本站以 An Introduction to Statistical Learning with Applications in Python（簡稱 ISLP）
與課程講義為主教材。先用例子理解問題，再動手驗證直覺。
章節旁的中文來源標記列出課本章節與講義主題，並可連到同頁完整書目；需要程式操作時，可開啟對應的原課程 Lab。
深度學習對應 ISLP 第 10 章，列為課外補充，程式與輸出引用課本官方的英文 lab。
不知道從哪開始？先看課前準備（不需要程式基礎）；
正課需要補基礎時，可查統計附錄或Python 附錄。
課前準備與兩組附錄都是選讀，不列入評分。
可依需要選讀。先建立AI 時代的資料分析學習迴圈、 準備執行環境，練習與 AI 分工、核對分析結果。 不需要任何程式基礎，選讀，不列入評分。
期中考使用電腦教室的電腦。平時可用 Colab；若在自己的電腦練習， 建議讓本機 Python 與套件版本和教室一致，依課程提供的版本清單核對。 考前也要熟悉教室的操作環境；詳見本機安裝與考前準備。
章節依課堂進度排列：非監督式學習（講義 12）接在支持向量機（講義 09）之後。
正課遇到機率、分布或推論觀念不熟時，可回來隨時查閱，不必先讀完。 內容參考 Seeing Theory，提供算例、互動與自測。 與 Python 附錄一樣，選讀、不列入評分。
沒寫過 Python，或只會一點點？這組附錄把正課會用到的語法與套件講一遍， 程式碼取自課程 lab notebook。這些頁面供你隨時查閱， 正課讀到卡住再回來翻，不必先讀完。選讀，不列入評分。