從統計學到Python機器學習｜東吳大學商業分析社

課程資訊

課程主題：統計實務模型應用與 Python 機器學習
合作單位：東吳大學 BAC
講師：黃海潮 Eric Huang｜AI for Taiwan 副理事長

課程設計：把一整年的統計濃縮成一條清楚的脈絡

這門課的核心挑戰，在於如何讓抽象的統計理論變得可以被理解、被應用。課程內容從敘述統計與資料視覺化出發，建立社員對資料的基本感受，接著進入假設檢定，最後延伸到迴歸分析。我們從簡單線性迴歸出發，借續介紹多元迴歸模型到羅吉斯迴歸，並串連起模型評估與訓練流程的完整概念。

All models are wrong, but some are useful. – George Box.

社員回饋：紮實、具挑戰，也具啟發

從回饋中，我特別注意到幾個面向。在教材內容準備上，多數社員肯定其完整性與實用性；在授課難易度上，回饋呈現出明顯的差異，這正反映了學員背景的多元。有同學提到「把一整年的統計學在三小時內濃縮講完真的太狠」，也有非商學院的同學坦言內容對他們較具挑戰，但同時也表示「Eric 講師的邏輯很清楚，讓我有個脈絡可以慢慢去理解」。

這樣的回饋對我而言相當珍貵。它提醒我：面對程度不一的聽眾，清楚的邏輯架構，往往比降低內容難度更能幫助學習。

比知識更重要的，是看待資料的方式

讓我最有成就感的，是看到社員的回饋裡，出現了思維上的轉變。

有同學寫道：「感覺用全新的方式再學一遍統計，比較能理解之前到底在上什麼了。」也有人說：「讓統計不只是課本中的公式，更能和實務分析產生連結。」還有同學在課後表示「終於知道機器學習的訓練流程」。

這些回饋說明，課程真正建立起來的，是一種看待資料的視角：理解統計背後的邏輯，理解模型如何協助我們做出商業判斷。對一門速成課程而言，能種下這樣的種子，已經達成了我最初的目標。

不只是課程，也是經驗的傳遞

除了課程內容，我也在課堂中分享了自己在資料分析領域的職涯發展與競賽經驗。許多社員回饋，這些分享讓課程「更有溫度」，也讓他們對資料分析、競賽準備與未來發展「有更多想像」。

從以往學生時期的經驗，我認為教學不該只停留在理論層面。對正在探索方向的學生來說，知道這些知識「未來可以用在哪裡」，往往是他們持續學習的最大動力。

結語

非常感謝東吳商業分析社的邀請，以及全體社員與幹部的熱情參與。這兩堂課對大家而言或許有些「哈扣」，但你們投入的專注與好奇，是支撐這門課順利進行的關鍵。

Python 系列課程雖然告一段落，但在課堂中建立起的統計思維、模型理解與資料分析觀念，會持續在未來的課程、專案與競賽中發揮作用。也期待未來還有機會，再次和大家一起探索資料分析的世界。