本課程利用目前最流行的統計程式語言（R語言/Python），逐步帶領學生學習資料處理、數據分析、圖表製作等基本能力，並練習將常規工作整合成一個pipeline以增加工作效率。另外，課程的後半段將會講述最大概似估計法等統計基本原理，並擴展至最流行的幾個機器學習方法，藉由了解資料科學的原理及應用，讓同學有機會開發自己的人工智慧系統。

重要公告：各位同學好，本學期課程改成非同步線上課程為主，並輔以實體課程協助大家解決沒有跟上進度的問題。同學需要確保來上課之前已經完成各輪的教學目標，並將問題帶來給現場上課的老師，由老師協助同學完成既定課程進度。

以下是各組的上課時間，請大家依據自己選擇的組別，在適當的時候出現：
A組上課時間：2025-09-11、2025-10-02、2025-10-23、2025-11-13、2025-12-04
B組上課時間：2025-09-18、2025-10-09、2025-10-30、2025-11-20、2025-12-11
C組上課時間：2025-09-25、2025-10-16、2025-11-06、2025-11-27、2025-12-18

　 　 　　 　　 　　 　　 　　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　

進度	實體上課輪次	授課主題與內容	課程講義	教學錄影
1	第一輪	程式語言基本簡介	Lesson 1	非同步線上授課聯結
2	第一輪	統計分析實作1（描述性統計及描述統計圖表）	Lesson 2	非同步線上授課聯結
3	第一輪	統計分析實作2（單變項統計分析）	Lesson 3	非同步線上授課聯結
4	第二輪	人工智慧基礎1（線性迴歸）	Lesson 4	非同步線上授課聯結
5	第二輪	人工智慧基礎2（最大概似估計法與資料插補）	Lesson 5	非同步線上授課聯結
6	第二輪	人工智慧基礎3（MCMC與梯度下降法）	Lesson 6	非同步線上授課聯結
7	第三輪	人工智慧基礎4（邏輯斯迴歸與資料科學研究設計）	Lesson 7	非同步線上授課聯結
8	第三輪	人工智慧基礎5（多類別預測模型）	Lesson 8	非同步線上授課聯結
9	第三輪	人工智慧基礎6（存活分析模型）	Lesson 9	非同步線上授課聯結
10	第四輪	機器學習概論1（線性判別分析、樸素貝葉斯分類與k-近鄰演算法）	Lesson 10	非同步線上授課聯結
11	第四輪	機器學習概論2（正則化與彈性網路）	Lesson 11	非同步線上授課聯結
12	第四輪	機器學習概論3（反向傳播法與多層感知機）	Lesson 12	非同步線上授課聯結
13	第四輪	機器學習概論4（決策樹與隨機森林）	Lesson 13	非同步線上授課聯結
14	第五輪	機器學習概論5（線性支持向量機）	Lesson 14	非同步線上授課聯結
15	第五輪	機器學習概論6（非線性支持向量機與核函數）	Lesson 15	非同步線上授課聯結
16	第五輪	機器學習概論7（梯度提升機與集成模型）	Lesson 16	非同步線上授課聯結