課程資訊
課程名稱
用 Python與Excel 學習統計模型思維
Learning Statistical Model Thinking Using Python and Excel 
開課學期
109-2 
授課對象
 
授課教師
張佑成 
課號
GenEdu5012 
課程識別碼
H02 50090 
班次
 
學分
3.0 
全/半年
半年 
必/選修
 
上課時間
星期五7,8,9(14:20~17:20) 
上課地點
新505 
備註
限非電資學院學生選修。需自備筆電。。A6:量化分析與數學素養
總人數上限:50人 
Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1092GenEdu5012_ 
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

現今生活環境,從政府、社會、經濟、產業、企業、投資等領域,時時刻刻都充滿著大量複雜、而且多元的數據資料。如何能夠將資料從簡單的描述整理到深入的推論分析,以獲得有價值的資訊或洞見,以進行有效的決策,是人人必備的技能。
若要像學者一樣的嚴肅針對問題進行研究,必須把思考給正規化,而統計學這門學科的許多理論模型,正好提供了許多能夠幫助人正規化思考的工具,進而理解並且應對這個複雜的世界。
本課程著重在賦予學員統計學模型以及背後的概念,以及如何運用模型思考並解決問題,數學以及計算將透過 Python 程式語言以及 Excel 應用程式這兩個業界最普及的工具實作。
 

課程目標
1.學員能具備運用統計模型思考並解決問題
2.學員具備撰寫 Python 程式語言解決問題的能力
3.學員具備運用 Excel 應用程式快速驗證想法的能力 
課程要求
待補 
預期每週課後學習時數
 
Office Hours
 
指定閱讀
1.Page, Scott E. 2018. The Model Thinker: What You Need to Know to Make Data Work for You. New York: Basic Books.
2.Haslwanter, Thomas. 2016. An Introduction to Statistics with Python: With Applications in Life Sciences. Springer.
 
參考書目
待補 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
小考 
20% 
預計3-4次 
2. 
作業 
20% 
以程式設計為主 
3. 
期末專題 
60% 
 
 
課程進度
週次
日期
單元主題
第1週
2/26  課程介紹 
第2週
3/05  Aggregation (聚合)
‐Excel 公式基礎 & 樞紐報表 
第3週
3/12  Normal Distribution & Standard Deviation (常態分佈與標準差)
‐指定閱讀:Page, Chapter 5
‐Excel 進階函數
☆小考一 
第4週
3/19  Power Law Distribution & Tipping Point (引爆點)
‐指定閱讀:Page, Chapter 6
‐Excel 資料處理 & 繪製圖表
☆作業一 
第5週
3/26  Python 基礎語法 & 判斷式 
第6週
4/02  春假停課 
第7週
4/09  Python 資料結構 &統計學常用模組 Pandas 
第8週
4/16  Correlation, Linear Regression (相關與回歸分析)
‐指定閱讀:Page, Chapter 7
‐指定閱讀:Haslwanter, Chapter11
☆小考二
☆作業二 
第9週
4/23  Python統計學常用模組教學 (一)
‐Python Scipy模組 & Python資料科學應用專題 
第10週
4/30  Python統計學常用模組教學 (二)
‐Python 資料視覺化模組Matplotlib & Seaborn 
第11週
5/07  Logistic Regression, Bayesian, Decision Tree (分類模型)
‐指定閱讀:Page, Chapter 7
‐指定閱讀:Haslwanter, Chapter 13 
第12週
5/14  Entropy: Modeling Uncertainty (訊息熵與不確定性)
‐指定閱讀:Page, Chapter 12
☆作業三
☆小考三 
第13週
5/21  Markov Process (馬爾可夫宿命論)
‐指定閱讀:Page, Chapter 17
‐指定閱讀:Haslwanter, Chapter 14 
第14週
5/28  Broadcast, Diffusion, Contagion (傳播公式)
‐Page, Chapter 11
☆小考四 
第15週
6/04  Intro to Machine Learning (機器學習基礎一) 
第16週
6/11  Intro to Machine Learning (機器學習基礎二) 
第17週
6/18  期末專題報告討論 (由學生與授課教師另約時間) 
第18週
6/25  期末專題報告