活動花絮：【微型課程】 Vibe Coding：Python × ChatGPT 資料科學入門實作

12
次閱讀

【 實作型 0.2 學分】Vibe Coding：Python × ChatGPT 資料科學入門實作

講者 ：呂卓勲（元智大學工管系助理教授）

時間： 2026/3/25 (三) 17:00-21:00

地點：R5006

撰稿 ：/攝影 ：李詩琳

 

在人工智慧技術飛速發展的今天，寫程式的門檻正在大幅降低。本次課程核心理念在於「Vibe Coding」，這是一種與AI溝通並共同產出程式碼的新型開發模式。呂卓勲老師在課堂上特別強調，現今AI已經具備強大的編碼能力，因此人類的角色必須從基層的編碼者轉型為系統設計師，建議同學應修習系統分析與相關知識。老師語重心長地呼籲，若工作者僅具備寫程式的技術，在未來極易被淘汰，具備競爭力的關鍵在於如何指揮AI代理人為你服務，並在特定專業領域深耕。以老師第一份在醫院擔任工程師的經歷為例，開發自動化系統必須深入了解醫療系統運作邏輯，除了技術開發，更要明白醫師真正的需求與程式背後的目的。

資料科學的本質由數學統計、計算機科學及領域知識這三個核心所組成，缺一不可。其最終目標是從龐雜的資料中挖掘出有意義的價值。呂卓勲老師分享了完整的資料科學操作流程，從最初的問題定義開始，歷經資料收集、清理、分析建模，最後到視覺化與溝通。其中最關鍵的便是第一階段的問題定義，這直接影響了後續資料採集的準確性與最終呈現的視覺化效果。雖然這套流程聽起來艱澀，但老師引導同學理解這其實是日常邏輯的延伸，並帶領大家利用公開的學生表現資料進行實戰演練。

在實作環節中，同學學習了如何透過精確的指令與AI協作。首先是進行資料特徵的初步觀察，利用結構化的指令請求AI將原始資料轉化為可分析的科學問題，明確定義問題陳述、預測或分類方法、特徵變數及潛在風險。接著進入資料稽核階段，要求AI產出敘述性統計、判斷欄位型態並找出異常值或缺失值，進而提供處理策略。隨後，要求AI使用Python實作如t-test或回歸分析等統計檢定，輸出包含p-value在內的具體解釋與可執行程式碼。最後則是由AI協助設計完整的機器學習流水線，從前處理、特徵工程到模型優化，並將繁雜的數據轉化為具備背景、討論與結論的正式報告。

然而，擁有強大的AI工具並不代表可以忽視基礎。老師提醒同學，若要持續進步，必須透過觀察與修改AI給出的答案來理解語法作用，並不斷與AI對話以尋求更好的方案。最重要的是，同學必須花時間掌握基本程式觀念、統計原理與實驗方法，累積小專案經驗，避免盲目接收AI的回饋。結語時，老師再次強調現在寫程式不再需要死背語法，而是一場與AI的合作創作。儘管Vibe Coding暫時無法完全取代傳統開發方法，但善用它能大幅節省開發時間並增加學習效果。只有當你對基礎原理了解得越深，AI才能帶領你進入更高階的研究與應用境界。