DS 202進階L1 + L2 證書
AI 輔助資料科學
把生成式 AI 當成可加速但必須被驗證的資料科學協作者：從理解 AI 能做什麼、不能做什麼，到提供 schema/context、撰寫可驗證 prompt、在執行前檢查 AI 生成的 Python、在 Guided Lab 與 AI 協作分析，再到除錯、分層驗證（Data → Code → Method → Claim）、記錄 prompt log 與 provenance、判斷敏感資料能否交給 AI，最後在 Independent Lab 交付一份可稽核的 AI-Assisted Workflow，完成 AI-Assisted Data Science Workflow + Verification Record。
課程主軸：從問題到可稽核的證據
整門課沿著同一條線走：Human Question、AI Proposal、Executable Analysis、Verification、Revision、Evidence。AI 可以協助提案與撰寫程式，人負責驗證與最終判斷。
- 1. Human Question
要回答的分析問題與對應決策是什麼？
- 2. AI Proposal
AI 依提供的資料 context 提出了什麼分析方法？
- 3. Executable Analysis
程式碼是否在執行前被逐項檢查過（read before run）？
- 4. Verification
是否依 Data、Code、Method、Claim 四層做過驗證？
- 5. Revision
發現落差或 silent error 後，是否已經修正並重新驗證？
- 6. Evidence
最終聲稱是否忠實反映證據，並附上 provenance 紀錄？
你的下一步
DS 202 · Module 1 · AI 協作分析：從問題到可執行程式
已完成 0 / 18 項0%
課程內容
- Module 1AI 協作分析：從問題到可執行程式從 AI 能做什麼、不能做什麼出發，學會提供 data context、撰寫可驗證 prompt，並在執行前檢查 AI 生成的 Python，再於 Guided Lab 與 AI 協作完成第一個可驗證的分析。
- Module 2可信 AI Data Science：驗證、重現與治理學會區分 runtime 與 silent analytical errors、以 Verification Ladder 分層驗證、記錄 prompt log 與 provenance，並判斷敏感資料的 AI 治理，再於 Independent Lab 交付可稽核的 AI-Assisted Workflow。
進度儲存在這個瀏覽器，不會記錄你的身分；只有在下方加入進度同步時才會上傳。
同步我的進度加入梯次後，進度可跨裝置保存，講師也能看到
實作與評量
- 實作 A：Schema Context Prompt寫出完整的資料 context，組成結構化的分析 prompt。尚未完成
- 實作 B：Hallucinated Column Hunt找出 AI 提案中引用了不存在或被誤解的欄位。尚未完成
- 實作 C：Silent Error Review排查一段能順利執行、但因版本混用而算錯的分析。尚未完成
- 實作 D：Verification Ladder依 Data、Code、Method、Claim 四層留下驗證紀錄。尚未完成
- 實作 E：Prompt / Code Provenance Log記錄環境、資料版本、prompt、AI 輸出與人工修改。尚未完成
- 實作 F：Sensitive Data Decision判斷敏感資料是否可以提供給外部 AI 工具，並說明處理方式。尚未完成
- DS 202 前測與後測以前測與後測檢查 AI 角色、資料 context、prompt、read-before-run、silent error、驗證順序、聲稱、provenance、隱私、debug、AI 建議統計方法與責任歸屬上的判斷力改變。尚未完成
- AI-Assisted Data Science Workflow + Verification Record把所學轉成自己的 AI-Assisted Data Science Workflow + Verification Record，說清楚問題、資料、方法、驗證方式與治理判斷。尚未完成
關於這門課
學習成果
- 理解 AI 可協助 framing、code、debug、解讀、文件，但責任仍在人
- 提供 schema、grain、units、限制與禁止假設，避免 AI 猜欄位
- 以 task/context/requirements/output/verification 結構撰寫分析 prompt
- 執行前檢查 imports、columns、filters、joins、formula、副作用與預期輸出
- 讓 AI 提案並實作分析，再獨立驗證每個關鍵步驟
- 完成最終成果：AI-Assisted Data Science Workflow + Verification Record
先備條件
- 建議完成 DS 102 與 DS 104；AI 101 建議完成
- 具備 DS 101–104 程度的 Python/pandas 能力
適合對象
- NTPU 學生、教師與行政人員，日常需要處理結構化資料
- 已完成 DS 102 與 DS 104，想學會安全、可驗證地與 AI 協作分析的學員
- 需要更嚴謹驗證、文件記錄與負責任 AI/資料實務的分析人員
完課證書
完成後可取得完課證書（L1）；另可透過額外的實作審查取得能力證書（L2）。
達成條件
- 完成全部 2 個課程模組
- 後測評量達 80% 以上
- 提交實作成果並經審查通過
課後回饋
約 2 到 3 分鐘，回饋會用來改進課程。