軟體開發： 2-1「Python程式設計與AI數據分析實戰工作坊」

堂數

課堂名稱

課堂重點

第一堂

Python 基礎語法與邏輯思維

1.開發環境建置：Anaconda 與 Jupyter Notebook 操作教學。

2. 變數與資料型態：數字、字串、布林值與基本運算。

3. 流程控制：if-else 判斷式與邏輯運算子應用。

4. 迴圈結構：for loop 與 while loop 實戰演練。

5. 實作練習：撰寫一個簡易的「成績計算器」或「猜數字遊戲」。

第二堂

資料結構與函式模組化

1. 進階資料結構：串列 (List)、字典 (Dictionary) 與元組 (Tuple) 的應用。

2. 函式設計 (Function)：定義函式、參數傳遞與回傳值，學習程式模組化。

3. 外部套件引用：import math, random 等常用模組介紹。

檔案讀寫：讀取與寫入 txt/csv 檔案，進行資料持久化。

4. 實作練習：開發一個「學生資料管理系統」(CRUD 應用)。

第三堂

數值運算與數據清洗 (NumPy & Pandas)

1. NumPy 陣列運算：高效能數值計算與矩陣操作入門。

2. Pandas 核心操作：DataFrame 與 Series 的建立與索引。

3. 資料清洗實務：處理缺失值 (Missing Data)、重複值與資料型態轉換。

4. 資料篩選與排序：條件過濾、群組 (Groupby) 與樞紐分析。

5. 實作練習：清洗一份真實的 Open Data (如 YouBike 站點資料) 並產出統計報表。

第四堂

資料視覺化與探索式分析 (EDA)

1. Matplotlib 基礎繪圖：折線圖、長條圖、散佈圖的繪製技巧。

2. Seaborn 進階視覺化：繪製熱力圖 (Heatmap)、箱型圖 (Boxplot) 與分佈圖。

3. 探索式資料分析 (EDA)：從圖表中發現數據背後的趨勢與洞見。

4. 圖表美化與輸出：調整圖例、標題、配色與儲存高解析度圖檔。

5. 實作練習：將第三堂的數據製作成一份「視覺化分析報告」。

第五堂

機器學習入門與AI素養