如上
才短短的一個學期我就感受到這個過程了
(沒那麼誇張啦 但也差不多八成了)
這學期修了5門課:
數理統計 4學分
品質管制 3學分
統計學習 3學分
線性模式 3學分
書報討論 1學分
期初時本來打算要再多加一堂 "應用機率模型"
好險當時被學長勸退= =
因為上面這幾門課已經使我被操到沒什麼休閒時間了
有空閒時只想躺平 XD
分別大概說說這幾門課的心得好了
很吃大學數統老本的科目 重疊性蠻高的
有另外增加 "測度" 的概念 和 一些額外的東西(如: HCR)
老師是上兩本原文書 分別是
"Statistical inference, Casella&Berger" 、 "Theoretical statistics,Keener"
前者就聖經 應該一堆人推薦我就不介紹了
後者就細節分很細的數統原文書 很多小章節
排版還蠻不錯的 只是個人感覺還是 Statistical inference 寫得比較好
老師基本上是兩本跳著上 但好像還是以 Statistical inference 為主
考試& 作業:
考試只有期中和期末
都是滿分 100計算
基本上都不太難(只是題目有點多 QUQ)
平常作業好好寫應該就行了
每個禮拜都會出作業 (普遍不難)
前幾周還蠻輕鬆的 中後期的作業量就蠻重的
不早點寫可能會寫很累= =
品質管制:
簡單來說: 涼又甜
教管制圖(control chart)的原理
基本上整堂課很常聽到這個名詞
作業是自己打 code 把 control chart 畫出來
個人覺得不太難 (因為原文書作者有sample code)
只是有些control chart所需要的東西需要模擬出來
雖然書上有演算法
但要自己想辦法弄出來(或package 套一套也行)
沒有其中考 期末就考試+分組報paper
考試可以帶A4小抄進場 基本上把所有教到的公式抄上去應該就沒問題了
計算機別按錯應該都能蠻高分的 (建議用工程計算機)
分組報paper 的部分 老師說有報這堂課就能過 可能只是想訓練學生報告的能力吧
統計學習:
純應用的課
會教很多模型和 ML 的package
只是原理就講很大概 所以不懂很正常XD
這堂最累的就作業吧
兩個禮拜出一次作業 每次作業都兩題 但....
每題都好像在做 side project 一樣 = =
如果是在繳交作業前幾天才開始弄 一定會很累.....
尤其是最後兩次的作業
跑 random forest 、 PCA 、t-sne 等等
這會讓你電腦操一整晚 (我是用LAB電腦跑)
不過給分其實蠻甜的 我作業幾乎都照 R lab 的方式做
沒做錯的話 至少都會給 80以上
期中是考試(以往好像是期中報告)
不難 原文書大致看一看應該都能蠻高分的
期末是分組/單人 報告
要從 kaggle 上找該年的資料集與其分析目的來做 Final project
評分是 全體同學 + 老師助教一起評分
全部報告完老師還請全班吃 pizza 讚
(But Final Project 和 Final Homework 同時出+截止時間相同 真的好累.....)
線性模式:
這堂課就是細談迴歸分析
鄭少為老師教的真的很讚
沒有過多的理論推導
用很白話的方式講述 linear model 的原理和檢定
典型的非填鴨式教育
不過 課程內容超豐富的 建議抽空多聽課(老師有錄影片檔)
考前差點沒聽完課程內容XD
作業有7次 每次作業都不算難寫 照 R lab 教的慢慢做即可
考試有期中期末
總分分別是 30 40 (就是直接算成總成績)
我自己是覺得很難寫= = 線模應該是這學期修的課中考試最難的課了
兩次都考不到平均分數 但最後有拿 A- 調分調很大 不知怎麼調的
最後總成績好像是班上同學全過吧?
書報討論:
所上教授介紹自己研究
聽演講要寫心得
以及 分兩人一組報 paper 的課
大概是這樣吧
可以從這堂課找出自己想找哪位教授當指導教授
但學生選教授 教授也會選學生的
被兩位教授拒絕 QQ (但還是有教授收我啦)
然後寫心得+報paper
心得就掰 感覺只是當作點名的一種方式而已
報paper也沒甚麼 你報得怪怪的話台下教授聽一聽給個意見之後就叫你回去想想
然後就沒然後了
沒啦 應該只是要訓練我們讀paper+報告的能力而已
是說 1學分的課 要求真多= =
最後
雖然我蠻多抱怨的
但還是蠻感謝統計所課程的扎實安排
學分費不是白繳的
![]()
LINE