions 3. Random sampling and sample generators 4. Sampling distribution 5. Estimators methods: for example, Maximun likelihood estimation 6. Properties of estimators (e.g., bias, variance, mean squared error, consistency, sufficient statistics, efficiency, uniformly minimum variance undiasedness, and information inequality) 7. Confidence intervals 8. Testing statistical hypotheses and test statistics: significance and power, Neyman-Pearson theorem, likelihood ratio tests, Lehmann-Scheffe theorem 9. Contingency tables and goodness-of-fit
教科書/參考書
1. Mathematical Statistics by S. F. Arnold. 2. A Course in Mathematical Statistics (2nd ed.) by G. G. Roussas.
評分標準
期末考80%、出席20%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
6
讓學生了解統計方法的基礎數理背景。
授課形式
理論講述與討論-100.00%;個案分析或作品賞析-0.00%;專題實作與報告-0.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Random variables and random vectors 2. Joint, marginal and conditional distributions 3. Random sampling and sample generators 4. Sampling distribution 5. Estimators methods: for example, Maximun likelihood estimation 6. Properties of estimators (e.g., bias, variance, mean squared error, consistency, sufficient statistics, efficiency, uniformly minimum variance undiasedness, and information inequality) 7. Confidence intervals 8. Testing statistical hypotheses and test statistics: significance and power, Neyman-Pearson theorem, likelihood ratio tests, Lehmann-Scheffe theorem 9. Contingency tables and goodness-of-fit
教科書/參考書
1. Mathematical Statistics by S. F. Arnold. 2. A Course in Mathematical Statistics (2nd ed.) by G. G. Roussas.
評分標準
期末考80%、出席20%
學分數
3
授課時數(周)
3
開課班級
M10844
修課人數
6
108-1_書報討論(二)
教學目標
藉由廣邀學界與業界具統計背景之教授與專業人士分享其統計相關之研究與應用，進而使學生理解數據分析現今研究方向與實用價值。期使學生於研習相關統計基礎課程外，亦能針對其日後有興趣從事之相關領域，更有效的進行科別的選修，進而達到學以致用的終極目標。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-30.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
將邀請統計主要研究領域學者與業界之統計應用傑出人才分享其研究成果與工作心得。
教科書/參考書
參考各演講者之個人著作及演講內容投影片。
評分標準
出席率、對各演講者、演講主題的了解及提問。
學分數
1
授課時數(周)
2
開課班級
M10744
修課人數
14
藉由廣邀學界與業界具統計背景之教授與專業人士分享其統計相關之研究與應用，進而使學生理解數據分析現今研究方向與實用價值。期使學生於研習相關統計基礎課程外，亦能針對其日後有興趣從事之相關領域，更有效的進行科別的選修，進而達到學以致用的終極目標。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-30.00%;專題實作與報告-10.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
將邀請統計主要研究領域學者與業界之統計應用傑出人才分享其研究成果與工作心得。
教科書/參考書
參考各演講者之個人著作及演講內容投影片。
評分標準
出席率、對各演講者、演講主題的了解及提問。
學分數
1
授課時數(周)
2
開課班級
M10744
修課人數
14