https://youtu.be/7eSDlcZSwVY
開啟AI時代，成就數據超能力！
── 從生成式AI到數據驅動決策，全面進化你的職場實力。
當世界被 ChatGPT、Google Gemini、Claude AI、Grok、DeepSeek 等生成式AI顛覆，當數據成為每一個決策、每一次創新的燃料！
你，準備好用什麼能力迎戰未來？
本書由科技實務專家編著，結合多年第一線教學經驗與產業觀察，帶領你系統化學習：
► 提示工程（Prompt Engineering）──學會設計「能聽懂人話」的AI指令，精準駕馭生成結果。
► 數據採樣與清理──運用Python、Pandas、Requests、BeautifulSoup、Selenium等工具，快速掌握乾淨且有價值的資料。
► RAG（檢索增強生成）實戰──從理論到實作，建立能自主學習的智慧系統，整合 Hugging Face 資源。
► 流程自動化與排程──讓你的數據收集與模型調用不再靠手動，效率翻倍提升。
► 多元開發環境──從Google Colab雲端作業到Anaconda本地部署，甚至VSCode高效開發，一網打盡。
不只是工具操作，更是一次次解構真實場景的訓練：政府開放資料、電商平台趨勢分析、醫療資料探勘…在每個場景中精煉技術、磨練思維。
這是一本真正實務導向的書。
適合所有希望在數位轉型時代，掌握未來主導權的你──學生、研究者、工程師、稽核、智財專家，或者，渴望蛻變、再出發的職場人。
跟著本書，讓你從「使用AI的人」進化成「駕馭AI的人」。
【專業推薦】
國立中正大學成人及繼續教育學系教授、教育部樂齡學習總輔導團計劃主持人──魏惠娟
明安國際集團董事長室內部稽核、資深內部稽核專責人員──張景評
錸成科技有限公司執行長──凃春愛
聖橋國際專利商標事務所執行長──楊仁豪
伽碩企業有限公司執行長──郭明洽
元大銀行系統開發部專業副理──陳尚瑋
開啟AI時代，成就數據超能力！
── 從生成式AI到數據驅動決策，全面進化你的職場實力。
當世界被 ChatGPT、Google Gemini、Claude AI、Grok、DeepSeek 等生成式AI顛覆，當數據成為每一個決策、每一次創新的燃料！
你，準備好用什麼能力迎戰未來？
本書由科技實務專家編著，結合多年第一線教學經驗與產業觀察，帶領你系統化學習：
► 提示工程（Prompt Engineering）──學會設計「能聽懂人話」的AI指令，精準駕馭生成結果。
► 數據採樣與清理──運用Python、Pandas、Requests、BeautifulSoup、Selenium等工具，快速掌握乾淨且有價值的資料。
► RAG（檢索增強生成）實戰──從理論到實作，建立能自主學習的智慧系統，整合 Hugging Face 資源。
► 流程自動化與排程──讓你的數據收集與模型調用不再靠手動，效率翻倍提升。
► 多元開發環境──從Google Colab雲端作業到Anaconda本地部署，甚至VSCode高效開發，一網打盡。
不只是工具操作，更是一次次解構真實場景的訓練：政府開放資料、電商平台趨勢分析、醫療資料探勘…在每個場景中精煉技術、磨練思維。
這是一本真正實務導向的書。
適合所有希望在數位轉型時代，掌握未來主導權的你──學生、研究者、工程師、稽核、智財專家，或者，渴望蛻變、再出發的職場人。
跟著本書，讓你從「使用AI的人」進化成「駕馭AI的人」。
【專業推薦】
國立中正大學成人及繼續教育學系教授、教育部樂齡學習總輔導團計劃主持人──魏惠娟
明安國際集團董事長室內部稽核、資深內部稽核專責人員──張景評
錸成科技有限公司執行長──凃春愛
聖橋國際專利商標事務所執行長──楊仁豪
伽碩企業有限公司執行長──郭明洽
元大銀行系統開發部專業副理──陳尚瑋
第1章 生成式AI 工具介紹
1.1 ChatGPT4.0、Claude AI sonnet3.5 說明與應用
1.2 Google Gemini
1.3 Perplexity 操作與應用
1.4 NotebookLM 介紹
1.5 DeepSeek 說明與操作
1.6 ChatPDF
1.7 AI 助手整合
第2章 Pandas 的基本應用
2.1 文件操作讀寫觀念說明
2.2 多欄位取值、多列位取值
2.3 合併、字串提取、字串合併
2.4 資料框匯總
2.5 快速數據分析
2.6 資料框總表整理
第3章 基礎IDE 環境設定
3.1 Google Colabatory
3.2 Anaconda 安裝: 以Jupyter Notebook 和Spyder 為例
3.3 Pycram 社群版設定
3.4 VScode 擴增套件設定
3.5 Python 開發環境比較
第4章 Python 中爬蟲模組介紹
4.1 Beautifulsoup4 ( 美麗湯) 模組說明
4.2. requests 模組說明
4.3 Requests 模組介紹: 以政府資料開放平台為例(ESG 公開資料集)
4.4 上櫃季報實作與視覺化I
4.5 興櫃季報實作與視覺化II
4.6 金管會RSS 爬蟲資料抓取
第5章 Google Sheet API
5.1 Google Sheet token 申請
5.2 Google sheet 建立與設定
5.3 抓取資料與同步更新應用
5.4 Simple ML 分析
第6章 生成式語意推論介紹
6.1 生成式語意結構推測理論
6.2 生成式AI 互動收斂理論
6.3 網頁結構推論與交互生成收斂理論
6.4 生成式工具生成品質評估
6.5 什麼是Vibe Coding?
6.6 Vibe Coding 的意義與協作
第7章 提示語設計
7.1 提示語設計I 說明
7.2 提示語設計I 應用: 以爬取奇摩新聞、WIKI、鉅亨網、104 人力銀行為例
7.3 提示語設計II 說明
7.4 提示語設計II 應用: 農業部最新法令、酷澎、生活市集商品價格為例
7.5 提示語設計II 應用: 公開資訊觀測站、資通法令為例
7.6 提示語設計III 說明
7.7 提示語設計III 應用: 成大、奇美、台南市立醫院病床數為例
7.8 連續的提示語設計規律: 立法院公報爬取
7.9 爬取圖片的提示語設計: 酷澎線上商城圖片爬取
7.10 通用爬蟲流程設計: 以家樂福為例
第8章 防爬套件與排程自動化
8.1 fake-useragent 和undected-chromedriver 介紹與實戰
8.2 APScheduler 和Schedule 排程介紹
8.3 selenium 照相辨識模組實作應用I: 台南市政府行事曆擷取辨識為例
8.4 selenium 照相辨識模組實作應用II: 電子書翻頁擷取自動化
8.5 selenium 網頁自動化按鈕點擊應用III: 以Costco 大賣場購買為例
第9章 Hugging Face 平台介紹
9.1 Hugging Face 平台介紹與註冊
9.2 Hugging Face 平台部署方法
9.3 Gradio 介面和APP 開發實戰
9.4 Gemini API 申請與對話機器人實作應用
9.5 GroqAPI 申請與對話機器人實作應用
9.6 Groq 與Elon Musk 的Grok AI 模型介紹
9.7 Hugging Face Agent 課程
第10章 RAG 檢索增強生成說明與應用
10.1 RAG 介紹與企業落地應用
10.2 LangChain API 介紹
10.3 Nvidia Mistral NeMo Minitron 8B 模型介紹
10.4 多模態打造RAG 知識檢索系統
10.5 LM studio 應用
10.6 AnythingLLM 應用
第11章 打造企業內部聊天室與自動化
11.1 內部聊天室設計
11.2 自動化設計
11.3 加入時間的自動化操作
11.4 打造本機端的AI 助手
第12章 TQC 網頁資料擷取與分析證照解題說明
12.1 解題說明
12.2 第一大題五個題組解題分析
12.3 第二大題五個題組解題分析
12.4 第三大題五個題組解題分析
12.5 第四大題五個題組解題分析
12.6 解題總表asnd 第1章 生成式AI 工具介紹
1.1 ChatGPT4.0、Claude AI sonnet3.5 說明與應用
1.2 Google Gemini
1.3 Perplexity 操作與應用
1.4 NotebookLM 介紹
1.5 DeepSeek 說明與操作
1.6 ChatPDF
1.7 AI 助手整合
第2章 Pandas 的基本應用
2.1 文件操作讀寫觀念說明
2.2 多欄位取值、多列位取值
2.3 合併、字串提取、字串合併
2.4 資料框匯總
2.5 快速數據分析
2.6 資料框總表整理
第3章 基礎IDE 環境設定
3.1 Google Colabatory
3.2 Anaconda 安裝: 以Jupyter Notebook 和Spyder 為例
3.3 Pycram 社群版設定
3.4 VScode 擴增套件設定
3.5 Python 開發環境比較
第4章 Python 中爬蟲模組介紹
4.1 Beautifulsoup4 ( 美麗湯) 模組說明
4.2. requests 模組說明
4.3 Requests 模組介紹: 以政府資料開放平台為例(ESG 公開資料集)
4.4 上櫃季報實作與視覺化I
4.5 興櫃季報實作與視覺化II
4.6 金管會RSS 爬蟲資料抓取
第5章 Google Sheet API
5.1 Google Sheet token 申請
5.2 Google sheet 建立與設定
5.3 抓取資料與同步更新應用
5.4 Simple ML 分析
第6章 生成式語意推論介紹
6.1 生成式語意結構推測理論
6.2 生成式AI 互動收斂理論
6.3 網頁結構推論與交互生成收斂理論
6.4 生成式工具生成品質評估
6.5 什麼是Vibe Coding?
6.6 Vibe Coding 的意義與協作
第7章 提示語設計
7.1 提示語設計I 說明
7.2 提示語設計I 應用: 以爬取奇摩新聞、WIKI、鉅亨網、104 人力銀行為例
7.3 提示語設計II 說明
7.4 提示語設計II 應用: 農業部最新法令、酷澎、生活市集商品價格為例
7.5 提示語設計II 應用: 公開資訊觀測站、資通法令為例
7.6 提示語設計III 說明
7.7 提示語設計III 應用: 成大、奇美、台南市立醫院病床數為例
7.8 連續的提示語設計規律: 立法院公報爬取
7.9 爬取圖片的提示語設計: 酷澎線上商城圖片爬取
7.10 通用爬蟲流程設計: 以家樂福為例
第8章 防爬套件與排程自動化
8.1 fake-useragent 和undected-chromedriver 介紹與實戰
8.2 APScheduler 和Schedule 排程介紹
8.3 selenium 照相辨識模組實作應用I: 台南市政府行事曆擷取辨識為例
8.4 selenium 照相辨識模組實作應用II: 電子書翻頁擷取自動化
8.5 selenium 網頁自動化按鈕點擊應用III: 以Costco 大賣場購買為例
第9章 Hugging Face 平台介紹
9.1 Hugging Face 平台介紹與註冊
9.2 Hugging Face 平台部署方法
9.3 Gradio 介面和APP 開發實戰
9.4 Gemini API 申請與對話機器人實作應用
9.5 GroqAPI 申請與對話機器人實作應用
9.6 Groq 與Elon Musk 的Grok AI 模型介紹
9.7 Hugging Face Agent 課程
第10章 RAG 檢索增強生成說明與應用
10.1 RAG 介紹與企業落地應用
10.2 LangChain API 介紹
10.3 Nvidia Mistral NeMo Minitron 8B 模型介紹
10.4 多模態打造RAG 知識檢索系統
10.5 LM studio 應用
10.6 AnythingLLM 應用
第11章 打造企業內部聊天室與自動化
11.1 內部聊天室設計
11.2 自動化設計
11.3 加入時間的自動化操作
11.4 打造本機端的AI 助手
第12章 TQC 網頁資料擷取與分析證照解題說明
12.1 解題說明
12.2 第一大題五個題組解題分析
12.3 第二大題五個題組解題分析
12.4 第三大題五個題組解題分析
12.5 第四大題五個題組解題分析
12.6 解題總表askw 第1章 生成式AI 工具介紹
1.1 ChatGPT4.0、Claude AI sonnet3.5 說明與應用
1.2 Google Gemini
1.3 Perplexity 操作與應用
1.4 NotebookLM 介紹
1.5 DeepSeek 說明與操作
1.6 ChatPDF
1.7 AI 助手整合
第2章 Pandas 的基本應用
2.1 文件操作讀寫觀念說明
2.2 多欄位取值、多列位取值
2.3 合併、字串提取、字串合併
2.4 資料框匯總
2.5 快速數據分析
2.6 資料框總表整理
第3章 基礎IDE 環境設定
3.1 Google Colabatory
3.2 Anaconda 安裝: 以Jupyter Notebook 和Spyder 為例
3.3 Pycram 社群版設定
3.4 VScode 擴增套件設定
3.5 Python 開發環境比較
第4章 Python 中爬蟲模組介紹
4.1 Beautifulsoup4 ( 美麗湯) 模組說明
4.2. requests 模組說明
4.3 Requests 模組介紹: 以政府資料開放平台為例(ESG 公開資料集)
4.4 上櫃季報實作與視覺化I
4.5 興櫃季報實作與視覺化II
4.6 金管會RSS 爬蟲資料抓取
第5章 Google Sheet API
5.1 Google Sheet token 申請
5.2 Google sheet 建立與設定
5.3 抓取資料與同步更新應用
5.4 Simple ML 分析
第6章 生成式語意推論介紹
6.1 生成式語意結構推測理論
6.2 生成式AI 互動收斂理論
6.3 網頁結構推論與交互生成收斂理論
6.4 生成式工具生成品質評估
6.5 什麼是Vibe Coding?
6.6 Vibe Coding 的意義與協作
第7章 提示語設計
7.1 提示語設計I 說明
7.2 提示語設計I 應用: 以爬取奇摩新聞、WIKI、鉅亨網、104 人力銀行為例
7.3 提示語設計II 說明
7.4 提示語設計II 應用: 農業部最新法令、酷澎、生活市集商品價格為例
7.5 提示語設計II 應用: 公開資訊觀測站、資通法令為例
7.6 提示語設計III 說明
7.7 提示語設計III 應用: 成大、奇美、台南市立醫院病床數為例
7.8 連續的提示語設計規律: 立法院公報爬取
7.9 爬取圖片的提示語設計: 酷澎線上商城圖片爬取
7.10 通用爬蟲流程設計: 以家樂福為例
第8章 防爬套件與排程自動化
8.1 fake-useragent 和undected-chromedriver 介紹與實戰
8.2 APScheduler 和Schedule 排程介紹
8.3 selenium 照相辨識模組實作應用I: 台南市政府行事曆擷取辨識為例
8.4 selenium 照相辨識模組實作應用II: 電子書翻頁擷取自動化
8.5 selenium 網頁自動化按鈕點擊應用III: 以Costco 大賣場購買為例
第9章 Hugging Face 平台介紹
9.1 Hugging Face 平台介紹與註冊
9.2 Hugging Face 平台部署方法
9.3 Gradio 介面和APP 開發實戰
9.4 Gemini API 申請與對話機器人實作應用
9.5 GroqAPI 申請與對話機器人實作應用
9.6 Groq 與Elon Musk 的Grok AI 模型介紹
9.7 Hugging Face Agent 課程
第10章 RAG 檢索增強生成說明與應用
10.1 RAG 介紹與企業落地應用
10.2 LangChain API 介紹
10.3 Nvidia Mistral NeMo Minitron 8B 模型介紹
10.4 多模態打造RAG 知識檢索系統
10.5 LM studio 應用
10.6 AnythingLLM 應用
第11章 打造企業內部聊天室與自動化
11.1 內部聊天室設計
11.2 自動化設計
11.3 加入時間的自動化操作
11.4 打造本機端的AI 助手
第12章 TQC 網頁資料擷取與分析證照解題說明
12.1 解題說明
12.2 第一大題五個題組解題分析
12.3 第二大題五個題組解題分析
12.4 第三大題五個題組解題分析
12.5 第四大題五個題組解題分析
12.6 解題總表
1.1 ChatGPT4.0、Claude AI sonnet3.5 說明與應用
1.2 Google Gemini
1.3 Perplexity 操作與應用
1.4 NotebookLM 介紹
1.5 DeepSeek 說明與操作
1.6 ChatPDF
1.7 AI 助手整合
第2章 Pandas 的基本應用
2.1 文件操作讀寫觀念說明
2.2 多欄位取值、多列位取值
2.3 合併、字串提取、字串合併
2.4 資料框匯總
2.5 快速數據分析
2.6 資料框總表整理
第3章 基礎IDE 環境設定
3.1 Google Colabatory
3.2 Anaconda 安裝: 以Jupyter Notebook 和Spyder 為例
3.3 Pycram 社群版設定
3.4 VScode 擴增套件設定
3.5 Python 開發環境比較
第4章 Python 中爬蟲模組介紹
4.1 Beautifulsoup4 ( 美麗湯) 模組說明
4.2. requests 模組說明
4.3 Requests 模組介紹: 以政府資料開放平台為例(ESG 公開資料集)
4.4 上櫃季報實作與視覺化I
4.5 興櫃季報實作與視覺化II
4.6 金管會RSS 爬蟲資料抓取
第5章 Google Sheet API
5.1 Google Sheet token 申請
5.2 Google sheet 建立與設定
5.3 抓取資料與同步更新應用
5.4 Simple ML 分析
第6章 生成式語意推論介紹
6.1 生成式語意結構推測理論
6.2 生成式AI 互動收斂理論
6.3 網頁結構推論與交互生成收斂理論
6.4 生成式工具生成品質評估
6.5 什麼是Vibe Coding?
6.6 Vibe Coding 的意義與協作
第7章 提示語設計
7.1 提示語設計I 說明
7.2 提示語設計I 應用: 以爬取奇摩新聞、WIKI、鉅亨網、104 人力銀行為例
7.3 提示語設計II 說明
7.4 提示語設計II 應用: 農業部最新法令、酷澎、生活市集商品價格為例
7.5 提示語設計II 應用: 公開資訊觀測站、資通法令為例
7.6 提示語設計III 說明
7.7 提示語設計III 應用: 成大、奇美、台南市立醫院病床數為例
7.8 連續的提示語設計規律: 立法院公報爬取
7.9 爬取圖片的提示語設計: 酷澎線上商城圖片爬取
7.10 通用爬蟲流程設計: 以家樂福為例
第8章 防爬套件與排程自動化
8.1 fake-useragent 和undected-chromedriver 介紹與實戰
8.2 APScheduler 和Schedule 排程介紹
8.3 selenium 照相辨識模組實作應用I: 台南市政府行事曆擷取辨識為例
8.4 selenium 照相辨識模組實作應用II: 電子書翻頁擷取自動化
8.5 selenium 網頁自動化按鈕點擊應用III: 以Costco 大賣場購買為例
第9章 Hugging Face 平台介紹
9.1 Hugging Face 平台介紹與註冊
9.2 Hugging Face 平台部署方法
9.3 Gradio 介面和APP 開發實戰
9.4 Gemini API 申請與對話機器人實作應用
9.5 GroqAPI 申請與對話機器人實作應用
9.6 Groq 與Elon Musk 的Grok AI 模型介紹
9.7 Hugging Face Agent 課程
第10章 RAG 檢索增強生成說明與應用
10.1 RAG 介紹與企業落地應用
10.2 LangChain API 介紹
10.3 Nvidia Mistral NeMo Minitron 8B 模型介紹
10.4 多模態打造RAG 知識檢索系統
10.5 LM studio 應用
10.6 AnythingLLM 應用
第11章 打造企業內部聊天室與自動化
11.1 內部聊天室設計
11.2 自動化設計
11.3 加入時間的自動化操作
11.4 打造本機端的AI 助手
第12章 TQC 網頁資料擷取與分析證照解題說明
12.1 解題說明
12.2 第一大題五個題組解題分析
12.3 第二大題五個題組解題分析
12.4 第三大題五個題組解題分析
12.5 第四大題五個題組解題分析
12.6 解題總表asnd 第1章 生成式AI 工具介紹
1.1 ChatGPT4.0、Claude AI sonnet3.5 說明與應用
1.2 Google Gemini
1.3 Perplexity 操作與應用
1.4 NotebookLM 介紹
1.5 DeepSeek 說明與操作
1.6 ChatPDF
1.7 AI 助手整合
第2章 Pandas 的基本應用
2.1 文件操作讀寫觀念說明
2.2 多欄位取值、多列位取值
2.3 合併、字串提取、字串合併
2.4 資料框匯總
2.5 快速數據分析
2.6 資料框總表整理
第3章 基礎IDE 環境設定
3.1 Google Colabatory
3.2 Anaconda 安裝: 以Jupyter Notebook 和Spyder 為例
3.3 Pycram 社群版設定
3.4 VScode 擴增套件設定
3.5 Python 開發環境比較
第4章 Python 中爬蟲模組介紹
4.1 Beautifulsoup4 ( 美麗湯) 模組說明
4.2. requests 模組說明
4.3 Requests 模組介紹: 以政府資料開放平台為例(ESG 公開資料集)
4.4 上櫃季報實作與視覺化I
4.5 興櫃季報實作與視覺化II
4.6 金管會RSS 爬蟲資料抓取
第5章 Google Sheet API
5.1 Google Sheet token 申請
5.2 Google sheet 建立與設定
5.3 抓取資料與同步更新應用
5.4 Simple ML 分析
第6章 生成式語意推論介紹
6.1 生成式語意結構推測理論
6.2 生成式AI 互動收斂理論
6.3 網頁結構推論與交互生成收斂理論
6.4 生成式工具生成品質評估
6.5 什麼是Vibe Coding?
6.6 Vibe Coding 的意義與協作
第7章 提示語設計
7.1 提示語設計I 說明
7.2 提示語設計I 應用: 以爬取奇摩新聞、WIKI、鉅亨網、104 人力銀行為例
7.3 提示語設計II 說明
7.4 提示語設計II 應用: 農業部最新法令、酷澎、生活市集商品價格為例
7.5 提示語設計II 應用: 公開資訊觀測站、資通法令為例
7.6 提示語設計III 說明
7.7 提示語設計III 應用: 成大、奇美、台南市立醫院病床數為例
7.8 連續的提示語設計規律: 立法院公報爬取
7.9 爬取圖片的提示語設計: 酷澎線上商城圖片爬取
7.10 通用爬蟲流程設計: 以家樂福為例
第8章 防爬套件與排程自動化
8.1 fake-useragent 和undected-chromedriver 介紹與實戰
8.2 APScheduler 和Schedule 排程介紹
8.3 selenium 照相辨識模組實作應用I: 台南市政府行事曆擷取辨識為例
8.4 selenium 照相辨識模組實作應用II: 電子書翻頁擷取自動化
8.5 selenium 網頁自動化按鈕點擊應用III: 以Costco 大賣場購買為例
第9章 Hugging Face 平台介紹
9.1 Hugging Face 平台介紹與註冊
9.2 Hugging Face 平台部署方法
9.3 Gradio 介面和APP 開發實戰
9.4 Gemini API 申請與對話機器人實作應用
9.5 GroqAPI 申請與對話機器人實作應用
9.6 Groq 與Elon Musk 的Grok AI 模型介紹
9.7 Hugging Face Agent 課程
第10章 RAG 檢索增強生成說明與應用
10.1 RAG 介紹與企業落地應用
10.2 LangChain API 介紹
10.3 Nvidia Mistral NeMo Minitron 8B 模型介紹
10.4 多模態打造RAG 知識檢索系統
10.5 LM studio 應用
10.6 AnythingLLM 應用
第11章 打造企業內部聊天室與自動化
11.1 內部聊天室設計
11.2 自動化設計
11.3 加入時間的自動化操作
11.4 打造本機端的AI 助手
第12章 TQC 網頁資料擷取與分析證照解題說明
12.1 解題說明
12.2 第一大題五個題組解題分析
12.3 第二大題五個題組解題分析
12.4 第三大題五個題組解題分析
12.5 第四大題五個題組解題分析
12.6 解題總表askw 第1章 生成式AI 工具介紹
1.1 ChatGPT4.0、Claude AI sonnet3.5 說明與應用
1.2 Google Gemini
1.3 Perplexity 操作與應用
1.4 NotebookLM 介紹
1.5 DeepSeek 說明與操作
1.6 ChatPDF
1.7 AI 助手整合
第2章 Pandas 的基本應用
2.1 文件操作讀寫觀念說明
2.2 多欄位取值、多列位取值
2.3 合併、字串提取、字串合併
2.4 資料框匯總
2.5 快速數據分析
2.6 資料框總表整理
第3章 基礎IDE 環境設定
3.1 Google Colabatory
3.2 Anaconda 安裝: 以Jupyter Notebook 和Spyder 為例
3.3 Pycram 社群版設定
3.4 VScode 擴增套件設定
3.5 Python 開發環境比較
第4章 Python 中爬蟲模組介紹
4.1 Beautifulsoup4 ( 美麗湯) 模組說明
4.2. requests 模組說明
4.3 Requests 模組介紹: 以政府資料開放平台為例(ESG 公開資料集)
4.4 上櫃季報實作與視覺化I
4.5 興櫃季報實作與視覺化II
4.6 金管會RSS 爬蟲資料抓取
第5章 Google Sheet API
5.1 Google Sheet token 申請
5.2 Google sheet 建立與設定
5.3 抓取資料與同步更新應用
5.4 Simple ML 分析
第6章 生成式語意推論介紹
6.1 生成式語意結構推測理論
6.2 生成式AI 互動收斂理論
6.3 網頁結構推論與交互生成收斂理論
6.4 生成式工具生成品質評估
6.5 什麼是Vibe Coding?
6.6 Vibe Coding 的意義與協作
第7章 提示語設計
7.1 提示語設計I 說明
7.2 提示語設計I 應用: 以爬取奇摩新聞、WIKI、鉅亨網、104 人力銀行為例
7.3 提示語設計II 說明
7.4 提示語設計II 應用: 農業部最新法令、酷澎、生活市集商品價格為例
7.5 提示語設計II 應用: 公開資訊觀測站、資通法令為例
7.6 提示語設計III 說明
7.7 提示語設計III 應用: 成大、奇美、台南市立醫院病床數為例
7.8 連續的提示語設計規律: 立法院公報爬取
7.9 爬取圖片的提示語設計: 酷澎線上商城圖片爬取
7.10 通用爬蟲流程設計: 以家樂福為例
第8章 防爬套件與排程自動化
8.1 fake-useragent 和undected-chromedriver 介紹與實戰
8.2 APScheduler 和Schedule 排程介紹
8.3 selenium 照相辨識模組實作應用I: 台南市政府行事曆擷取辨識為例
8.4 selenium 照相辨識模組實作應用II: 電子書翻頁擷取自動化
8.5 selenium 網頁自動化按鈕點擊應用III: 以Costco 大賣場購買為例
第9章 Hugging Face 平台介紹
9.1 Hugging Face 平台介紹與註冊
9.2 Hugging Face 平台部署方法
9.3 Gradio 介面和APP 開發實戰
9.4 Gemini API 申請與對話機器人實作應用
9.5 GroqAPI 申請與對話機器人實作應用
9.6 Groq 與Elon Musk 的Grok AI 模型介紹
9.7 Hugging Face Agent 課程
第10章 RAG 檢索增強生成說明與應用
10.1 RAG 介紹與企業落地應用
10.2 LangChain API 介紹
10.3 Nvidia Mistral NeMo Minitron 8B 模型介紹
10.4 多模態打造RAG 知識檢索系統
10.5 LM studio 應用
10.6 AnythingLLM 應用
第11章 打造企業內部聊天室與自動化
11.1 內部聊天室設計
11.2 自動化設計
11.3 加入時間的自動化操作
11.4 打造本機端的AI 助手
第12章 TQC 網頁資料擷取與分析證照解題說明
12.1 解題說明
12.2 第一大題五個題組解題分析
12.3 第二大題五個題組解題分析
12.4 第三大題五個題組解題分析
12.5 第四大題五個題組解題分析
12.6 解題總表
黃朝健
早年投注於觸控IC和觸控模組的研發，從人因的互動設計開始進入科技業；後來赴笈歐陸留學，指導教授為符號計算大師Burno Buchberger教授，同時也受業於Sepp Hochreiter教授的實驗室，後來在Hagenberg SoftwarePark的RISC公司實習，以醫療影像的研究為主，因疫情返回台灣輾轉返台，遂協助大型製造業進行智慧製造的轉型。
學經歷:
￭ 奧地利林茲大學 資訊系碩士畢業
￭ 中華民國內部稽核協會 講師
￭ 經濟部產業發展署AI授課 講師
￭ 天地人文創講堂 講師
￭ 教育部部定 講師
￭ 聯成電腦 講師
￭ 勞動部雲嘉南分署大數據 講師
￭ 台南失業者訓練班 講師
￭ 勞動部產業人才投資方案課程Python、電商行銷、數據科學 講師
￭ 高雄市勞動局產業新尖兵 講師
￭ 台南市伽碩職訓中心講師
￭ AI GO講師生成對抗網路(數發部產業發展署)
￭ AIGO 講師Kaggle 數據平台實戰 (數發部產業發展署)
￭ 台灣產業發展協會ESG 種子師資
￭ 國立政治大學電算中心技術師
￭ 義隆電子研發工程師
￭ 113 年國道智慧交通管理創意競賽優選作品
早年投注於觸控IC和觸控模組的研發，從人因的互動設計開始進入科技業；後來赴笈歐陸留學，指導教授為符號計算大師Burno Buchberger教授，同時也受業於Sepp Hochreiter教授的實驗室，後來在Hagenberg SoftwarePark的RISC公司實習，以醫療影像的研究為主，因疫情返回台灣輾轉返台，遂協助大型製造業進行智慧製造的轉型。
學經歷:
￭ 奧地利林茲大學 資訊系碩士畢業
￭ 中華民國內部稽核協會 講師
￭ 經濟部產業發展署AI授課 講師
￭ 天地人文創講堂 講師
￭ 教育部部定 講師
￭ 聯成電腦 講師
￭ 勞動部雲嘉南分署大數據 講師
￭ 台南失業者訓練班 講師
￭ 勞動部產業人才投資方案課程Python、電商行銷、數據科學 講師
￭ 高雄市勞動局產業新尖兵 講師
￭ 台南市伽碩職訓中心講師
￭ AI GO講師生成對抗網路(數發部產業發展署)
￭ AIGO 講師Kaggle 數據平台實戰 (數發部產業發展署)
￭ 台灣產業發展協會ESG 種子師資
￭ 國立政治大學電算中心技術師
￭ 義隆電子研發工程師
￭ 113 年國道智慧交通管理創意競賽優選作品
Details
Review
0 ratings
1 stars
0%
2 stars
0%
3 stars
0%
4 stars
0%
5 stars
0%
Write a review
Eligible to write reviews after purchasing products or add to Library
