機率與統計的應用

生活中到處充滿著不確定性，例如吃飯排隊的等候時間、機台生產的良率、民調統計數字的分析等等。工業系也開設許多相關的課程，例如品質管制、資料分析、智慧製造、實驗設計、機器學習、人工智慧等等，以解決工商業的問題。

許多人修這門課的時候，很痛苦 (1)。除了了解其應用外，建議可以念一些科普的書，增加學習動機：

• 葉丙成，賴以威等著，葉丙成的機率驚豔：當數學遇上文學，學生考不好也會笑著離開，究竟出版社，2014/02/25
• 陳志武，耶魯最受歡迎的金融通識課，今周刊，2019
• 陳傑豪，大數據玩行銷：改變世界的18個大數據新思維，第 1 本把大數據變營業額的行銷聖經，30 雜誌，2015
• 蔣榮先，從AI到智慧醫療，商周，2020
• 簡禎富，工業3.5：台灣企業邁向智慧製造與數位決策的戰略，天下雜誌，2019
• Ajay Agrawal, Joshua Gans, and Avi Goldfarb, Prediction Machines: The Simple Economics of Artificial Intelligence, Harvard Business Review Press, 2018.
• Data 8 The Foundations of Data Science by UC Berkeley
• Derek Bok, Our Underachieving Colleges: A Candid Look at How Much Students Learn and Why They Should Be Learning More, Princeton University Press, 2005. (張善楠譯，大學教了沒？：哈佛校長提出的 8 門課，天下文化，2008)
• Thomas H. Davenport and Jinho Kim, Keeping Up with the Quants:Your Guide to Understanding and Using Analytics, Harvard Business Review Press, 2013. (錢莉華譯，輕鬆搞懂數字爆的料：不需統計背景，也能練就數據解讀力，天下文化 ，2015)
• G. Gigerenzer, Risk Savvy: How to Make Good Decisions, Penguin Books, 2014. (廖育琳、陳雅莉、陳松筠譯，機率陷阱：從購物、保險到用藥，如何做出最萬無一失的選擇？商周出版 ，2015)
• Alex J. Gutman and Jordan Goldmeier, Becoming a Data Head: How to Think, Speak, and Understand Data Science, Statistics, and Machine Learning, Wiley, 2021.
• D. Kahneman, Thinking Fast and Slow, Farrar, Straus and Giroux, 2011.  (洪蘭譯，快思慢想，天下遠見，2012)
• L. Mlodinow, The Drunkard's Walk: How Randomness Rules our Lives, First Vintage Books, 2009.  (胡守仁譯，醉漢走路：機率如何左右你我的命運與機會，天下遠見，2009)
• Nate Silver, The Signal and the Noise: Why So Many Predictions Fail — but Some Don't, Penguin Press, 2012 (蘇子堯譯，精準預測：如何從巨量雜訊中，看出重要的訊息？，三采，2013)
• N. Taleb, The Black Swan: The Impact of the Highly Improbable, Random House, 2010. (林茂昌譯，黑天鵝效應，大塊文化，2011)
• C.J. Wheelan, Naked Statistics:  Stripping the Dread from the Data, W.W. Norton, 2013. (愛荷譯，聰明學統計的 13 又 1/2 堂課 : 每個數據背後都有戲, 搞懂才能做出正確判斷，先覺，2013)
• Gregory Zuckerman, The Man Who Solved the Market: How Jim Simons Launched the Quant Revolution, Penguin Group, 2019 (林錦慧譯，洞悉市場的人：量化交易之父吉姆‧西蒙斯與文藝復興公司的故事，天下文化，2020)

(1) 學習數學的四個層次：(3) 在許多行業的應用