※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課： 106-1
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄) 楊曙榮 Sunny Yang
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關) 商研所/工管系
δ 課程大概內容 下方為授課大綱
中文課名：物聯網下商管統計分析
英文課名：Quantity Business Science
1 15/09 Model thinking and data generating processes
2 22/09 Data thinking and estimation
3 29/09 Statistical models
4 06/10 Model comparison
5 13/10 Interactions
6 20/10 Computationally intensive methods
7 27/10 Generalized linear models: Counts
8 03/11 Generalized linear models: Mixtures
9 10/11 Multilevel models
10 17/11 Measurement errors and missing data
11週表定後面是group project與individual assignment的討論
實際授課進度比大綱慢上許多，最後課本沒有上完
Ω 私心推薦指數(以五分計) ★★★★★ ★★★★★
η 上課用書(影印講義或是指定教科書) 一本是指定其餘選讀
required: McElreath, R. 2016. Statistical Rethinking. CRC Press.
suggested:
Braun, W. J. 2016. A First Course in Statistical Programming with R,
Second Edition. Cambridge University Press.
Chang, W. 2013. R Graphics Cookbook. O’Reilly Media.
Diez, D. M. 2015. OpenIntro Statistics, 3rd Edition.
CreateSpace Independent Publishing Platform
Verzani, J. 2002. simpleR – Using R for Introductory Statistics.
required那本基本上是必備，台大圖書館借的到，也可以買電子書，記得滿貴的
學期初老師原本問大家要不要訂紙本書，但一本破千所以沒有很多人
到最後書商也不想幫忙進貨因為量太少了，所以大家多半是買電子書
或是想辦法從台大借、跟別人一起看
其餘的都是為了讓大家上手R才選的，跟課程內容沒有太大關係
μ 上課方式(投影片、團體討論、老師教學風格)
"This course is the first course in quantitative business science
for data analysts." syllabus 上的第一句話
這堂課的架構大概是這樣：
基底－貝氏統計（Bayesian Statistics）（相對於古典學派）
內容－參考上面的每周進度，linear models/multivariate linear models/
information criteria/markov chain monte carlo/big entrophy等等
詳細可以直接搜尋required textbook的各個章節就大概可以知道這堂課的內容
工具－R language（用R來實現統計觀念與建立模型）
上課的過程大概是這樣：
每週上課有指定章節，有些人會自己先讀課本再上課比較容易聽懂
上課模式則是老師會在CEIBA上放slide，slide是每個章節的整理
老師會先講觀念接下來講解 R 的 code 再接著向後講解
學期前段最後老師會讓大家討論，學期中後因為進度壓力就沒有了
學生：
自己的觀察是大概有兩群，一群是統計/程式底子比較硬的學生
有不少商研所/國企所/經濟學生，也有外國人，有幾個很厲害
跟一群統計/程式底子比較沒那麼硬的大三大四為主的大學部同學
雖然大家實力應該差滿多，但不同學生都會有各自的收穫
第一群人上課問的問題有時候第二群人都聽不懂
因為光是要搞懂觀念跟程式碼在幹嘛就要花很多時間
但第一群人還可以比較貝氏學派跟頻率學派的差異
或者是指定教科書上作者採用的某些例子背後的原因等
好處是老師會因材施教，就算程度很差還是會回答
其他教材：
如果不習慣聽老師的英文（雖然老師英文不錯但口音有點重）
可以直接搜尋教科書的書名，youtube上有所有的英文影片
印象中是作者在教授這堂課的時候錄製的，老師應該是參考它的架構
這樣應該也可以跟上課程進度，但我自己以看教科書跟上課為主
σ 評分方式(給分甜嗎？是紮實分？)
給分應該算紮實甜但成績分布還沒出若之後有出的話會更新
ρ 考題型式、作業方式
沒有期中考期末考
有group project跟individual assignment
前者是老師將大家打散後分組，要交出一個跟本堂課程有關的報告
規定要錄製youtube影片（用英文），內容要有R code
並且一定要使用 R 的 shiny套件，評分標準則是 data-driven innovation
以及 social impact，原本要上台報告但後來沒有，最後會有 peer review
就團體報告而言，最後結果可大可小，有組同學只用了10*2以內的資料
也有組同學用了10*6以上的資料，因為背景不一樣，老師想看的其實還是
跟課程有關的東西，還有 R shiny 的運用
後者跟前者類似，規定分學術類或應用類，前者除了前述標準以外，還有
research impact，跟後者的research impact遙相對應，也可以寫 R package
自己認識的同學都以應用類為主，也要用 R shiny，錄youtube or word 10 pages
有上課作業，大概六次，需要花一定的時間去寫，都跟教科書的code有關
整體而言，需要花滿多時間去做的
當然也可以走輕鬆風：
跟同學借作業來看、小組作業靠隊友、個人作業做一個簡單的linear regression
不過這樣可能會學不到太多東西，而且助教其實都知道大家有沒有用心做喔～
有聽到他在和其他同學聊天，所以偷懶也是會被發現的
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
這堂課算有點重，很多人第一堂聽完老師說明就離開了
留下來的人的想法大概也是滿重的吧（至少對上面講的第二群學生來說）
前兩堂課會教 R 但沒有教很多，syllabus上有指定一些資源當作業或練習
是 datacamp 上的免費練習，全部上完之後就可以初步跟上這堂課的code
課程的code並不會太難，有出現新的用法作者都會在書中詳盡的解釋
但課本不會講任何 R 的基本觀念 e.g. data frame 跟 list的差別
也不會介紹 if else, for, while 等等
因為這門課主要是把 R 當作統計觀念的實作工具而已
儘管如此，如上所言只要走完 data camp 就可以跟上課程的 R code進度了
這是我認同這門課的一個重要原因，有同學修系上其他課
直接硬塞超過負荷的進度，即使自學也沒辦法跟上腳步
可是這堂課的自學是合理的，老師會給一些資源還有參考書讓你自己碰
新進度又不會讓學生沒有機會趕上，如果只是寫作業那 R 的運用綽綽有餘
只是如果要在 group project 跟 individual assignment有所表現
就要花時間理解 R 跟處理資料，要不然會很麻煩
只有 data camp 就會有點不夠
外系滿多（商研/工管以外）加簽要寫類似 data camp的題目當作業
有程式經驗的人會比較容易跟上，沒有的話可能要想一下
一開始沒有經驗/統計不熟還跟得上，越後面會越艱深
再加上團體跟個人作業要一直用 R ，沒寫過程式的人可能會有點疲倦
Ψ 總結
老師剛從英國回來，是個很有熱忱的人，專長在operations（營運）跟supply chain（供應鏈）
擅長數量方法，如果管院同學有感於先前碰了很多理論卻沒有發揮機會的話
可以考慮嘗試看看，可能會有點不一樣的感覺，是一堂很紮實的課
不同能力跟不同背景的人會有屬於自己的收穫
老師對大家的期望很深，希望學生可以累積hard skill（再次強調是因為課開在管院）
有時候會分享自己之前在英國的經驗，私下也會聊天
上課的時候老師也有提到想要開一個MCDA module
Business Data Analytics Module（MCDA）Proposal
Model Thinking, Computational Thinking, Data Thinking
What is MCDA? Modeling + Computing + Data = Analytics
上面這是上課老師給大家討論的東西，還問大家說這樣的課程內容如何
不一定真的會開但是一個讓大家思考的東西
總結而言，老師對於數量方法在商業上的應用很有熱忱
有時候會語重心長的和大家講說學習這些東西的重要性（管院的理論課滿多的）
也非常關心學生的興趣/畢業職業發展
很認真地詢問大家對於課程的規劃還有修課想法等
是我這學期最喜歡的一堂課與最喜歡的一位老師