🔹 單元 1：Python 簡介與開發環境

✅ 教學目標： 學生能理解 Python 的應用與基礎語法，並熟悉 Jupyter Notebook。
🎯 線上評量活動：

1. 小測驗（選擇題、填空題） - 測試 Python 變數、資料型態、條件判斷與函式的基本概念。
2. 動手實作（Jupyter Notebook 練習） - 學生需撰寫一個簡單的 Python 程式，輸入數字並回傳平均值。
3. 討論區互評 - 學生在討論區分享自己的 Python 代碼，相互評論並優化寫法。

🔹 單元 2：NumPy - 科學計算基礎

✅ 教學目標： 學生能夠建立 NumPy 陣列並進行基本數據運算與索引操作。
🎯 線上評量活動：

1. 選擇題與填空題測驗 - 針對 NumPy 陣列特性、索引方式、廣播機制等進行評測。
2. 程式實作挑戰 - 讓學生撰寫 Python 程式來生成 1000 個隨機數，計算其平均值與標準差。
3. Pair Programming（互評活動） - 學生上傳自己的 Notebook，並隨機指定其他同學進行互評，提供回饋與改進建議。

🔹 單元 3：Pandas - 資料處理與分析

✅ 教學目標： 學生能夠使用 Pandas 讀取、處理數據，並進行基本分析與缺失值處理。
🎯 線上評量活動：

1. 自動評分測驗 - 測試學生對 Pandas DataFrame 的基本操作，如 read_csv()、索引、篩選等。
2. 案例分析與實作 - 給定一份真實數據（如銷售報表），要求學生進行數據清理（去除缺失值、處理異常數據）。
3. 開放式討論 - 學生在論壇分享不同的缺失值處理方法，並評論彼此的選擇是否適合特定情境。

📌 第二部分：資料處理與探索性分析

🔹 單元 4：資料處理與變換

✅ 教學目標： 學生能夠使用 Pandas 進行數據合併、轉換與群組分析。
🎯 線上評量活動：

1. 選擇題測驗 - 測試 GroupBy、Pivot、Merge 的應用場景。
2. 案例練習 - 給予學生兩個不同來源的數據集，要求合併並提取有價值的資訊。
3. 學生互評專案 - 學生需要分析一組數據，並在討論區發表自己的分析結果，接受同學回饋。

🔹 單元 5：資料視覺化

✅ 教學目標： 學生能使用 Matplotlib、Seaborn 等工具繪製數據視覺化圖表。
🎯 線上評量活動：

1. 圖表識別測驗 - 學生根據題目判斷應使用哪種類型的圖表（長條圖、折線圖、散點圖等）。
2. 視覺化挑戰 - 讓學生根據指定數據集，繪製 2-3 種不同圖表，並解釋選擇這些圖表的理由。
3. 互動式 Notebook 提交 - 學生需在 Jupyter Notebook 繪製並標註不同圖表的關鍵資訊，並由教師批改。

🔹 單元 6：探索性資料分析（EDA）

✅ 教學目標： 學生能夠運用統計方法對數據進行探索分析，並發現數據趨勢與異常值。
🎯 線上評量活動：

1. 測驗題 - 針對描述性統計、相關係數、異常值偵測進行概念評測。
2. 實作分析作業 - 給定一組金融或社群媒體數據，要求學生發掘有意義的趨勢。
3. 學生報告與互評 - 學生需撰寫一篇簡短的數據分析報告，並提供其他學生回饋。

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。