| 週次 |
授課內容 |
| 第1週 |
|
| 第2週 |
|
| 第3週 |
|
| 第4週 |
|
| 第5週 |
【公共治理能力需要資料素養】
．資料科學生命週期概覽
．建立 Colab＋GenAI 協作流程
．示範「問題→運算邏輯→提示詞」的轉譯步驟
．案例敘事錨點，聚合層級之主軸問題
．關於公開資料之取得與使用。 |
| 第6週 |
【資料清洗與探索性分析】
．資料型態、遺失值／離群值處理、描述統計
．寬表轉長表(wide-to-long)之邏輯與操作
．AI 輔助清理，學生逐步驗證每一步輸出
．AI Vibe Coding 方式產出視覺化分析結果(含地理資訊), Web 呈現 |
| 第7週 |
【中文文字探勘】
．中文斷詞、關鍵詞萃取
．分析字串資料
．Claude生成式AI為文字分析之工具
．FTTA(From Text to Action)文字分析框架，產生
觀點、重要性、情感正負向， 三者互動關係的示意圖
．根據FTTA框架提出行動策略。 |
| 第8週 |
【監督式學習直覺】
．分類模型之直覺與應用
．模型比較，準確率之落差 |
| 第9週 |
【生成式AI與公共治理分析】
．Prompt engineering 操作，輔助文件分析
．AI 產出之查證方法與侷限
．演算法治理／課責之政策討論 |
| 第10週 |
【整合與轉譯】
．資料、模型、地理資訊散布圖，收斂主軸問題與解讀
．小組政策分析報告（向「非技術」決策者簡報發現 ）
．跨域溝通技巧 |
| 第11週 |
|
| 第12週 |
|
| 第13週 |
|
| 第14週 |
|
| 第15週 |
|
| 第16週 |
本課程為1學分，總授課時數18小時，無自主學習。 |
自主學習
內容 |
05.參與本校各單位舉辦之各類工作坊活動
鼓勵參與 |