「專題討論」為本所開設之進階必修課程，目前由陳裕庭老師與本人共同授課。此課程於學生在學期間每學期皆須修習，累積修滿四學期後方可免修。每學期設定兩個不同的統計主題，旨在引導學生深入理解常用統計方法在當前學術研究中的應用，並學習如何將這些方法應用於實際數據分析中。
113 學年度本課程共涵蓋四個主題：(1) Sparse Principal Component Analysis、(2) Feature Screening for Ultrahigh Dimensional Data、(3) High-dimensional Regression、以及 (4) Varying Coefficient Model（VCM）。其中，主題 (1) 與 (2) 為多變量分析中降維方法的進階應用，主題 (3) 與 (4) 則可視為高階迴歸模型的延伸。授課教師會依各主題發展脈絡，挑選高引用且適合學生程度之學術論文，並兼顧理論與實務應用，協助學生建構完整的知識架構。
這些研讀文章往往包含學生尚不熟悉但在實務上常用或具前瞻性的統計方法與技巧。透過系統性的介紹與討論，學生能掌握新知，並將其融入既有的統計概念與工具中。例如主題 (4) 的 VCM 模型假設反應變數 Y 與解釋變數 X 間之關係可透過（廣義）線性模型描述，但模型中的係數為另一變數 T 的函數，進而大幅提升模型的彈性。這樣的彈性則需透過進階的統計技術，如 kernel smoothing 或 splines，來估計係數函數並進行推論。VCM 模型亦可擴展至長期追蹤資料分析，將 T 設定為時間變數，並納入資料中的時間相關性，在模型參數選取方面，亦常結合交叉驗證（cross-validation）等方法。此外，此模型亦可結合 Cox 比例風險模型，應用於存活分析資料，並透過 partial likelihood 進行估計與推論。該主題最後所討論之論文（發表於 2024 年）即為一例，內容探討如何利用 VCM 分析 COVID-19 診斷對透析患者住院期間預後的影響。
考量碩一生對學術論文研讀仍感陌生，本課程採小組方式進行，將全班學生分為十組，每組約三人，並安排至少一位碩二生，藉由經驗傳承提升閱讀與討論效率。課程進行方式為各組負責介紹一篇隨機指定之論文，並引導全班進行深入討論。課後每位學生需針對每一主題挑選一篇感興趣的文章，撰寫個人心得報告。此設計有助於學生在口頭表達與邏輯組織能力上的訓練，同時強化其專業素養與批判思考能力，亦可作為日後撰寫碩士論文的前期準備。
此外，課程亦不定期邀請國際學者進行學術演講（見圖 1 與圖 2），介紹最新研究成果或分享其研究經驗。課後安排學生與講者進行輕鬆的座談，不設定特定主題，鼓勵自由互動。多數同學亦藉此機會了解國外深造、申請學位等相關資訊，拓展視野並思考未來學術發展的可能方向。
|
