前往資料科學之道 - Sabermetrics 101: Introduction to Baseball Analytics

參與edX的課程：Sabermetrics 101: Introduction to Baseball Analytics 些許心得

"Sabermetrics is the study of the game of baseball through observation and experimentation (when applicable)."

原本一些對棒球充滿興趣的人希望可以使用數據紀錄比賽情況，當人無法觀看現場或是轉播時，可以透過這些數據重建比賽的狀況。後來逐漸對數據分析愈來愈重視，所以開始探討數據能否儘可能地代表球員、球隊的能力，而不是結果。因為結果會受到外在各種因素影響：天候、場地，甚至運氣。

近年資料儲存以及收集技術的改進讓球團也開始注重其應用：像是要不要交易某個球員，球員的薪水是否過高或過低，或根據各球員守備能力範圍，安排其站點等議題。

前往資料科學之道 - The Analytics Edge

參與edX的課程：The Analytics Edge 些許心得

和Practical Machine Learning一樣，本課程以機器學習為主。

內容

課程包含：

• Linear Regression
• Logistic Regression
• Tree and Random Forest
• Clustering: Hierarchical Clustering, K-Means Clustering
• Visualization (ggplot2, ggmap, igraph)
• Text Analysis
• Linear and Integer Optimization (Libre Office Calc or R)

前往資料科學之道 - 資料分析與R

參與Udacity的課程：Data Analysis with R 些許心得

課程以Exploratory Data Analysis (EDA) 為主，我們可以透過這種方式觀察變數之間的關係，提供後續分析時一個大概的方向。例如將原本的非線性關係轉為 (transform) 線性關係，這樣在下一步的建立預測模型時，只要使用線性模型即可。DEA 大部份觀察的方式以視覺為主。

前往資料科學之道 - 資料分析與統計推論

參與Coursera的課程：Data Analysis and Statistical Inference些許心得

本課程著重於一些基本的統計推論，和John Hopkins University 提供的課程部份重疊，以下列出異同點。

和John Hopkins重疊的課程(括號內列出佔本課程比重)：

• R Programming (5%)
• Exploratory Data Analysis (5%)
• Reproducible Research (5%)
• Statistical Inference (45%)
• Regression Models (40%)

前往資料科學之道 - Developing Data Products

參與Coursera的課程：Developing Data Products些許心得

資料分析的最後一個步驟就是將結果呈現。

呈現的方式很多，包括文字報告、圖像、簡報、互動式網頁、或是R package。由於不同的呈現方式需要不同的技術，例如互動式網頁，會用到java script和html5等語法，R提供了很多套件，讓只會用R的人也可以很快速地做出成果。但是如果本身就會相關的技術，則不需用到這些懶人包。