從數學出發，走進資料的世界——我的北大統計之路

我為什麼選擇統計這條路

    在高三考完學測後，由於我本身對數學與程式設計都有高度興趣，因此在繁星推薦中選擇了臺北大學統計學系，並順利錄取。確定錄取後，因為高三下學期有較多空檔時間，我便先自行預習了微積分與線性代數，作為升大一前的數學準備。
    也因為如此，大一在修習基礎數學課程時，較不需花費太多心力適應。回頭來看，我會很建議學弟妹們善用升大一前的空檔時間，先接觸微積分或線性代數的基本概念，這樣進入統計系後，課程銜接上會順利許多。

從基礎數學開始，慢慢看懂統計

    大一主要會接觸到微積分、線性代數、統計學以及 R 語言。對統計系而言，微積分與線性代數是所有課程的基礎。像是積分技巧（變數代換、分部積分）、泰勒展開，或是線性代數中的特徵值與特徵向量、正交與正定等概念，幾乎都會在後續的大二、大三課程中反覆出現。

圖一

圖二

    圖一為統計學課堂，圖二為線性代數課堂，如果大一時基礎沒有打穩，到了大二、大三修機率論與數理統計時，會感到相當吃力。隨著課程推進，會逐漸理解統計學中常見的常態分配、t 分配、卡方分配等理論，也會正式接觸到 PDF、CDF、順序統計量，以及衡量估計量的四大準則——不偏性、有效性、一致性與充分性。走到這一步，會明顯感覺自己對「統計在做什麼」有了更完整的理解。

    另外，由於系上不少課程使用電子講義，上課時需要頻繁標註公式、推導過程與重點整理，因此我會建議同學們若有條件，可以考慮使用平板做筆記，能減少課後重新整理講義的時間。

當理論走進現實：第一次完整的資料分析經驗

    到了大三的專題研討（實際上也可以選擇大四再修），我與組員的研究主題是「雙北房價預測——利用統計與機器學習模型」。一開始，我們在資料蒐集與前處理上花了相當多時間，例如整理實價登錄資料、透過 API 將地址轉換為經緯度，以及手動或利用爬蟲方式蒐集雙北各類設施的座標等。這段過程相當繁瑣，也讓我們體會到，資料前處理往往是資料分析中最耗時、卻也最關鍵的一環。

    在完成資料整理後，我們開始建立模型，分別使用了傳統迴歸、地理加權迴歸、隨機森林與 XGBoost 四種方法。由於資料量超過五十萬筆，模型訓練本身就需要花費不少時間，尤其是地理加權迴歸，即使只使用約三萬筆資料，仍需耗費極長時間才能完成，也成為我們研究上的限制。

    最終，這份專題獲得了專題競賽的優等獎，對我而言，不論是在資料處理的熟練度、與同學及老師的溝通能力，或是模型建構與程式實作上，都有明顯的成長，這也成為我大學生涯中最難忘的資料分析經驗。此外，我也在大三上學期進入「大數據中心」擔任研究助理，協助處理校務相關資料，如畢業流向調查與 AOL 問卷分析等，進一步累積實務經驗。

課堂之外，我在統計系的另一種學習

    除了課業之外，統計系在系上活動與運動方面也相當豐富。大一時，透過新生導航可以認識系上的老師與學長姐，也有新生宿營讓同學們快速熟悉彼此。到了大二，則有機會加入系學會，實際參與並籌辦各項系上活動。

    系上每年也會舉辦「系友運動會（系友盃）」，讓在校生能與畢業學長姐及老師們一同打球，是一個氣氛非常熱絡的活動。此外，統計系也有系籃、系排、系羽、系桌等系隊，會參加大大小小的比賽，圖三為系羽校內聯盟賽冠軍合照。其中最具代表性的，莫過於全國性的「大統盃」，各校統計相關系所齊聚一堂，不僅是競賽，也是一個增進校際交流與系內凝聚力的重要場合。

圖三

如果再選一次，我還是會走進北大統計

    最後，我想謝謝北大統計的同學、助教與老師們，讓我在這四年的學習過程中過得充實且愉快。如果再給我一次選擇的機會，我依然會選擇進入北大統計。若你喜歡優美的校園環境，並對數學、程式設計或資料分析感興趣，都非常歡迎加入北大統計這個大家庭。相信在這四年中，你一定能累積扎實的能力，為未來的學習與發展打下良好的基礎。

#數學