110-2_進階R資料分析與應用
教學目標
疫情升溫期間本課預計採線上授課及線上報告，Microsoft Teams遠距授課網址如下：
https://teams.microsoft.com/l/team/19%3aFHcDMelgg4m98xQ2fAoIzzXJ6I1iXD5SjDegZ5XgZCE1%40thread.tacv2/conversations?groupId=495a5b64-6c16-44b2-afd1-607c8e87922a&tenantId=5a484953-77ef-42ec-90cf-2f4e1037ffc7
不會寫程式沒關係，但要帶著一顆想學程式的企圖心。R、Python是目前全國大學非資訊領域學習，排名第一,第二的程式設計語言，畢業前至少學2種，厚植與眾不同的實力，鼓勵同學來修習！
---
[別校的同學怎麼說]
請同學copy以下連結觀看=>
[修過的同學怎麼說]
---
應用上課所學的東西，在做的過程發現資料整理相關的函數真的很使用，只要寫幾行程式就可以把龐大的資料整理成我想要的樣子，r語言這堂課真的是很實用的課程，我想我未來在整理資料的時候也可以運用。
---
透過觀摩同學的資料，往往都會發現自己沒有想到可以應用的部份，每次觀摩完內心都會感嘆：「哇！原來還可以這麼做」，雖然我們都是管院的學生，但因為每個系的教學風格不同，每個系所使用資料的應用也不同，在作業撰寫時已和不同系的同學擦出不同火花，我覺得收穫很大。
---
除了學習怎麼使用R、完成了這學期的課程，也同時幫助我順利度過畢業專題。身為一直都很喜歡統計，也很想接觸大數據的課程的人，很開心這次有機會修老師的課，希望下學期還有機會能夠上R進階課程。
---
我覺得Python跟R的差別正如同老師所說，R在資料分析方面更加出色。另外，透過議題式的學習，我覺得更能學會如何應用在生活當中，更深刻地體會到程式是無所不在。
---
到這堂課才讓我能夠結合系上所學做出相對完整的資料分析，也因此非常感謝老師的指導，讓我能夠完成先前沒有達到的目標。
---
這學期是我第一次接觸R，在課堂中經過老師一步步的講解，讓我不再懼怕程式語言，也不怕看到龐大的數據資料；透過期中以及期末報告的議題發想與製作，也讓我學會將課堂所學應用到專題中，除此之外，在學習基礎的讀檔以及畫圖之後，我也將所學應用到系上的品質管理課程中，繪製課堂所學的管制圖。如果之後還有機會的話，會希望能夠更深入的學習R語言，並且應用到系上的專題課程。
---
我希望能夠在下學期的進階學到有關統計的運用，讓我在未來的資料分析上有著實用的工具配合！
---
在接觸過後發現這雖然不到平易近人，但也並不如我想的那麼生澀難懂，就跟老師在期初所說的一樣，要跟專長寫程式的人比寫程式的話我一定比不贏，但若是能運用在自己的專業上，那這會是能幫助我在自己的領域嶄露頭角的工具，若下學期的課沒有衝突，我還想繼續把R學得更完整。
---
越清楚未來數據分析會是一樣很有用的技能，也有很多好處。
---
110-1 AI語意應用程式設計實作、R分析應用、基礎程式設計（A班）、基礎程式設計（B班）、英美文學與AI設計思維 等課，參加「2022智慧感測聯網創新應用競賽」共獲得第二名2件、第三名1件、佳作7件… 恭喜各位同學、辛苦了！！
[教學目標]
未來世界的創新與新工作的產生，如AI與智慧設計等，程式設計成為關鍵科技。美國及歐盟及國內很多大學已將程式設計列為必修，來引導跨入軟體領域，培養邏輯表達，議題規劃分析能力。R為商業數據管理與決策的重要工具，為管理學院學生必要培養的能力之一，商管領域學R是趨勢。根據推動大學程式教學統計，R是目前全國大學非資訊領域學習排名第一的程式語言。R與傳統統計工具如SPSS不同，它能處理現代網路結構或非結構之大數據及開放資料，為商業數據分析及AI機器學習模型發展的重要工具。透過R程式設計能即時收集、分析與建立分析模型，進行動態統計、議題研究、機器學習建模、智慧應用分析等。本課程透過議題式教學，引領跨入數據管理、資料科學、智慧資訊設計與決策應用，財金交易分析、統計檢定、人工智慧與機器學習之資料建模等。本課介紹以下議題：1.機率統計 2.趨勢預測 3.AI機器學習資料模型建立。對統計沒基礎的同學不用擔心，課程會介紹統計基本觀念。
授課形式
理論講述與討論-15.00%;個案分析或作品賞析-15.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他:上機操作-40.00%
課程內容與進度
Week 1: 課程介紹 Week 2: 機率分佈 Week 3: 議題方向報告 Week 4: 基本統計分析 Week 5: 線性模型(I) Week 6: 線性模型(II) Week 7: 模型診斷 Week 8: 期中學習心得及議題報告(I) Week 9: 期中學習心得及議題報告(II) Week 10: 資料正規化 Week 11: 非線性模型 Week 12: 時間序列與相關 Week 13: 資料分群 Week 14:AI 最佳模型建立 Week 15: 期末實作個別討論 Week 16: 期末實作個別指導 Week 17: 期末學習心得及議題報告(I) Week 18: 期末學習心得及議題報告(II)
教科書/參考書
自訂教材
評分標準
出席:10%, 平時-期中-期末作業及報告:90% (暫定)
學分數
3
授課時數(周)
3
開課班級
A11039
修課人數
16
疫情升溫期間本課預計採線上授課及線上報告，Microsoft Teams遠距授課網址如下：
https://teams.microsoft.com/l/team/19%3aFHcDMelgg4m98xQ2fAoIzzXJ6I1iXD5SjDegZ5XgZCE1%40thread.tacv2/conversations?groupId=495a5b64-6c16-44b2-afd1-607c8e87922a&tenantId=5a484953-77ef-42ec-90cf-2f4e1037ffc7
不會寫程式沒關係，但要帶著一顆想學程式的企圖心。R、Python是目前全國大學非資訊領域學習，排名第一,第二的程式設計語言，畢業前至少學2種，厚植與眾不同的實力，鼓勵同學來修習！
---
[別校的同學怎麼說]
請同學copy以下連結觀看=>
[修過的同學怎麼說]
---
應用上課所學的東西，在做的過程發現資料整理相關的函數真的很使用，只要寫幾行程式就可以把龐大的資料整理成我想要的樣子，r語言這堂課真的是很實用的課程，我想我未來在整理資料的時候也可以運用。
---
透過觀摩同學的資料，往往都會發現自己沒有想到可以應用的部份，每次觀摩完內心都會感嘆：「哇！原來還可以這麼做」，雖然我們都是管院的學生，但因為每個系的教學風格不同，每個系所使用資料的應用也不同，在作業撰寫時已和不同系的同學擦出不同火花，我覺得收穫很大。
---
除了學習怎麼使用R、完成了這學期的課程，也同時幫助我順利度過畢業專題。身為一直都很喜歡統計，也很想接觸大數據的課程的人，很開心這次有機會修老師的課，希望下學期還有機會能夠上R進階課程。
---
我覺得Python跟R的差別正如同老師所說，R在資料分析方面更加出色。另外，透過議題式的學習，我覺得更能學會如何應用在生活當中，更深刻地體會到程式是無所不在。
---
到這堂課才讓我能夠結合系上所學做出相對完整的資料分析，也因此非常感謝老師的指導，讓我能夠完成先前沒有達到的目標。
---
這學期是我第一次接觸R，在課堂中經過老師一步步的講解，讓我不再懼怕程式語言，也不怕看到龐大的數據資料；透過期中以及期末報告的議題發想與製作，也讓我學會將課堂所學應用到專題中，除此之外，在學習基礎的讀檔以及畫圖之後，我也將所學應用到系上的品質管理課程中，繪製課堂所學的管制圖。如果之後還有機會的話，會希望能夠更深入的學習R語言，並且應用到系上的專題課程。
---
我希望能夠在下學期的進階學到有關統計的運用，讓我在未來的資料分析上有著實用的工具配合！
---
在接觸過後發現這雖然不到平易近人，但也並不如我想的那麼生澀難懂，就跟老師在期初所說的一樣，要跟專長寫程式的人比寫程式的話我一定比不贏，但若是能運用在自己的專業上，那這會是能幫助我在自己的領域嶄露頭角的工具，若下學期的課沒有衝突，我還想繼續把R學得更完整。
---
越清楚未來數據分析會是一樣很有用的技能，也有很多好處。
---
110-1 AI語意應用程式設計實作、R分析應用、基礎程式設計（A班）、基礎程式設計（B班）、英美文學與AI設計思維 等課，參加「2022智慧感測聯網創新應用競賽」共獲得第二名2件、第三名1件、佳作7件… 恭喜各位同學、辛苦了！！
[教學目標]
未來世界的創新與新工作的產生，如AI與智慧設計等，程式設計成為關鍵科技。美國及歐盟及國內很多大學已將程式設計列為必修，來引導跨入軟體領域，培養邏輯表達，議題規劃分析能力。R為商業數據管理與決策的重要工具，為管理學院學生必要培養的能力之一，商管領域學R是趨勢。根據推動大學程式教學統計，R是目前全國大學非資訊領域學習排名第一的程式語言。R與傳統統計工具如SPSS不同，它能處理現代網路結構或非結構之大數據及開放資料，為商業數據分析及AI機器學習模型發展的重要工具。透過R程式設計能即時收集、分析與建立分析模型，進行動態統計、議題研究、機器學習建模、智慧應用分析等。本課程透過議題式教學，引領跨入數據管理、資料科學、智慧資訊設計與決策應用，財金交易分析、統計檢定、人工智慧與機器學習之資料建模等。本課介紹以下議題：1.機率統計 2.趨勢預測 3.AI機器學習資料模型建立。對統計沒基礎的同學不用擔心，課程會介紹統計基本觀念。
授課形式
理論講述與討論-15.00%;個案分析或作品賞析-15.00%;專題實作與報告-30.00%;田野調查-0.00%;實驗-0.00%;其他:上機操作-40.00%
課程內容與進度
Week 1: 課程介紹 Week 2: 機率分佈 Week 3: 議題方向報告 Week 4: 基本統計分析 Week 5: 線性模型(I) Week 6: 線性模型(II) Week 7: 模型診斷 Week 8: 期中學習心得及議題報告(I) Week 9: 期中學習心得及議題報告(II) Week 10: 資料正規化 Week 11: 非線性模型 Week 12: 時間序列與相關 Week 13: 資料分群 Week 14:AI 最佳模型建立 Week 15: 期末實作個別討論 Week 16: 期末實作個別指導 Week 17: 期末學習心得及議題報告(I) Week 18: 期末學習心得及議題報告(II)
教科書/參考書
自訂教材
評分標準
出席:10%, 平時-期中-期末作業及報告:90% (暫定)
學分數
3
授課時數(周)
3
開課班級
A11039
修課人數
16