115-1_基礎統計
統計學研究所
教學目標
授予學習統計的背景知識
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
機率空間、隨機變數、條件機率、統計模擬、線性代數
教科書/參考書
無
評分標準
期中考50% 期末考50%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
授予學習統計的背景知識
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
機率空間、隨機變數、條件機率、統計模擬、線性代數
教科書/參考書
無
評分標準
期中考50% 期末考50%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
115-1_統計學習
統計學研究所
教學目標
使學生了解統計及機器學習方法，此課程會多從統計的角度出發，兼顧理論與程式應用。
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. Introduction (1 Week); 2. Linear regression (1-2 Weeks); 3. Classification (1-2 Weeks); 4. Cross-Validation (1-2 Weeks); 5. Model selection (1-2 Weeks); 6. Tree-based method (1-2 Weeks); 7: Boosting method (1-2 Weeks); 8: Support Vector Machine (1-2 Weeks);
教科書/參考書
James, G., Witten, D., Hastie, T. and Tibshirani, R. An Introduction to Statistical Learning with Applications in R, Springer, 2013. Hastie, T., Tibshirani, R. and Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition, Springer, 2009.
評分標準
作業50%，期末報告50%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
使學生了解統計及機器學習方法，此課程會多從統計的角度出發，兼顧理論與程式應用。
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. Introduction (1 Week); 2. Linear regression (1-2 Weeks); 3. Classification (1-2 Weeks); 4. Cross-Validation (1-2 Weeks); 5. Model selection (1-2 Weeks); 6. Tree-based method (1-2 Weeks); 7: Boosting method (1-2 Weeks); 8: Support Vector Machine (1-2 Weeks);
教科書/參考書
James, G., Witten, D., Hastie, T. and Tibshirani, R. An Introduction to Statistical Learning with Applications in R, Springer, 2013. Hastie, T., Tibshirani, R. and Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition, Springer, 2009.
評分標準
作業50%，期末報告50%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
115-1_多變量分析
統計學研究所
教學目標
多變量分析是實務應用經常被使用的分析方法，透過本課程，我們將從矩陣的基礎理論開始，進而學習各式多變量的分析手法。
授課形式
理論講述與討論-80.00%;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-20.00%;其他-0.00%
課程內容與進度
elementary matrix operations; principal component analysis; cluster analysis; path analysis; factor analysis.
教科書/參考書
R. A. Johnson and D. W. Wichern (2007). Applied multivariate statistical analysis. W. K. Hardle and L. Simar (2019) Applied multivariate statistical analysis.
評分標準
期末報告100%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
多變量分析是實務應用經常被使用的分析方法，透過本課程，我們將從矩陣的基礎理論開始，進而學習各式多變量的分析手法。
授課形式
理論講述與討論-80.00%;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-20.00%;其他-0.00%
課程內容與進度
elementary matrix operations; principal component analysis; cluster analysis; path analysis; factor analysis.
教科書/參考書
R. A. Johnson and D. W. Wichern (2007). Applied multivariate statistical analysis. W. K. Hardle and L. Simar (2019) Applied multivariate statistical analysis.
評分標準
期末報告100%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
115-1_巨量資料技術與分析應用
統計學研究所
教學目標
本課程介紹巨量資料相關技術與資料分析方法，內容從資料格式、資料整理與資料品質開始，進一步介紹資料庫、巨量資料處理、探索性資料分析、特徵工程、文字資料分析與資料視覺化等內容，並延伸至人工智慧相關的資料應用。
課程將配合實際資料、軟體操作、程式練習與案例討論，讓學生了解不同資料與問題適合採用哪些處理與分析方式，並培養分析結果解讀、工具選擇及整合應用的能力。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-15.00%;專題實作與報告-35.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
（一）資料基礎與資料處理
1. 課程簡介、巨量資料技術與分析應用
2. 資料格式、資料品質與資料整理
3. 資料分析工具與資料處理流程
（二）資料庫與巨量資料技術
1. 關聯式資料庫與 SQL
2. NoSQL 與文件式資料庫
3. 巨量資料架構與分散式資料處理
4. 現代資料處理平台與資料架構
（三）資料分析方法與應用
1. 探索性資料分析與資料視覺化
2. 特徵工程與分析資料準備
3. 文字資料分析與分類
4. 文字資料、資訊檢索與人工智慧相關應用
5. 高維資料分析與視覺化
（四）人工智慧應用與整合
1. 資料與人工智慧應用規劃
2. 整合專題與成果討論
教科書/參考書
1.簡禎富、許嘉裕，《資料採礦與大數據分析》。
2.依授課內容整理之補充講義、投影片、練習及相關學習資料。
3.巨量資料、資料分析與資料探勘相關參考書籍及文獻。
4.SQL、MongoDB、Apache Spark、人工智慧及其他相關開源工具之官方文件與技術資料。
評分標準
課堂練習與階段成果：25%
資料分析與技術實作：30%
整合專題成果：35%
課堂討論與學習參與：10%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
本課程介紹巨量資料相關技術與資料分析方法，內容從資料格式、資料整理與資料品質開始，進一步介紹資料庫、巨量資料處理、探索性資料分析、特徵工程、文字資料分析與資料視覺化等內容，並延伸至人工智慧相關的資料應用。
課程將配合實際資料、軟體操作、程式練習與案例討論，讓學生了解不同資料與問題適合採用哪些處理與分析方式，並培養分析結果解讀、工具選擇及整合應用的能力。
授課形式
理論講述與討論-50.00%;個案分析或作品賞析-15.00%;專題實作與報告-35.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
（一）資料基礎與資料處理
1. 課程簡介、巨量資料技術與分析應用
2. 資料格式、資料品質與資料整理
3. 資料分析工具與資料處理流程
（二）資料庫與巨量資料技術
1. 關聯式資料庫與 SQL
2. NoSQL 與文件式資料庫
3. 巨量資料架構與分散式資料處理
4. 現代資料處理平台與資料架構
（三）資料分析方法與應用
1. 探索性資料分析與資料視覺化
2. 特徵工程與分析資料準備
3. 文字資料分析與分類
4. 文字資料、資訊檢索與人工智慧相關應用
5. 高維資料分析與視覺化
（四）人工智慧應用與整合
1. 資料與人工智慧應用規劃
2. 整合專題與成果討論
教科書/參考書
1.簡禎富、許嘉裕，《資料採礦與大數據分析》。
2.依授課內容整理之補充講義、投影片、練習及相關學習資料。
3.巨量資料、資料分析與資料探勘相關參考書籍及文獻。
4.SQL、MongoDB、Apache Spark、人工智慧及其他相關開源工具之官方文件與技術資料。
評分標準
課堂練習與階段成果：25%
資料分析與技術實作：30%
整合專題成果：35%
課堂討論與學習參與：10%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
115-1_條件分佈模型
統計學研究所
教學目標
條件分佈模型為常見的統計模型，我們將學習條件分佈的相關理論與應用
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
相容性議題、吉氏取樣、空間投影、最佳化問題
教科書/參考書
無
評分標準
報告100%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
條件分佈模型為常見的統計模型，我們將學習條件分佈的相關理論與應用
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
相容性議題、吉氏取樣、空間投影、最佳化問題
教科書/參考書
無
評分標準
報告100%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
115-1_實驗設計
統計學研究所
教學目標
此為一門結合理論及實用兼具的課程。課程安排讓學生能掌握實驗設計之基本精神與原理，建立學生正確的統計分析觀念及如何有效地收集實驗數據資料，以利其日後進行相關的統計研究或數據分析。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-15.00%;專題實作與報告-15.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Introduction to Designed Experiments
2. Basic Statistical Methods
3. Analysis of Variance
4. Experiments with Blocking Factors
5. Factorial Experiments
6. Factorial Designs
7. Blocking and Confounding Systems
8. Fractional Factorial Designs
9. Response Surface Methodology
10. Other Related Topics
教科書/參考書
教科書：
Douglas C. Montgomery. Design and Analysis of Experiments. Wiley.
Su, Chao-Ton. Quality engineering: off-line methods and applications. CRC Press, 2013.
參考書：
Neter, Kutner, Nachtsheim and Wasserman. Applied Linear Regression Models. McGraw-Hill.
Charles R. Hicks & Kenneth V. Turner, Jr. Fundamental Concepts in the Design of Experiments. Oxford University Press.
評分標準
作業 35%; 期中考 15%; 期末考(或期末報告) 35%; 課堂與學習表現 15%;
學分數
3
授課時數(周)
3
開課班級
M11444
修課人數
0
此為一門結合理論及實用兼具的課程。課程安排讓學生能掌握實驗設計之基本精神與原理，建立學生正確的統計分析觀念及如何有效地收集實驗數據資料，以利其日後進行相關的統計研究或數據分析。
授課形式
理論講述與討論-70.00%;個案分析或作品賞析-15.00%;專題實作與報告-15.00%;田野調查-0.00%;實驗-0.00%;其他-0.00%
課程內容與進度
1. Introduction to Designed Experiments
2. Basic Statistical Methods
3. Analysis of Variance
4. Experiments with Blocking Factors
5. Factorial Experiments
6. Factorial Designs
7. Blocking and Confounding Systems
8. Fractional Factorial Designs
9. Response Surface Methodology
10. Other Related Topics
教科書/參考書
教科書：
Douglas C. Montgomery. Design and Analysis of Experiments. Wiley.
Su, Chao-Ton. Quality engineering: off-line methods and applications. CRC Press, 2013.
參考書：
Neter, Kutner, Nachtsheim and Wasserman. Applied Linear Regression Models. McGraw-Hill.
Charles R. Hicks & Kenneth V. Turner, Jr. Fundamental Concepts in the Design of Experiments. Oxford University Press.
評分標準
作業 35%; 期中考 15%; 期末考(或期末報告) 35%; 課堂與學習表現 15%;
學分數
3
授課時數(周)
3
開課班級
M11444
修課人數
0
115-1_統計品管
統計學研究所
教學目標
學習近代統計品質管制概念、技術、工作及分析方法。
本課程將介紹統計品質管制的理論和方法，包括製程管理能力、控制圖、量測分析、驗收抽樣。
讓學生瞭解品管監測的基本概念，學習各種可用的統計工具以協助品質監測，藉由數據分析獲取實務經驗。
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
1. Introduction and Modern Quality Management
2. Statistical Models, Quality Control
3. Statistical inference in Quality Control
4. Process Control and Capability Analysis
5. Variables or Attributes Control Charts
6. Measurement Systems Capability
7. Acceptance Sampling
教科書/參考書
教科書：
Montgomery, D. C. (2013). Introduction to statistical quality control: a modern introduction. 7th ed. John Wiley & Sons.
評分標準
平時作業、出席、學習態度：30% 期中考：30% 期末考或期末報告：40%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
學習近代統計品質管制概念、技術、工作及分析方法。
本課程將介紹統計品質管制的理論和方法，包括製程管理能力、控制圖、量測分析、驗收抽樣。
讓學生瞭解品管監測的基本概念，學習各種可用的統計工具以協助品質監測，藉由數據分析獲取實務經驗。
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
1. Introduction and Modern Quality Management
2. Statistical Models, Quality Control
3. Statistical inference in Quality Control
4. Process Control and Capability Analysis
5. Variables or Attributes Control Charts
6. Measurement Systems Capability
7. Acceptance Sampling
教科書/參考書
教科書：
Montgomery, D. C. (2013). Introduction to statistical quality control: a modern introduction. 7th ed. John Wiley & Sons.
評分標準
平時作業、出席、學習態度：30% 期中考：30% 期末考或期末報告：40%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
115-1_迴歸分析
統計學研究所
教學目標
1. 建立學生對線性迴歸模型基本理論與數學架構之理解，包括簡單線性迴歸、多元線性迴歸及最小平方法等核心內容。 2. 培養學生理解迴歸模型之基本假設、參數估計、統計推論、殘差分析及模型診斷方法，並結合數理統計理論，建立完整的線性模型分析觀念。 3. 引導學生學習模型建立、變數選取及模型評估方法，培養分析實際資料、建構適當統計模型及正確詮釋分析結果的能力。 4. 透過 R 軟體進行資料分析、模型建構、模擬與案例實作，驗證理論結果，提升學生應用線性模型解決研究問題及閱讀相關學術文獻的能力。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:程式演練-20.00%
課程內容與進度
1. Introduction 2. Simple Linear Regression 3. Residual Analysis 4. Multiple Regression 5. Model Selection 6. Advanced topics
教科書/參考書
Applied Linear Regression Models 4th Edition, by Kutner, Nachtsheim and Neter
評分標準
期中考30%；期末報告40%；作業、課堂表現及出席狀況30%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
1. 建立學生對線性迴歸模型基本理論與數學架構之理解，包括簡單線性迴歸、多元線性迴歸及最小平方法等核心內容。 2. 培養學生理解迴歸模型之基本假設、參數估計、統計推論、殘差分析及模型診斷方法，並結合數理統計理論，建立完整的線性模型分析觀念。 3. 引導學生學習模型建立、變數選取及模型評估方法，培養分析實際資料、建構適當統計模型及正確詮釋分析結果的能力。 4. 透過 R 軟體進行資料分析、模型建構、模擬與案例實作，驗證理論結果，提升學生應用線性模型解決研究問題及閱讀相關學術文獻的能力。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:程式演練-20.00%
課程內容與進度
1. Introduction 2. Simple Linear Regression 3. Residual Analysis 4. Multiple Regression 5. Model Selection 6. Advanced topics
教科書/參考書
Applied Linear Regression Models 4th Edition, by Kutner, Nachtsheim and Neter
評分標準
期中考30%；期末報告40%；作業、課堂表現及出席狀況30%
學分數
3
授課時數(周)
3
開課班級
M11544
修課人數
0
115-1_貝氏統計
統計學研究所
教學目標
1. 建立學生對貝氏統計基本理論的理解，包括條件機率、貝氏定理、先驗分布、概似函數與後驗分布等核心概念。 2. 培養學生運用貝氏推論方法建立統計模型，整合先驗資訊與樣本資料，進行參數估計、區間估計及預測分析，並理解貝氏統計與傳統頻率學派方法之差異。 3. 學習常見貝氏統計模型及其推論方法，包括離散型與連續型機率模型、常態模型、多元線性迴歸模型，以及馬可夫鏈蒙地卡羅（MCMC）等計算方法。 4. 透過 R 軟體進行模擬與實作，驗證貝氏統計理論與推論結果，培養學生分析實際資料、建構貝氏模型及閱讀相關學術文獻的能力。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:程式演練-20.00%
課程內容與進度
1. Introduction; 2. Measuring uncertainty; 3. Bayesian inference for discrete probability models; 4. Bayesian inference for continuous probability models; 5. Bayesian inference for normal mean; 6. Bayesian inference for difference between means. 7. Bayesian Inference for the Multiple Linear Regression Model 8. Computational Bayesian Statistics Including Markov Chain Monte Carlo
教科書/參考書
Introduction to Bayesian statistics (Third Edition), by Bolstad and Curran.
評分標準
期中考30%；期末報告40%；作業及出席狀況30%
學分數
3
授課時數(周)
3
開課班級
M11444
修課人數
0
1. 建立學生對貝氏統計基本理論的理解，包括條件機率、貝氏定理、先驗分布、概似函數與後驗分布等核心概念。 2. 培養學生運用貝氏推論方法建立統計模型，整合先驗資訊與樣本資料，進行參數估計、區間估計及預測分析，並理解貝氏統計與傳統頻率學派方法之差異。 3. 學習常見貝氏統計模型及其推論方法，包括離散型與連續型機率模型、常態模型、多元線性迴歸模型，以及馬可夫鏈蒙地卡羅（MCMC）等計算方法。 4. 透過 R 軟體進行模擬與實作，驗證貝氏統計理論與推論結果，培養學生分析實際資料、建構貝氏模型及閱讀相關學術文獻的能力。
授課形式
理論講述與討論-60.00%;個案分析或作品賞析-0.00%;專題實作與報告-20.00%;田野調查-0.00%;實驗-0.00%;其他:程式演練-20.00%
課程內容與進度
1. Introduction; 2. Measuring uncertainty; 3. Bayesian inference for discrete probability models; 4. Bayesian inference for continuous probability models; 5. Bayesian inference for normal mean; 6. Bayesian inference for difference between means. 7. Bayesian Inference for the Multiple Linear Regression Model 8. Computational Bayesian Statistics Including Markov Chain Monte Carlo
教科書/參考書
Introduction to Bayesian statistics (Third Edition), by Bolstad and Curran.
評分標準
期中考30%；期末報告40%；作業及出席狀況30%
學分數
3
授課時數(周)
3
開課班級
M11444
修課人數
0
115-1_書報討論(二)
統計學研究所
教學目標
藉由參與演講，以及報告研究內容、閱讀相關文獻等。 使學生了解統計方法在各領域之應用及發展。
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-40.00%;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
定期安排演講，或學生報告自己之研究內容。
教科書/參考書
無特定參考書籍。
評分標準
出席演講20%，繳交演講心得20%，以及報告內容60%。
學分數
1
授課時數(周)
2
開課班級
M11444
修課人數
0
藉由參與演講，以及報告研究內容、閱讀相關文獻等。 使學生了解統計方法在各領域之應用及發展。
授課形式
理論講述與討論-30.00%;個案分析或作品賞析-40.00%;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
定期安排演講，或學生報告自己之研究內容。
教科書/參考書
無特定參考書籍。
評分標準
出席演講20%，繳交演講心得20%，以及報告內容60%。
學分數
1
授課時數(周)
2
開課班級
M11444
修課人數
0