以前學生學 Data Science 是：

「我在清資料，我在跑模型，我在懷疑人生…」

現在有 AI 加持後，學生會變成：

「我在做專案，我在問 AI，我在快速迭代，我在變強🔥」

下面我幫您整理一份 AI 時代的 Data Science 教學路線圖（教授版＋學生秒懂版）
Markdown 可直接放教材。

---

🚀 AI 加持版 Data Science 教學路線圖

（從資料菜鳥 → AI Data Scientist）

---

🎯 核心理念：AI 是副駕，不是自動駕駛

在 AI 時代，學生不需要背所有語法
但一定要會：

• 問對問題（Prompt）
• 判斷結果對不對（Critical Thinking）
• 做出能用的作品（Product）

---

🧭 Data Science 學習 Roadmap（AI Boost）

---

🟢 Stage 0：資料科學入門暖身（Week 1）

🎓 學生要理解的三件事

• Data Science 在做什麼？
• Machine Learning ≠ AI ≠ ChatGPT
• 專案流程比模型重要

🤖 AI 加持方式

• 用 ChatGPT 解釋概念（像私人家教）
• 用 AI 生成範例資料集

✅ 任務：做一個「資料科學小抄地圖」

---

---

🟢 Stage 1：Data Wrangling & Cleaning（Week 2–4）

必學技能

• 缺失值處理
• 離群值處理
• 資料轉換（tidy data）
• 基本統計摘要

🤖 AI 加持方式

AI 可以：

• 自動生成清理程式碼
• 解釋每個步驟在做什麼
• 建議最佳清理策略

📌 Prompt 範例：

請幫我檢查這份資料有哪些缺失值與異常值？
並給我 pandas 清理程式碼。

✅ 作業：清理一份「真實髒資料」（餐飲/校園/IoT）

---

---

🟢 Stage 2：Data Visualization（Week 5–6）

必學技能

• 折線圖、長條圖、散佈圖
• Dashboard 概念
• Storytelling with Data

🤖 AI 加持方式

• AI 幫你挑選適合的圖
• AI 幫你寫 matplotlib/plotly 程式碼
• AI 幫你產生「圖表解讀文字」

📌 Prompt：

這份資料適合用哪些圖表呈現？請給我理由＋程式碼。

✅ 任務：做一個「校園點餐數據儀表板」

---

---

🟡 Stage 3：Feature Engineering（Week 7–8）

必學技能

• 特徵建構（日期、分類、文字）
• Scaling / Encoding
• Train/Test Split

🤖 AI 加持方式

AI 幫學生：

• 建議哪些欄位可能有用
• 自動產生特徵工程 pipeline

📌 Prompt：

請幫我從這份資料設計 5 個可能提升準確率的特徵。

✅ 作業：特徵工程挑戰賽（誰的模型提升最多）

---

---

🟡 Stage 4：Machine Learning Modeling（Week 9–11）

必學模型

• Regression
• Classification
• Clustering

常用演算法

• Random Forest
• XGBoost
• SVM
• KMeans

🤖 AI 加持方式

• AutoML（快速 baseline）
• AI 解釋模型差異
• AI 幫忙 Debug

📌 Prompt：

我的模型準確率只有 65%，可能原因是什麼？
請給我改進方向。

✅ 作業：建立一個「AI 預測系統」
例如：學生是否會延修？餐廳熱門品項？

---

---

🟠 Stage 5：Explainable AI（Week 12）

必學技能

• 模型不是黑盒子
• Feature Importance
• LIME / SHAP

🤖 AI 加持方式

• AI 幫你生成解釋報告（給一般人看得懂）

📌 Prompt：

請用白話解釋這個模型為什麼判斷此學生會不及格？

✅ 任務：寫一份「模型解釋書」（可給校長看的那種）

---

---

🟠 Stage 6：Time Series & Forecasting（Week 13–14）

必學技能

• ARIMA
• Prophet
• Deep Learning Forecast

🤖 AI 加持方式

• AI 幫忙選模型
• AI 幫忙做多步預測

✅ 作業：預測「下週餐廳訂單量」或「用電需求」

---

---

🔵 Stage 7：NLP + Generative AI（Week 15）

必學技能

• Text preprocessing
• Sentiment analysis
• Embedding 概念

🤖 AI 加持方式

• GPT 做分類器
• RAG 文件問答

✅ 任務：打造「校園客服 AI」

（這跟您正在做的招生 Chatbot 完全吻合🔥）

---

---

🔵 Stage 8：Deployment & AI Product（Week 16–18）

必學技能

• Streamlit / Shiny Web App
• Docker 基礎
• Cloud 部署概念

🤖 AI 加持方式

• AI 幫你寫前端 UI
• AI 幫你補 API 文件
• AI 幫你做 Demo Pitch

✅ Final Project：

每組做一個「可操作的 AI Data Product」

例如：

• 校園點餐預測系統
• 招生客服 AI Agent
• IoT 異常偵測平台
• 餐飲銷售 Forecast Dashboard

---

🎓 AI Data Science 學生畢業能力（18週後）

學生可以自信說：

✅ 我會清理資料
✅ 我會視覺化講故事
✅ 我會訓練模型
✅ 我會用 AI 幫我加速開發
✅ 我能部署一個可用的 AI 應用

---

🌟 教授加分玩法

課堂制度建議

• 每週 AI Prompt Lab（10 分鐘）
• 每次作業附一段「我如何使用 AI」
• 期末評分包含：

評分項目	比例
Data Pipeline	30%
Model + Explainability	25%
AI Product Demo	25%
Prompt Engineering Reflection	20%

---