課程大綱

課程資訊

課程名稱

使用R語言進行資料分析
Using R for Data Analysis

開課學期

107-2

授課對象

授課教師

蔡芸琤

課號

GenEdu5004

課程識別碼

H02 50010

班次

學分

3.0

全/半年

半年

必/選修

上課時間

星期四6,7,8(13:20~16:20)

上課地點

新103

備註

需自備筆電.第一堂課未到視同放棄.無須程式背景.。A6:量化分析與數學素養
總人數上限：100人

Ceiba 課程網頁

http://ceiba.ntu.edu.tw/1072GenEdu5004_

課程簡介影片

核心能力關聯

本課程尚未建立核心能力關連

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

本課程提供網路數據分析技巧，使用 R 語言分析線上開放數據，研究各領域重要議題，以達到協助各位擁有問題擬定、解決能力及跨領域整合之技能。期望能幫助程式初學者跨越 R 語言相較略微陡峭的學習曲線。

R 語言是一種自由軟體程式語言與操作環境，主要用於統計分析、繪圖、資料探勘，在此背景下，R 語言已成為全球投入資料科學發展的共同工具。本課程使用 R 語言進行資料分析教學，適合完全沒有程式經驗且想踏入資料科學領域的初學者。

課程目標

每週會對課程建立 Baseline 定義：鋪好自學與共學可進行的路徑。

每位修課學生人在滿足基本條件下，都能獲得『ok』的成績，基本成績 75%。

基本要求範例：一個月產生一個報告（一個資料分析的過程／故事）

自願共學：想要認真學習的人可以『刻意地』選擇自願參與共學模式，除了『基本要求』之外，參與者可自己設定學習目標，獎勵分數配置 25%。

自己沒有能力設目標的話怎麼辦？（教學團隊提供其他具體的學習機會）

教學團隊主要負責的任務：協助學生達成自己的學習目標。

讓學生們可以誠實的進行自評＋互評，不需要應付，不需要騙人。

每週課堂共學進行方式：把 80 人分成 20 個小組，四人一組（例如：每週 random 抽籤）

[10-15 min] 小組檢討上禮拜的東西
由教學團隊提供一個檢討 Protocol，提出幾個基本問題可以問
例如：『原來的目標有沒有達成？沒有達成的話，是為什麼？』
例如：『本週的專案（學習任務）架構可以視覺化嗎？』
例如：『最大的成就／失敗／問題是什麼？』
例如：『比較結果，個別差別都是什麼？』
例如：『當週的某某重點的程式大家都怎麼寫的？』
例如：『怎麼找到某某某問題的答案？』
列舉出所有學習歷程中會遇到的問題。
[100 min] 教學團隊分別輪流找所有的小組討論，一人 5 組，一組大概 15 min。
評估與掌握每位學生每週的學習過程。

課程要求

1. 學員參與課程需自備筆記型電腦 (規格不限)。

2. 指定閱讀需於次週上課前完成，搭配課前作業繳交。

3. 能夠接受課堂經營以自學與共學方式進行。

老師不是填鴨式的講授知識，而是給予學習框架，引導學生自主前進，才有辦法面對急速變動的世界。真正達到學習如何學習的訓練模式。

為什麼寫程式這麼難？

先進國家的教育和你想的不一樣：「老師的存在不是給孩子知識，而是讓他們具備學習能力！」

設定三大目標，一個月要做一個，每個『基本成績』配置為 15%。
（通通都做到基本要求就拿到 ok 的成績了）

資料分析，到底還有哪一些大目標跟能力要培養起來？
例如：怎麼用 data 來寫一個『很棒的』的故事？學生親身走出街頭，做調查的技巧？

特殊任務，搭配 20% 的獎勵分數，鼓勵修課學生參與。

預期每週課後學習時數

Office Hours

每週四 17:00~19:00

指定閱讀

[線上課程] Introduction to R
https://www.datacamp.com/courses/free-introduction-to-r

參考書目

http://cfss.uchicago.edu/syllabus.html
http://datascienceandr.org/install.html

[電子書] An Introduction to R
https://cran.r-project.org/doc/manuals/R-intro.pdf

[書] R for Data Science
https://r4ds.had.co.nz/

[線上課程] Data Analysis with R
https://eu.udacity.com/course/data-analysis-with-r--ud651

評量方式
(僅供參考)

No.	項目	百分比	說明
1.	期末專案	30%	針對專題的意義性、可行性、可用性、執行力與完整度進行評分。
2.	個人每月作業	60%	每次作業 20%，三次總計 60%。
3.	特殊任務	20%	自由選擇完成的特殊任務，用於獎勵的配分。

課程進度

週次	日期	單元主題
第1週	2/21	課程基本介紹、進行方式、成績評量規範。 https://docs.google.com/presentation/d/e/2PACX-1vRh_sgxWdN7T77x5VqtCnzFDAPVA9EAyE0UeLg39Ixj_-a2fXUszWFYbP6kHSKqFM-WIGc1knNm9OC5/pub?start=false&loop=false&delayms=3000
第2週	2/28	228放假一次。
第3週	3/07	Month #1: Data Manipulation https://docs.google.com/presentation/d/e/2PACX-1vTgQMuHLTNrL7XfoMiAQT7mVXMKjIvk9206LPR_F_O08WPlR0fYmYty8QZw0N3K44JI0JP0I0fDKJi0/pub?start=false&loop=false&delayms=3000
第4週	3/14	Introduction to dplyr and tbls 理解資料並透過 R 對資料進行探索與整理。
第5週	3/21	Select and mutate 理解資料並透過 R 對資料進行探索與整理。
第6週	3/28	Filter and arrange 理解資料並透過 R 對資料進行探索與整理。
第7週	4/04	春假放假一次。
第8週	4/11	Month #2: Data Manipulation + 自定function 理解資料並透過 R 對資料進行 EDA。
第9週	4/18	Summarize and the pipe operator 理解資料並透過 R 對資料進行 EDA。
第10週	4/25	Group_by and working with functions 理解資料並透過 R 對資料進行 EDA。
第11週	5/02	透過 EDA 進行分析的實例分享。
第12週	5/09	Month #3: Data Manipulation + 自定function + visualization https://r4ds.had.co.nz/data-visualisation.html
第13週	5/16	Creating a ggplot 理解資料並透過 R 對資料進行視覺化。
第14週	5/23	Statistical transformations 理解資料並透過 R 對資料進行視覺化。
第15週	5/30	透過資料視覺化進行分析的實例分享。
第16週	6/06	期末專題實作與討論。
第17週	6/13	期末專題。Final Demo。