課程大綱

課程資訊

課程名稱	統計學習 Statistical Learning
開課學期	109-1
授課對象	學程生物統計學程
授課教師	邱春火
課號	Agron5097
課程識別碼	621 U7040
班次
學分	3.0
全/半年	半年
必/選修	選修
上課時間	星期四6,7,8(13:20~16:20)
上課地點	農藝112
備註	先修課程: 統計學限學士班三年級以上總人數上限：30人
Ceiba 課程網頁	http://ceiba.ntu.edu.tw/1091Agron5097_
課程簡介影片
核心能力關聯	核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述	隨著各行各業“大數據”相關問題的激增，統計學習已成為許多科學領域（如：行銷，經濟，農業，生態學…等等）的一個非常熱門的研究方法。統計學習是利用統計建模去理解複雜數據集的一門學問，同時也是結合統計理論架構與計算機科學實務方法的一項工具。
課程目標	幫助修課同學了解統計學習相關方法的理論架構，並具備分析資料的實務操作能力。課程大綱(中英文): 主要包含五個部分： 1.預測問題的相關統計方法： a.Simple/multiple linear regression, Ridge regression, Lasso regression b.polynomial regression, regression spline, smooth spline, generalized additive model。 2.分類問題的相關統計方法: K-Nearest Neighbors, Logistic regression, Linear Discriminant Analysis， Quadratic Discriminant Analysis。 3.決策樹相關方法： Decision tree, regression tree, classification tree, Bagging, Random forests, Boosting. 4.支持向量機 (Support Vector Machines) 5.非監督式學習：clustering approaches.
課程要求	統計學(必要)，線性模型(建議) 課程內容會採用R軟體進行演練。成績評量方式(中英文): 作業60% (以利用程式語言分析資料為主) 及期末報告40% Homework (real data analysis for each topic) 60%, final report and presentation 40%
預期每週課後學習時數
Office Hours
指定閱讀	待補
參考書目	An Introduction to Statistical Learning: With Applications in R (2017) James, Gareth. Witten, Daniela. Hastie, Trevor. Tibshirani, Robert
評量方式 (僅供參考)

課程進度

週次	日期	單元主題
第1週	9/17	Introduction and Random sample vs. Big data
第2週	9/24	Statistical learning and Bias vs. Variance
第3週	10/01	放假
第4週	10/08	linear regression 1
第5週	10/15	linear regression II
第6週	10/22	Classification
第7週	10/29	Resampling Methods
第8週	11/05	Linear Model Selection and Regularization I
第10週	11/19	Linear Model Selection and Regularization II: ridge and Lasso Linear Model Selection and Regularization III: PCA and PLS
第11週	11/26	Beyond linearity
第12週	12/03	Tree-based methods
第13週	12/10	SVM
第14週	12/17	PCA and Cluster
第15週	12/24	oral presentation I
第16週	12/31	oral presentation II
第17週	1/07	oral presentation III