Welcome
https://jirlong.gitbook.io/r/
這是台大經濟系資料科學與社會研究、台大新聞所新聞資料分析與視覺化兩門課的課程自學網站。這兩門課的教法是一樣的，基礎模組也是一樣的，唯前者強調資料分析與建模，後者強調視覺化。但在這個網站上，兩者都包含了。
開始你的學習
很簡單，請先到github下載本教學的相關檔案（https://github.com/P4CSS/R4CSS），打開解壓縮後，便可開啟List of videos 逐一觀看Youtube影片。程式檔案和Youtube影片是逐單元搭配的。
你喜歡多看一些文字說明的，可搭配本網站逐漸建置的內容觀看，也是和Youtube教學影片搭配好的。
如果你喜歡更多自學資源的，可以看一下Resources 頁面，裡面推薦了線上互動學習平台Datacamp中與這門課程相輔相成的教學單元，也推薦了網路上可以免費觀看的三本電子書，每本都可以讓你變成R的高手。
初入門怎麼學好程式？
程式碼打越多越熟
本課程目前正在整理程式碼和影片的對應，所以，可能會有影片和程式碼的檔名對不上的狀況。在前半部初階的學習中，我每學期幾乎都會更換範例，但我沒辦法更新影片更新的這麼快。不過，我建議你每一行程式碼都自己打，不見得需要使用老師給的程式碼。而後兩個月的進階內容，程式碼的檔名和內容非常少變動。你直接下載本課程所提供的程式碼便可以執行。
學好程式的「環境機制」
程式的學習像是什麼呢？就像是用英文寫統計一樣。所以，他的學習經驗會跟你學英文和學統計的經驗非常像。如果你過去學英文或統計的經驗是，你告訴自己，英文很重要，對未來很重要，你光告訴自己這很重要你就學得好，那不用看以下內容。
但如果你是個告訴自己學英文很重要，但結果你自評學不好，那麼，這時候你跟自己說，學程式很重要，對未來很重要，那學不好的機率就大。那怎麼辦？那你就要去尋找，自己學好一項技能的美好經驗，或者是別人學好程式的美好經驗。這絕對不會是不斷洗腦自己學程式很重要，而通常是以下的「環境機制」：
找一群人一起學，卡住了就借別人寫的東西來看看，一起寫作業（但是不要抄，有程式自動比對系統）。
找特殊的動機。比方說，有不少人程式寫得嚇嚇叫是因為，他們喜歡寫爬蟲，對於能夠把網路上的東西爬下來非常滿意，寫爬蟲似乎滿足了個人的窺伺欲，或者那種鍵盤監督者的「黑客感」。相當人是因為喜歡寫爬蟲而程式越寫越好。
找喜歡的學習教材。比方說，有人喜歡點選Datacamp的任務，因而越來越強，甚至R和Python都靠Datacamp學起來；有人喜歡看影片，不喜歡上課，只要上課就想睡覺；有人喜歡找人教、有人喜歡看國外的教學影片順便練英文，不管怎樣，符合你喜歡的形式就好。
為何學R？
近年Python在深度學習的發展下似乎成為顯學，不少同學已經接觸過Python，甚至疑問為什麼不上Python而要上R，在此做簡要說明供參考。
R與STATA、SAS、Matlab的學習經驗容易銜接。R原為一統計軟體，Variable-based的R，也更容易與過去統計所學銜接，學過STATA、SAS、Matlab的同學，應該可以無痛銜接。
R是擅長資料分析的語言。Python是個泛用性語言，R則是基於統計概念所衍生的善於做資料分析的語言，除了深度學習外，Python和R相較之下不具有優勢。甚至在深度學習尚未蔚為風行之時，2016、2017年人工智慧學校、人工智慧年會更有「資料科學家應該用R」、「R做分析又快又好」、「有什麼是R做不到的」的說法。
R易於資料想像。在R中，通常會把資料想像為Row X Column的資料表（Data frame），而且從頭到尾幾乎只用這種方式來想像資料。但Python由於是泛用型程式語言，所以各種不同的套件的物件類別均不同，導致初學習者每次學習新的套件都要花時間去理解基礎的物件格式。
R在目前國內外經研所、政治所仍是主流。大部分的R第三方套件都是由經濟學、統計、政治學、社會學等專家所開發。其對於統計檢定的設計和要求也比較符合研究需要。所以，是出國深造或升學的重要工具。
R的職缺著重在資料分析、資料科學。從104上看徵求R與Python的職缺和徵求Python的職缺相較下可以看出，R確實符合資料科學的需求，Python則五花八門，最常見於資訊系統、資料工程、深度學習等。（2020/09/16 retrieved from 104.com）
學會這門課的預期效益如何？
因為本課程幾乎涵蓋了資料分析所需的基本功，因此有不少修過這堂課後，便能夠直接到業界實習、工作、或者成為其研究室的資料分析核心者。足以能夠應付交易分析、使用者分析（顧客關係管理）等業界任務，至於對學界而言，由於內容幾乎與美國頂尖大學如Stanford Political Science或Chicago Computational Social Science相仿，甚至有能力處理中文，因此過去確實成功為不少同學帶來去歐美留學的機會。
如果要與資工競爭工作，還要修什麼課？
與資工競爭是錯誤的概念。資工不等同於資料科學家。資工的學生在學期間會學得網路安全、網路底層傳輸設計、訊號處理、圖像處理、多媒體系統整合、嵌入式系統、音訊處理等專長。這些專長不是社會科學家的專長，他們也不盡然會來做資料科學家的工作，例如趨勢科技的資料科學家就不是由資工背景的學生所組成，而是由統計學家、數學家等所組成，因此，你們要挑戰的是一群和你一樣一開始不會寫程式的人，而不是資工學生。
未來我要修什麼課可以幫助我就業或求學？
如果未來你要直接找工作，我建議的基本修課邏輯是修完「資料科學與社會研究」後，找門Python的課來上，例如管院的商管程式設計、新聞所未來會開的「社會科學程式設計」。有助於拓展職涯。
如果你想當數值型的資料科學家，可以學完本課後，加強統計、線性代數等，就直接應徵工作。但如果你才大三，還有時間修課，可以學完本課後，修管院的「商管程式設計」，再修門機器學習的課程，不見得要深度學習，因為那可能與你無關，你可以挑選非資工或電機的機器學習課程。
如果你喜歡自然語言處理，想當這方面的資料科學家，建議可學完本課後，修新聞所與經濟系合開的「社會科學程式設計」或新聞所的「社群輿論分析」後，選修資工或語言所的自然語言處理或計算語言學，再選修電機系李宏毅所開設的「深度學習與人類語言處理」或資工系陳信希老師開的「自然語言處理」或跨校選修政大黃瀚萱老師所開設的「自然語言處理」課程。
如果未來你想做研究或深造，可以修完本課程後，選修「社會科學程式設計」、「社群輿論分析」、新聞所劉好迪老師「社群媒體與社會網絡分析」等課程，直接有助於幫公事所或政治系的學生找到進階的研究方法，也有助於經濟系的學生開拓不同的分析視野。
Last updated
Was this helpful?