單元 1：Python 簡介與開發環境

✅ 目標： 讓學生思考 Python 在資料分析的價值，並能熟悉 開發環境。

👨‍🏫 教師引導方式：

• 引導問題 1️⃣：「你聽過 Python 嗎？你覺得 Python 在資料分析中能解決哪些問題？」

  • 🎤 學生發表方式：開放 2-3 名學生口頭分享，其他人透過聊天室留言。
  • 📝 即時工具：Mentimeter 文字雲或 Slido 問卷調查，讓學生直觀看到彼此的回答。

• 引導問題 2️⃣：「Jupyter Notebook 跟傳統程式編輯器（如 VS Code）有什麼不同？」

  • 🏆 小組活動：「分組討論 5 分鐘，找出 Jupyter Notebook 適合資料分析的 3 大優點，並在 Google Docs 上記錄。」
  • 🗣 小組發表：隨機抽選 1-2 組分享討論結果，教師補充說明。

📌 預期學生輸出：
✅ 學生可提出 Python 的應用範圍（如 AI、數據分析、網頁開發）。
✅ 透過比較 Jupyter Notebook 與其他編輯器，加深對開發環境的理解。

📌 單元 2：NumPy - 科學計算基礎

✅ 目標： 幫助學生理解 NumPy 陣列的優勢，並能進行基本運算。

👨‍🏫 教師引導方式：

• 引導問題 1️⃣：「如果你有一個 1000 萬筆數據的數列，會用 Python 的 list 還是 NumPy array？為什麼？」

  • 💡 實驗活動：「教師現場示範 List vs. NumPy 運算速度比較，學生觀察並發表看法。」
  • 🗣 即時交流：讓學生在 Zoom 聊天室留言「為什麼 NumPy 更快？」

• 引導問題 2️⃣：「NumPy 陣列在什麼情境下最適合使用？請舉例說明。」

  • 🏆 分組競賽：「分 3 組，分別找出 NumPy 在 ‘大數據分析’、‘科學計算’、‘影像處理’ 的應用案例，並整理成簡短報告。」
  • 📢 小組發表：「每組派代表 1 分鐘簡報，教師總結重點。」

📌 預期學生輸出：
✅ 學生能解釋 NumPy 陣列的運算效率優勢。
✅ 小組報告能舉出 NumPy 在不同領域的應用案例。

📌 單元 3：Pandas - 資料處理與分析

✅ 目標： 學生能夠運用 Pandas 讀取與處理資料，並進行數據清理。

👨‍🏫 教師引導方式：

• 引導問題 1️⃣：「當你下載一份 Excel 檔案，資料有缺失值，你會怎麼處理？」

  • 💡 實作活動：「教師提供一份有缺失值的 CSV，讓學生透過 Jupyter Notebook 嘗試填補缺失值，並分享策略。」
  • 🗣 學生發表：「2-3 位學生分享他們如何處理缺失值（填補法、刪除法等）。」

• 引導問題 2️⃣：「我們應該什麼時候刪除缺失值？什麼時候填補？」

  • 🎭 情境討論：「教師設計 3 種不同類型的數據（顧客資料、財務報表、醫療數據），讓學生分組討論並決定適合的缺失值處理方式。」
  • 📢 發表交流：「小組輪流分享討論結果，教師補充關鍵概念。」

📌 預期學生輸出：
✅ 學生能透過程式實作處理缺失值，並討論不同情境下的策略。
✅ 透過情境討論，學生能培養實務分析能力。