若是通识课程评价，请用 [通识] 分类，勿使用 [评价] 分类 标题范例：[通识] A58 普通心理学丙 林以正 (看完後请用ctrl+y删除这两行) ※ 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： 108-1 ψ 授课教师 (若为多人合授请写开课教师，以方便收录) 蔡欣甫 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) 农艺系生统组选修、统计硕士学程必修 δ 课程大概内容 前三周会先教跟回归分析有关的矩阵代数，之後进入简单回归、线性回归。期中考之後开始讨论多项式回归等等，再进入模型筛选与检验，最後教了正则化(PCA,Ridge,LASSO) Ω 私心推荐指数(以五分计) ★★★★★ 想以数学学习回归：★★★★ 想来学习应用回归：★★★★ [1;33m想用程式学习回归：★★★★ [1;33m讨厌数学的人：★★ 不喜欢写作业：★★ 凉度：★★ 甜度：？ 整体评价：★★★★★ η 上课用书(影印讲义或是指定教科书) 1. Fahrmeir, Kneib, T., Lang, S. and Marx, B. (2013). Regression: Models, Methods and Applications. Springer-Verlag. (NTU e-Book) 2. Kutner, M., Nachtsheim, C. and Neter, J. (2004). Applied Linear Regression Models. 4th Edition. McGraw-Hill. μ 上课方式(投影片、团体讨论、老师教学风格) 老师都是用自编(LATEX打的)讲义，以老师自编讲义为主，但内容基本上就是从上面两本出来的，而程式部分也全都是老师自己亲自打的，并没有实习课，三堂全都是正课，而是老师边上课边带该段落需要的程式。 σ 评分方式(给分甜吗？是紮实分？) 1 Quiz 1 15% 2 Homework 50% 3 Final Exam 20% 4 Quiz 2 15% ρ 考题型式、作业方式 第一次小考全部手写，题目基本上以数学为主，有不少证明，但都不会太难，仅有两题左右是无法轻易写出来的。其中也有三题简单的计算题，算是送分题吧，虽然也才送了15分，但是没准备也是写不出来的。 第二次小考是上机考，考题全都是程式，但内容算简单，且可以带自己笔电去考，也就是说网路上所有资源你都可以利用，只是不能使用交友软体等。但题目很多，原则上全部慢慢写完要两小时，因此要是你不熟悉程式打算裸考一定出事。 期末考一半是Take home的程式作业，一半是笔试，笔试也不会太难，题型跟第一次小考差不多，而程式部分则类似一个专题，给你一个变数远大於样本数的资料去分析，但我认为也不难就是了。 作业部分，前几次作业不好写，几乎全都是矩阵代数的习题，且很多都是证明(但当然这些题目都非常有助於学习回归分析)，但不会到写不出来的地步，严格来讲甚至你只要努力上网找解答应该也找的到才对，至少有几题很明显是三人汉堡本有的XD，但是对於数学不好的人一定会是恶梦。期中左右之後的作业基本上都是程式，都蛮简单的，就是要你跑跑回归分析并解释，都很好拿分。 ω 其它(是否注重出席率？如果为外系选修，需先有什麽基础较好吗？老师个性？ 加签习惯？严禁迟到等…) 必须修过初等统计学，有一些矩阵代数会更好但非必要，因为老师会再大致教一次。微积分基本上也需要，但也只需要微分就是了。 Ψ 总结 (一)教授与授课部分 教授对於教学非常认真，讲义全部都是自己打的，排版清楚，有解释也有数学，而且除了讲义，程式部分也全都是教授自己写出来教大家的，且程式很巧妙地穿插在讲义里面，并不会给你一股「甚麽？」的感觉，而是融会贯通的穿插在里面让你理解，常常是一个概念过去後立刻就有程式可以带你理解。甚至老师的程式里面都还有打不少解释，光是这样就屌打很多教R的实习课助教了，甚至程式CODE也排版得很好.. 而每周的上课内容都会在当周才公布，而公布时会有课程讲义档与一大堆的程式档与每周作业。 总之，我对於教授的教学用心非常赞叹，也是因为这样才决定来写久违的评价文。 至於老师的授课部分，我也觉得老师讲得蛮清楚的，数学部分老师会在白板上再做一次给大家一次(例如证明等，且通常也会比讲义再上的证明过程再更仔细)，程式部分则是会「亲自」现场跑给你看，同时也会根据跑的结果解释给大家，而不是只有「跑」;作业部分通常也会讲解一次要怎麽做比较好。 (二)课程内容部分 一个回归分析我认为要同时兼顾到数学、应用、程式其实非常困难，因此刚开始学这门课的时候，因为这门课我认为三者都有兼顾，加上一开始是很数学的部分，可能会有些辛苦。而原Po我修过公卫系的生物统计二(我也有发评价文)，但公卫的生统数学比较无法讲得比较深入(毕竟有一半拿去上存活)，而我大学是辅数学系毕业的，因此有一定数学基础，也因此修这门课时我的基础算是比较扎实的。 而相较於较为数学的回归分析课程，其不太会带应用例子，更别提程式了；而较为应用的回归课程则是数学部分不够深厚，这门课则是三者都有兼顾到，也因为是兼顾因此我在这三者的星级都只有给四颗，但是正因为一门回归分析的课程要做到这样真的很不容易，光是这样我就愿意给整体五颗星了，更别提老师的教学态度等等都很棒QQ，完全值得五颗星。 (三)成绩考式部分 第一次小考全班平均不及格(老师有画stem-leaf图给大家看，真的很惨，只有两个超过90分，其他都分布在20~60分区间)；而第二次小考虽然没有公布成绩区间但认真准备要拿满分应该没问题，因此推估只要有准备的人考的应该都蛮高的，期末考手写部分则是平均分布(满分50，10~50分真的平均分布，Uniform distribution的概念)，上机没有公布因此不清楚(我也不知道自己期末上机拿了几分，这是唯一一个没有公布个人的分数)。 需要注意的是，手写部分，数学一定要写的逻辑清楚不能含糊，不然老师会扣分，但也没有到数学系那麽严格，只要你的逻辑正确基本上就没问题，如果想写笔墨分就可以放弃了。 作业部分都是助教改的，老师应该是从中协调，比较需要注意的是作业有规定格式，不符合格式的会没分数，但格式要求很合理，不会麻烦。 原Po我是没调分就A+了，因此不太清楚最後有没有调分。 (四)总结 大推特推这门课，但同时要有心理准备必须花不少时间准备(我是没有花太多时间准备，因为我基础算是比较厚的，而且老师的讲义制作也非常适合自修，也因此我有时候不会去上课XD)，但是若我没有这些基础，我真的会需要花不少时间；我的一些较没有基础的同学也真的花了蛮多时间在读这门课的。 但虽然如此，但真的收获满满（毕竟苦尽甘来？），可以学到数学、程式、解释，加上老师真的教学很用心，对学生也蛮好的，下课常常关心同学。 老师下学期会继续开(二)，可惜我撞课没法修，大家想学更多回归的欢迎去修哦~ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 27.247.193.218 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/NTUcourse/M.1582811141.A.97D.html ※ 编辑: a22735557 (27.247.193.218 台湾), 02/27/2020 21:52:46