IT專才培訓 - 技術與學術兼備
每課均根據完整約 2.5 小時課堂逐字稿整理，展示實際摘要、時間章節及測驗題目。
本課以實作方式介紹 Power BI Desktop 的完整基本工作流程。學員先認識軟件安裝、Report、Data 及 Model 三個檢視，並把 Excel、文字檔等資料載入 Power BI。課堂示範建立長條圖、表格、矩陣、圓形圖、切片器及折線圖，利用欄位、彙總、百分比、排序、篩選、焦點模式、視覺互動及日期階層分析資料。學員亦建立銷售、店舖、員工及供應商資料表，設定多對一關係和單向篩選，組成星形模型，再透過重新整理讓來源資料變更自動反映在報表。後半課深入 Power Query Editor，講解 Applied Steps、資料類型、Promote Headers、Close & Apply，以及文字擷取、大小寫轉換、Column from Examples、Custom Column、數值運算、Conditional Column、收入分級和日期欄位拆解。最後把年月季日及星期名稱帶回報表，從不同視角找出生意表現和趨勢。
說明 Power BI Desktop 可免費下載安裝，並簡介 Power BI Service 帳戶及把報表放上網的用途。
介紹文字檔、資料庫及 Excel 三類常見來源，建立產品、日期及銷售額資料作為第一個練習。
把指定工作表載入 Power BI，分辨 Report View、Data View 和 Model View，並開始建立及格式化視覺效果。
在 Excel 增加店舖及經理資料後重新整理 Power BI，複製視覺並按產品、日期、店舖和經理分析，觀察圖表之間的互動。
進入 Transform Data，認識查詢、窗格、公式列與 Applied Steps，包括 Source、Navigation、Promoted Headers 和 Changed Type。
建立多對一關係，理解單向篩選箭嘴，並透過停用關係觀察報表無法正確按經理篩選的結果。
以逗號分隔文字檔建立供應商資料，再用 SID 連接銷售表，形成以銷售為中心、周邊維度表環繞的星形模型。
載入包含銷售和客戶範圍的 Excel 資料，檢視日期、數量、收入、成本、利潤、地區及行業等分析欄位。
解釋空白欄和 NULL 的問題，示範把資料放到不同工作表，或把每個範圍轉成正式 Excel Table 後再載入。
以 Table visual 檢視收入，調整字體，按地區和產品分拆數據，並把收入顯示為總計百分比或平均值。
把地區、行業及產品加入分析，使用表格排序及 Matrix 的 Rows、Columns 結構建立二維和三維報表，並示範匯出資料。
建立產品收入長條圖、地區收入圓形圖及行業切片器，使用 Ctrl 多選並觀察篩選對其他視覺的影響。
運用 Edit interactions 設定篩選、反白或停止互動，並介紹 Focus mode、Show as a table、Spotlight、排序與移除視覺。
在 Power Query 擷取文字首三個字元、轉為大寫，並以 Column from Examples 和 Custom Column 組合欄位及建立代碼。
從日期建立年、季度、月份、日、月份名稱及星期名稱，Close & Apply 後回到報表比較星期收入，完成整課分析流程。
本課深入探討 Power BI 的資料轉換、星形與雪花模型架構，以及多種視覺化圖表的建置與格式設定。首先透過 Power Query 示範處理 Excel 雜亂資料，包含清除空白列（NULL）、向下填充（Fill Down）、升格標題、取消轉換為資料欄（Unpivot）及透過 Sort by Column 自訂排序。接著解析事實資料表與維度資料表的關係，並指導建立自訂 Date Table 以支援時間智慧分析。後半堂課逐一展示多種視覺效果的應用，包含直條圖、堆疊圖、折線圖、彩帶圖、瀑布圖、散佈圖、漏斗圖、圓餅與甜甜圈圖、樹狀圖，以及地圖與著色地圖的安全性設定和條件格式化，最後示範儀表板、KPI 卡片、矩陣資料橫條及經緯度地圖的實戰操作。
介紹 Power BI Desktop 與 Transform 介面，匯入 Excel 銷售資料，處理空白列（NULL）及向下填充數值。
將資料第一列升格為標題，過濾不必要的加總項目，並將 1 到 12 月份進行 Unpivot 轉為屬性與數值欄位。
修補廠商維度資料表缺少的值，並新增排序專用欄位，利用 Sort by Column 解決分類文字排列順序問題。
說明事實資料表（Fact Table）與維度資料表（Dimension Table）的核心角色扮演，以及星形與雪花架構的設計原則。
建立包含連續日期的 Date Table，於 Power BI 中設定 Mark as Date Table，並擴展年、季、月等時間智慧維度。
演練長條圖、堆疊圖與百分比堆疊圖的切換，深入說明 X/Y 軸、標題、引導線及背景自訂設定。
示範縮放交叉分析篩選器（Zoom Slicer）、資料行顏色變更、資料標籤自訂以及繪圖區套用背景圖片。
建立日期階層（年、季、月、日），操作向下切入（Drill Down），並比較一般區域圖與堆疊區域圖的差異。
運用彩帶圖呈現排名變化，並建立瀑布圖分析年度銷售額增減的構成要素與前幾大重要月份。
利用散佈圖分析銷售額與訂單數量關係，調整形狀大小與顏色，並將月份加入播放軸展示走勢動畫。
說明漏斗圖排序、圓餅圖與甜甜圈圖不宜超過五項的原則，並示範多層級面積分割的樹狀圖。
開啟全域安全性中的地圖功能，設定地區階層向下切入，並於著色地圖使用漸層規則套用色彩。
製作 Gauge 儀表板目標線，運用單行卡片、多行卡片以及搭配年份篩選器切換的 KPI 趨勢分析。
在矩陣中加入資料橫條與背景色條件格式，並匯入房地產經緯度座標資料呈現精準地圖分佈。
本課深入探討 Power BI 中 DAX 公式與進階資料塑模技術。課程首先解析計算欄位（Calculated Column）與量值（Measure）的根本差異，示範透過文字、條件判斷（IF）與日期函數新增欄位，並闡述量值在報表端依據篩選上下文（Filter Context）動態運算的特點。隨後介紹以 CALCULATE 覆寫篩選條件、利用 ALL 函數清除篩選計算整體佔比，以及使用時間智慧函數（如 TOTALYTD、PREVIOUSMONTH、DATEADD）進行跨期比較。接著示範聚合函數與迭代函數（如 SUMX）的運作邏輯。最後進展至多資料表模型建置，深入解析面對預算與銷售不同資料粒度（Granularity）時的關聯搭建、雙向交叉篩選（Cross-filter Direction）的應用，以及欄位分組（Grouping）、資料箱（Binning）與階層（Hierarchy）的報表設計實務。
開啟 Power BI 匯入範例 Excel 活頁簿中的表格，並於模型檢視中確認關聯線。
示範建立計算欄位以計算稅項，並使用單層及嵌套 IF 函數將銷售額分組為高、中、低。
說明量值平常不佔空間、於產出報表時動態運算的特性，並剖析表格格子內的篩選上下文。
利用現有量值互相相除或相減，建立毛利率（Profit Rate）與總成本量值。
介紹使用 CALCULATE 函數加入特定區域或產品條件，覆寫報表面板上的篩選上下文。
示範在 Power Query 擴充年月日欄位，並利用快顯量值建立年初至今（YTD）等時間智慧運算。
透過 DATEADD 函數彈性位移日期表格進行同期銷售比較，並說明量值所屬表格的調整。
使用 ALL 函數清除特定欄位的篩選效果，並結合 DIVIDE 安全除法計算區域銷售百分比。
比較聚合函數與迭代函數（Iterator）的分別，使用 SUMX 逐行計算收益減成本並加總。
從 Access 資料庫匯入 Adventure Works 資料表，並在模型檢視中連接主表與各維度表。
探討銷售與預算資料的粗略度（Granularity）差異，並示範手動輸入建立中間橋樑資料表。
解決預算與銷售跨表無法篩選的問題，將關聯線設定為雙向篩選以流通資料過濾。
示範國家群組分類、數值資料箱分桶，以及建立產品類別至產品名稱的視覺化階層。
本課堂深入介紹 Power Automate Desktop 的基礎與實務自動化操作。課程首先示範軟體安裝、瀏覽器擴充功能啟用及登入設定，隨後講解訊息方塊、變數建立、If-Else 條件判斷與輸入對話方塊等核心概念。接著，導師透過清單（List）與資料表（Data Table）展示資料結構的建立、排序與索引存取，並探討日期時間（DateTime）轉換技巧。後半堂著重於 Excel 自動化整合，示範如何啟動工作表、讀取特定儲存格範圍為 Data Table、使用一般迴圈配合 Loop Index 進行資料比對，以及運用 Switch Case 進行多重成績評級判斷，最後將計算與分類結果寫回 Excel 並完成檔案儲存與關閉，實現完整的自動化流程。
介紹 Power Automate 的雲端版與桌面版差異，示範使用 MSI 安裝程式安裝軟體，並說明為瀏覽器啟用擴充功能以支援網頁自動化。
示範如何使用 Display Message 輸出訊息，並透過 Set Variable 建立變數與利用百分比符號引用變數內容以進行偵錯。
利用 Display Input Dialog 取得使用者輸入的姓名與年齡，並配合 If-Else 條件判斷式輸出相應的成年或青少年訊息。
學習建立清單（New List）與新增資料項目，說明清單從 0 開始的索引機制，並示範 Reverse List 與停用動作等技巧。
建立包含現金數值的清單，示範透過 For Each 迴圈遍歷清單項目，並使用 Increase Variable 累加計算總金額。
建立類似 Excel 二維結構的 Data Table，設定欄位名稱與填入學生資料，示範透過列與欄的雙重索引讀取特定資料。
介紹 Get Current Date Time 取得系統當前日期時間，並示範 Convert Text to DateTime 將文字格式轉換為標準日期時間物件。
示範從 Data Table 中擷取文字格式的出生日期，轉換為 DateTime 格式後再透過 Update Data Table Item 更新回指定儲存格。
學習使用 Launch Excel 啟動空白活頁簿，並利用 Write to Excel 將數值與 SUM 計算公式寫入指定的儲存格位置。
示範開啟現有 Excel 檔案，讀取指定儲存格範圍，並在進階選項中將第一列設定為 Data Table 的欄位標題。
向 Data Table 結尾新增 Result 欄位，並探討如何透過迴圈逐行讀取學生分數以便進行合格判定。
使用標準 Loop 配合 LoopIndex 依序讀取各列分數，透過 If-Else 條件判斷將 Pass 或 Fail 寫入 Data Table 的新欄位。
建立評級流程，讀取 Excel 成績後使用 Switch 與多重 Case 分支判定 Distinction、Credit、Pass 與 Fail 等級別。
將評級後的 Data Table 完整寫回 Excel 工作表對應範圍，寫入欄位標題，最後執行儲存並關閉 Excel。
本課深入探討 Power Automate 雲端版與 Microsoft 365 服務的整合自動化應用。課程首先介紹 OneDrive、Excel 網頁版、SharePoint 清單與 Microsoft Forms 的資料結構與設定要點，示範如何建立即時雲端流程，並運用 Compose 動作與變數進行資料顯示及除錯。隨後教學解析條件式邏輯處理布林值與分支走向，並實作 Do until 迴圈配合計數器進行累加控制。接著講解自動化流程，示範從 Excel 表格逐筆讀取資料寫入 SharePoint 清單、透過 Forms 提交自動收集資料，以及監聽 Outlook 電郵並自動將附件轉存至 OneDrive。後半段重點建構端到端請假審批流程，整合清單狀態變更、審批決策判斷與電郵通知寄送，最後示範流程測試除錯與關閉流程的管理技巧。
介紹 Power Automate 雲端版登入方式，並說明 OneDrive 作為個人雲端硬碟的觀念與資料夾建立步驟。
講解 SharePoint 網站結構，並示範如何建立空白清單、新增文字欄位及直接輸入資料項目。
示範建立手動觸發的即時雲端流程，透過輸入變數與 Compose 資料操作印出測試結果。
示範在流程中加入條件分支與變數賦值，並排查 Yes/No 輸入回傳 True/False 布林值的除錯過程。
說明雲端 Excel 資料必須設定為表格範圍的原則，並設定讀取表格列資料的流程參數。
示範在 Control 控制項中使用 Do until 迴圈，透過變數初始化與累加計數器避免陷入無窮迴圈。
實作當表單提交時自動觸發流程，並透過取得回應詳細資料將表單內容寫入 SharePoint 清單。
設定 Office 365 Outlook 新電郵到達觸發程序，並透過條件判斷式檢查電郵是否包含附件。
示範在流程中建立檔案動作，將收到的電郵附件名稱與內容動態儲存至指定的 OneDrive 資料夾。
建立包含請假起訖日、事由、狀態與審批意見的 SharePoint 清單，作為審批流程的資料後台。
在流程中加入啟動並等待審批動作，並依據審批結果分別更新 SharePoint 項目的狀態與意見。
設計前端請假申請表單，涵蓋申請人姓名、請假日期與原因，為端到端審批流程準備資料來源。
建構由表單提交啟動、寫入清單、經理審批，並於核准或拒絕後自動發送結果電郵給申請人的完整流程。
完成審批結果測試與資料確認，並指導學員在測試後於清單中關閉流程以避免互相干擾。
本課堂深入探討 Power Automate 桌面版（Desktop）的各項自動化功能。首先進行網頁資料擷取（Web Automation Extract Data），以 Yahoo Finance 擷取微軟股價為例，示範透過瀏覽器擴充功能抓取完整 HTML 表格，並解決表頭遺失問題，將資料寫入帶有日期時間名稱的 Excel 工作表中。接著示範 Recorder 錄影功能，錄製計算機與 Excel 的操作流程，並解析 UI Element 元素捕捉的機制。後半部重點展示自動補貨訂單專案，運用子流程（Subflow）、Loop 迴圈、文字轉數字、條件判斷等邏輯，從庫存表篩選低於庫存水平的產品寫入訂單，以自訂日期命名儲存並討論 Outlook 自動寄件。最後介紹將流程動作複製至純文字分享，以及利用檔案與資料夾操作實現自動分類轉移。
介紹課堂目標，開啟 Power Automate Desktop，並前往 Yahoo Finance 瀏覽微軟歷史股價資料。
透過 Extract Data From Web Page 動作及瀏覽器擴充功能，將整個股價 HTML 表格完整擷取。
為了解決擷取表格缺少表頭問題，探討建立 List 與 DataTable 橫向寫入 Excel 的解法。
擷取系統當前日期時間，透過文字替換移除斜線與冒號等工作表命名不支援的非法字元。
在 Excel 中依據清理後的日期名稱新增工作表，設定為使用中並寫入資料，最後儲存關閉。
開啟錄影機（Recorder）功能，示範錄製小算盤乘法計算與捕捉 UI Element 元素。
錄製在 Excel 逐格輸入數值及 SUM 總和公式，並於錄製後手動校正公式與按鍵動作。
分析庫存表（Stock List）與訂單表（Order Form），定義低於補貨標準即自動產單之規則。
將自動化專案拆解為讀取庫存、寫入日期、檢查庫存行、自訂名稱存檔四個 Subflow 並於主流程調用。
取得 Excel 第一個空行與空欄以動態定義範圍，將庫存資料連同表頭完整讀入 DataTable。
使用 Loop 逐行比對庫存數量與補貨水平，並利用 Convert text to number 將文字轉為數值以供條件判斷。
設定起始行變數 Row Count，將符合條件之產品編號、名稱、單價及數量逐格寫入訂單並遞增行數。
格式化當前日期時間為 YYYYMMDD，依此命名另存訂單檔案，並講解 Outlook 自動寄件設定。
示範在 Power Automate 中以 Ctrl+A 全選動作並複製貼上至 Notepad，實現流程的快速共用。
使用 Get files in folder 及 For each 迴圈，檢查檔案名稱是否包含 .jpg 並自動搬移至特定子資料夾。
本課為 Power Apps 畫布應用程式的入門實作教學。課程首先說明透過瀏覽器登入環境並建立手機尺寸的空白畫布，解析 Power Apps 結合 PowerPoint 版面設計與 Excel 公式運算的架構。學員學習插入標籤、按鈕等基本控制項，並深入了解利用 App 的 OnStart 事件初始化全域變數，以及透過按鈕的 OnSelect 事件以 Set 函數更新數值與利用 If 條件式建立切換機制。隨後，課程示範表單資料輸入與重設、藉由布林變數控制物件的可見度，並詳細介紹 Collection（集合）的建立、Collect 與 ClearCollect 的差異，以及使用 Gallery（資源庫）搭配 ThisItem 呈現多筆資料。最後引導實作計數器增減與 Notify 訊息提示功能。
介紹透過瀏覽器登入 office.com，並選擇建立手機尺寸（Phone Size）的空白畫布應用程式（Blank Canvas）。
示範新增文字標籤（Label），介紹公式列的引號規則，以及在右側屬性面板調整對齊方式、字型大小與顏色。
講解在 App 的 OnStart 屬性中使用 Set 函數定義全域變數（字串、數字、布林值），並手動執行 OnStart 查看變數清單。
建立按鈕（Button），在其 OnSelect 屬性中撰寫 Set 語法更新變數值，使畫面上綁定變數的標籤同步反應最新資料。
透過新增布林旗標（Flag）變數與撰寫 If 條件判斷式，製作出單一按鈕切換不同資料狀態的 Toggle 效果。
探討在媒體中上傳圖片後，如何透過變數指定圖片物件名稱，並區分字串與影像資料型態的差異以成功動態換圖。
加入文字輸入框（TextInput）並設定提示文字，透過 Save 按鈕將輸入值寫入變數，並使用 Reset 函數重置輸入框。
說明直接設定控制項 Visible 為 False 的限制，示範透過布林變數配合按鈕動作，達成動態顯示與隱藏文字標籤的功能。
介紹 Power Apps 的資料集合（Collection）結構，示範使用 Collect 與 ClearCollect 建立、重設與新增多筆資料列。
插入垂直資源庫（Gallery），將資料來源連結至指定的 Collection，並調整版面配置與文字大小以展示集合內容。
建立包含姓名輸入框、水平排列的單選按鈕（Radio button）與下拉式功能表（Dropdown）的完整註冊介面。
手動於 Gallery 的第一行範本中加入標籤，運用 ThisItem 參照各欄位資料，使所有資料列自動產生一致的排版。
撰寫 Save 按鈕的 OnSelect 邏輯，擷取單選按鈕與下拉選單的選取值並寫入 Collection，同時執行輸入項目的清除與重設。
使用圖示（Icon）與按鈕進行計數器變數的加減運算，並加入 If 條件式在數值達到標準時觸發 Notify 提示訊息。
本課深入探討 Power Apps 的資料整合與互動應用開發。課程首先示範如何於 App 的 OnStart 事件中運用 ClearCollect 建立本機集合（Collection），並利用 Form 與 Gallery 元件進行資料呈現。隨後，導師帶領學員將資料來源拓展至雲端，包括 OneDrive for Business 內的 Excel 線上試算表以及 SharePoint 清單（SharePoint List），詳細說明如何設定資料連接器、自訂卡片欄位，並比較 EditForm 的檢視與新增模式。課程亦介紹了 SharePoint 一鍵自動生成 Power Apps 的 CRUD 結構，包括瀏覽、詳細資料與編輯畫面。後半堂課則以「學生管理系統」為實作專案，構建具備分頁導覽（Navigate）、多欄位 Gallery、文字搜尋過濾（Filter 搭配 StartsWith）的清單介面。最後重點解析自訂表單的解鎖與控制項替換，透過 Patch 函式將包含自訂選項及下拉選單的資料精確寫入雲端資料來源。
介紹透過無痕視窗登入 Office 雲端平台並啟動 Power Apps，建立手機尺寸空白畫布應用程式。
說明於 OnStart 屬性中運用 ClearCollect 定義初始資料結構與假資料，並執行檢查變數狀態。
在畫面上加入標籤、編輯表單及垂直資源庫，示範如何將 Gallery 資料來源綁定至本機 Collection。
說明建立雲端 Excel 工作簿、輸入欄位標題與紀錄，並強調必須將儲存格範圍轉換為表格格式。
講解新增資料來源流程，透過 Excel Online 連接器存取 OneDrive 上的試算表 Table。
解說 EditForm 的檢視與新增模式切換，並在畫面上配置儲存與清除（ResetForm）按鈕。
詳細剖析 Patch 函式結構，包含資料來源、Defaults 建立新記錄及擷取卡片數值的方法與除錯。
在 SharePoint 網站新增自訂清單，並示範於 Power Apps 中更換資料連接至 SharePoint List。
介紹 SharePoint 內建整合功能自動生成具備完整新增、查詢、編輯及刪除（CRUD）的應用架構。
開啟全新的「學生管理系統」專案，並於雲端 Excel 建立包含多種資料型態的學生成員資料表。
示範在 Gallery 第一列自訂項目範本，調整高度並手動加入姓名、性別、年齡及班別等文字標籤。
拆解過濾公式結構，利用 Filter 搭配 StartsWith 函式實現搜尋方塊即時文字篩選。
建立新學生頁面，設定按鈕 OnSelect 事件使用 Navigate 實現畫面切換，並加入編輯表單。
深入說明進階設定中的卡片解鎖機制，刪除預設輸入框並替換為自訂選項與下拉式清單。
示範如何由自訂控制項的 SelectedText 擷取數值傳入 Patch 寫入資料表，並為本課內容作結。
本課深入探討 Power Apps 與 Power Automate、SharePoint 及 Excel 的整合應用。前半部針對集合無法直接綁定標準表單之限制，示範建立自訂輸入介面，並運用 IsBlank 等函數與自訂變數實施多欄位資料驗證，達成個別錯誤訊息的動態顯示與 Collect 儲存。中段講解利用 Power Apps 呼叫 Power Automate 雲端流程寄發郵件，以及將資料寫入 OneDrive Excel 試算表。後半部實作請假簽核系統，以編輯表單將申請資料送至 SharePoint 清單，並自動觸發審批流程，主管於郵件審核後將結果與回饋即時更新回清單，完成端到端自動化整合。
回顧集合與標準表單連接的限制，並於 App OnStart 中使用 Collect 建立學生集合資料來源。
拉取文字輸入框、下拉式選單及標籤元件，並配置提示字樣與紅色錯誤警示色彩。
配置儲存按鈕，將輸入欄位數值透過 Collect 寫入集合中，並呼叫 Reset 復原各控制項。
運用 IsBlank 函數判斷姓名是否空白，並透過 Notify 彈出除錯訊息確認邏輯分支運作。
針對年齡欄位及性別選單進行多重驗證，並累加 Error Count 變數以控管儲存按鈕之有效性。
將單一錯誤變數拆解為各欄位專屬變數，使錯誤警示標籤能在使用者更正資料後個別即時隱藏。
建立由 Power Apps 觸發的即時雲端流程，配置輸入參數並銜接 Send an email (V2) 動作。
於應用程式中配置主旨、內文與收件者文字框，並透過按鈕以正確參數順序呼叫執行流程。
在 OneDrive 中建立活頁簿，並將學生姓名與分數資料範圍設定為正式表格（Table）以供連接。
於流程中使用 Add a row into a table 動作，將 Power Apps 輸入的分數與姓名寫入試算表。
於 SharePoint 網站建立請假清單，加入申請人、起訖日期、原因、預設 Pending 狀態與審核意見等欄位。
使用編輯表單控制項直接連接 SharePoint 清單，設定新增模式並自訂所需呈現的申請欄位。
設定當清單建立新項目時自動觸發審批動作，依主管核准或否決結果建立條件判斷分支。
手動建立請假申請測試流程，主管於 Outlook 電子郵件中完成審批並填寫反饋意見。
驗證審核決定即時回寫至 SharePoint 清單狀態，回顧跨工具整合實務要點。
本課深入探討 Excel 365 的進階功能與 VBA 自動化應用。前半段從巨集錄製入門，詳細比較絕對參照與相對參照、R1C1 位址表示法，並進一步探討 VBA 模組編寫，示範如何宣告變數、結合 InputBox 與 MsgBox 進行互動，以及運用 If-Else 條件判斷與 For 迴圈自動批次處理資料與成績評級。後半段則聚焦於資料分析工具與自動化整合，涵蓋 RANK 排名函數的絕對鎖定、資料剖析（Text to Columns）與條件格式化的巨集錄製限制；接著引導學員建構多維度樞紐分析表（Pivot Table）與樞紐分析圖，搭配交叉分析篩選器（Slicer）與時間軸（Timeline）完成互動式儀表板（Dashboard），最後說明跨工作表 VLOOKUP 資料比對及報表連線更新技巧，全面提升資料處理與分析效率。
介紹 Excel 365 新功能與 VBA 學習架構，示範如何錄製基礎求和巨集並回放執行。
解析 Excel 內部 R1C1 參照結構與絕對位址邏輯，說明如何依資料列數調整位移計算。
示範手寫 Sub 程序的結構與縮排習慣，透過 Range 物件直接指定儲存格數值與公式。
說明含有巨集的活頁簿必須儲存為 xlsm 格式，並展示活頁簿關閉後巨集的取用限制。
啟用開發人員索引標籤與新增 Module，介紹變數宣告、字串串接符號及 Debug 視窗操作。
介紹 For-Next 迴圈的遞增機制，示範如何結合變數動態將文字與計算結果輸出至儲存格。
示範以 For 迴圈配合 If-ElseIf 語法比對分數區間，批次為多筆學生資料標註及格與成績等級。
說明 RANK 函數的使用與 F4 絕對參照鎖定，並示範設定格式化條件與排序以標示優秀項目。
運用資料剖析工具將全名拆分，並示範將格式化、剖析及排名整合成可回放之巨集。
建立樞紐分析表並彙整銷售金額，示範將數值欄位轉換為總計百分比、差額與平均數。
利用日期群組功能將資料按季度與月份彙總，並建立對應的折線型樞紐分析圖。
新增 Slicer 與時間軸，透過報表連線設定將多個分析表與圖表串連為互動式儀表板。
示範利用 VLOOKUP 進行跨表查詢產業類別，並說明資料範圍擴大時重新整理分析表的方法。
本課深入介紹 Excel 進階商業資料分析與整理工具，內容涵蓋 PowerPivot 資料模型、Power Query 資料轉換以及新一代查詢函數 XLOOKUP。課程首先說明如何啟用 PowerPivot COM 增益集，將多張分散的表格載入資料模型，透過圖表檢視建立一對多的關聯線，徹底取代傳統跨表 VLOOKUP 的繁複公式。隨後詳細比較計算欄位與度量值（Measure）的機制差異，說明度量值純屬運算公式而不額外佔用檔案空間的優勢，並示範利用 CALCULATE 函數進行條件篩選與跨部門差異分析，同時演練整合外部 CSV 文字檔建構星狀模型與切片器連線。後半段重點介紹 Power Query 編輯器，展示無須公式即可進行字元擷取、依範例新增資料行與條件欄位的強大轉換功能及重新整理機制。最後全方位教學 XLOOKUP 函數，透過實務案例示範精確查找、防錯處理、跨工作表參照以及利用 -1 與 1 參數進行等級與階梯佣金的近似比對。
介紹 PowerPivot 核心概念，示範如何在 Excel 選項中啟用 COM 增益集，並備份練習檔案作為獨立資料版本。
將銷售與客戶資料表匯入資料模型並建立關聯線，進而從資料模型直接產生跨表格整合分析的樞紐分析表與圖表。
說明 PowerPivot 計算欄位以資料表與欄位名稱為基準的運算語法，並探討計算欄位佔用實體空間與更新特點。
比較直接拖曳欄位產生的隱式度量值與使用者自訂明確度量值，強調明確度量值不佔用實體儲存空間且具備動態運算優勢。
使用 CALCULATE 函數針對特定部門設定篩選條件，並透過度量值相減建立能隨報表篩選動態呈現的差額分析。
透過逐步增加銷售日期與產品紀錄，示範當工作表原始資料新增時，如何透過重新整理讓資料模型與樞紐報表同步更新。
示範正規化資料庫概念，將員工資料獨立成表並以員工編號建立關聯，構成中間為事實表、周圍為維度表的星狀模型（Star Schema）。
解說如何利用「取得外部資料」功能，將逗號分隔的外部 TXT/CSV 供應商資料直接匯入 PowerPivot 模型並串接銷售紀錄。
在儀表板中建立多個切片器，並透過「報表連線」功能將切片器串聯至多張樞紐分析表，達成聯動篩選效果。
介紹 Power Query 工具介面，示範從工作表載入資料建立連線查詢，並說明查詢設定中的步驟紀錄歷程。
示範在無須撰寫公式的情況下，運用字元擷取、依範例新增資料行合併代碼，以及使用條件資料行進行高低業績分級。
測試大幅擴增原始銷售筆數與刪減分類項目，示範透過重新整理查詢連線將最新轉換資料快速載入 Excel 與報表。
介紹 XLOOKUP 函數的核心參數結構，示範如何以單一函數取代傳統查詢，並利用第 4 個參數直接設定找不到資料時的回傳值。
深入剖析比對模式參數 -1（完全相符或下一個較小項目）與 1（完全相符或下一個較大項目）在成績評級與佣金試算上的應用。
示範 XLOOKUP 突破方向限制由右向左查詢、跨不同工作表對照擷取資料，並以 F4 鎖定儲存格位址進行批量複製。
本課深入講解現代 Excel 的核心進階技巧，從動態陣列公式（Dynamic Array）的概念、淺出（Spill）特性及常數語法展開，說明如何免除地址鎖定並提升運算效率。隨後涵蓋 SORT、SORTBY、FILTER、UNIQUE、TEXTSPLIT、TEXTJOIN 等新一代函數與 LET 運算。視覺化部分示範了瀑布圖、直方圖、旭日圖與 3D 地圖場景影片的製作。後半堂重點切入 Power Pivot 商業智慧分析，示範關聯建立、SUMX 等 DAX 度量值撰寫、KPI 狀態燈號配置，以及建立連續 Date Table 實現 YTD 與 QTD 時間智慧累計。最後透過 VBA 巨集錄製除錯與編寫 End(xlUp) 動態抓取最後一列，實現自動化彈性加總報表。
介紹 Excel 新一代動態陣列（Array）常數語法、逗號與分號代表的方向、淺出（Spill）機制及常見的溢出錯誤。
透過陣列公式一步到位處理整批比對，比較傳統 F4 鎖定地址與動態陣列公式在維護上的差別。
示範 SUMPRODUCT 乘積和簡化運算，以及 XLOOKUP 利用 -1 進行由下而上反向搜尋與萬用字元比對。
探討 SORT 依欄位編號排序、SORTBY 依陣列參照排序的語法差異，並示範 FILTER 配合儲存格動態過濾資料。
介紹 UNIQUE 不重複值提取、TEXTSPLIT 與 TEXTJOIN 文字切割合併，以及利用 LET 函數替運算定義語意化變數。
介紹以瀑布圖（Waterfall）展現盈虧累積走向，並透過直方圖（Histogram）與柏拉圖設定分組組距及觀察數據分佈。
示範 Box & Whisker 圖呈現中位數及四分位距，並利用旭日圖（Sunburst）與樹狀圖（Treemap）表現多層次分類比例。
透過 3D Map 建立地理標記與過場影片，並將不同工作表資料表匯入 Power Pivot 的 Data Model。
在 Diagram View 中建立關聯線，利用 SUMX 逐列計算收入與成本差額以得出總利潤與利潤率度量值。
設定目標數值與紅黃綠 KPI 燈號監控業績，並手動生成連續日期表格以作為時間智慧計算基礎。
在 DAX 中使用 TOTALYTD 與 TOTALQTD 建立累計度量值，並在樞紐分析表中展示每月及累積銷售數據。
分析巨集錄製加總時儲存格硬編碼導致的錯誤，透過 F8 逐步執行並啟用相對參照進行位移優化。
使用 End(xlUp) 動態偵測資料表最後一列列號，搭配 R1C1 相對參照以極簡程式碼完成跨工作表自動加總。
本課為機器學習的入門課程，首先介紹機器學習與一般資料分析的差異，著重於如何透過演算法從資料中學習規則並建立預測模型，同時示範在本地環境安裝 Python、Jupyter Notebook 以及 Scikit-Learn、Pandas、Matplotlib 等關鍵套件。隨後課程深入探討資料預處理（Preprocessing）流程，涵蓋使用 Pandas 與 Scikit-Learn 的 SimpleImputer 處理缺失值（填補平均數或眾數），並利用常態分佈標準差及四分位距（IQR）方法透過箱形圖精準識別與過濾離群值。最後講解類別特徵編碼技術，包括 LabelEncoder、OrdinalEncoder 及 One-Hot Encoder，並透過 MinMaxScaler 進行特徵縮放以平衡數值範圍，為後續模型訓練奠定穩固基礎。
介紹機器學習的核心概念，說明其與傳統資料分析的相異之處，並指導學員自官網下載及安裝 Python 3.13 並設定 PATH 環境變數。
使用 pip 安裝 Notebook、Pandas、Matplotlib、Seaborn、Openpyxl 與 Scikit-Learn 等機器學習必備套件。
以垃圾郵件過濾為例說明演算法如何從數據中挖掘規則，並闡述資料預處理、選擇演算法、模型訓練及評估等四大核心階段。
在命令提示字元中啟動 Jupyter Notebook，並匯入 Pandas 與 Matplotlib 套件，建立學生成績 Excel 測試資料集。
介紹資料表中缺失值（NaN）的概念，使用 isnull() 檢查缺失數據，並探討刪除列、填補平均數或中位數等不同處理策略。
運用 Scikit-Learn 的 SimpleImputer 工具，以平均數或眾數標準化流程對數值與類別缺失欄位進行擬合（fit）與轉換（transform）。
說明離群值（Outlier）對模型訓練精確度的負面影響，並介紹常態分佈（Bell Curve）鐘形曲線與標準差的統計原理。
示範如何利用 plt.hist 繪製成績分佈直方圖，並使用 plt.subplot 在同一圖表中呈現多個欄位分佈情況。
利用箱形圖展示數據的中位數、第一四分位數（Q1）、第三四分位數（Q3），並透過圖形直觀識別極端偏離的數據點。
計算欄位平均數加減三個標準差作為上下邊界，嘗試藉此定義並過濾超出正常範圍的極端離群值。
計算第一四分位數（Q1）與第三四分位數（Q3）的四分位距（IQR），設定上下限閥值精確過濾出如異常低分的離群樣本。
說明模型無法直接接收文字資料的原因，並使用 LabelEncoder 與 OrdinalEncoder 將文字特徵轉換為整數數值標籤。
實作 One-Hot Encoder 將非順序類別特徵轉換為二元獨立欄位，並將生成的特徵與原始 DataFrame 進行合併。
使用 MinMaxScaler 將數值特徵縮放至 0 到 1 區間以避免尺度過大主導訓練，並預告下一節將使用公開資料集訓練決策樹模型。
本課重點講授機器學習中的監督式學習（Supervised Learning）與決策樹分類（Decision Tree Classifier）。課程首先介紹如何使用 scikit-learn 載入內建的鳶尾花（Iris）數據集，並利用 Excel 深入拆解特徵（Features）與目標標籤（Target）的資料結構。接著詳細示範利用 train_test_split 將數據按 8:2 比例分割為訓練集與測試集，並建立、訓練決策樹模型，再透過 matplotlib 繪製決策樹架構。隨後導師深入講解決策樹以吉尼不純度（Gini Impurity）為基準尋找最佳分割點的底層數學原理。在模型評估方面，課程剖析混淆矩陣（Confusion Matrix）的結構，闡明 True Positive、True Negative、False Positive 及 False Negative 的意涵，並計算準確率、精確率及召回率。最後學員將整套流程遷移至葡萄酒（Wine）數據集進行實戰訓練與評估。
回顧機器學習基本概念，並在命令提示字元中啟動 Jupyter Notebook 建立第二課檔案。
介紹 scikit-learn 內建的 Iris 數據集及其四個特徵與三個花種分類標籤。
檢視 iris.data、iris.target 與特徵名稱，並複製至 Excel 示範資料分割與結構對應。
說明機器學習第一步需將特徵欄位（X）與目標欄位（y）進行垂直切分。
使用 train_test_split 將數據隨機按八成訓練、兩成測試的比例切分為四個子集。
探討監督式學習的定義，並區分數值預測（回歸）與標籤預測（分類）的差異。
建立決策樹分類器實例，設定 random_state，並呼叫 fit 方法對訓練集進行訓練。
利用 plot_tree 繪製決策樹分支圖，並說明如何讀取判斷規則與節點條件。
利用 model.predict 對測試集特徵進行預測，並將預測結果與真實標籤比對。
從 sklearn.metrics 引入評估指標，並說明多分類問題需設定 average='weighted'。
透過 ConfusionMatrixDisplay 繪製圖形化混淆矩陣，清楚檢視分類命中與失誤。
以食物安全性範例手動演練排序、平均中位數分割，並詳細計算吉尼不純度（Gini Impurity）。
以驗孕情境為例，詳細拆解 TP、TN、FP、FN 的定義及其在評估錯誤時的取捨。
將完整決策樹訓練與評估程式碼遷移至 Wine 數據集進行訓練、繪圖與成效檢驗。
總結本日模型建立要點，預告下一課將探討回歸分析、Streamlit 部署與大型語言模型概念。
本課重點介紹 Python 數據分析與機器學習的核心技術。課程首先深入探討 NumPy 的多維陣列（N-dimensional Array）操作，涵蓋多層陣列索引、維度屬性（ndim 與 shape）、形狀重塑（reshape）、序列生成（linspace 與 arange），以及利用 random 模組生成隨機數與依機率分佈抽樣（choice），並示範了陣列的廣播機制（broadcasting）與統計運算。接著，課堂介紹資料視覺化庫 Seaborn，說明如何載入內建資料集、設定圖表風格、調色板（color palette）以及運用 relplot 搭配 hue 和 col 參數呈現多維度資訊。最後，課程進行線性迴歸（Linear Regression）的實戰專案，逐步示範載入資料、檢查無效負數與缺失值、利用 SimpleImputer 填補缺失值、LabelEncoder 編碼、StandardScaler 特徵縮放，進而計算相關性矩陣（correlation matrix），分割訓練與測試集，建立線性迴歸模型並利用均方誤差（MSE）與 R2 分數評估模型成效。
介紹 NumPy 陣列基礎，並示範二維與三維陣列的多層索引與切片操作。
示範如何檢視陣列 shape 屬性，並使用 reshape 改變陣列形狀。
探討 linspace 與 arange 生成等距數列，並使用 random.randint 與 choice 抽樣。
解說 max、mean、median 等統計功能，以及廣播機制在陣列算術運算中的應用。
介紹 Seaborn 庫的安裝與匯入，並示範載入 Iris 與 Tips 等內建資料集。
說明如何使用 set_style 與 despine 調整圖表邊框，並透過字典修改背景顏色。
介紹如何查看及設定 Seaborn 的色板，並利用 palplot 檢視色彩分佈。
示範使用 relplot 繪製散佈圖，並透過 hue 與 col 參數展示額外維度。
讀取 reviews.csv 檔案，利用 head、shape 與 isnull 檢查資料集結構與缺失值。
過濾價格與更新天數為負數的無效資料，並使用 SimpleImputer 以平均值填補缺漏。
使用 LabelEncoder 將文字類別轉換為數值，再以 StandardScaler 進行資料標準化。
計算資料特徵之間的相關係數（corr），分析各變數對目標評級的影響權重。
利用 train_test_split 將特徵與標籤拆分為訓練集與測試集（80/20 比例）。
訓練 LinearRegression 模型，印出係數與截距，並以均方誤差及 R2 分數評估成效。
本堂課主要介紹如何運用 Python 進行網絡數據交互，以及利用 Streamlit 構建與部署機器學習應用的完整流程。課程前半段首先講解 REST 架構與 HTTP 請求動詞（GET、POST、PUT、DELETE），並透過 requests 套件實作 JSONPlaceholder 測試 API，示範將 JSON 數據轉換為 Pandas DataFrame；接著實測香港金融管理局（HKMA）及香港政府 OpenAPI 獲取學校地理位置等真實數據。後半段則介紹開源前端框架 Streamlit，說明文字顯示、表單輸入、圖表繪製等基礎元件。最後以鳶尾花（Iris）數據集為例，示範使用 Random Forest 訓練分類模型、以 Pickle 匯出與載入模型二進制檔案，並在 Streamlit 前端收集使用者特徵數據完成即時預測，最後簡述課程作業及項目要求。
回顧機器學習與 NumPy 基礎，並介紹如何透過 Web API 與 REST 架構在客戶端與伺服器之間進行資料傳輸。
講解 GET、POST、PUT、PATCH、DELETE 等請求動詞的用途，以及 200、300、400、500 等狀態碼的含義。
安裝 requests 套件，並調用 JSONPlaceholder 測試 API 獲取待辦清單資料並將其轉為 Pandas DataFrame。
示範向 JSONPlaceholder 發送 POST 請求，傳遞 JSON 物件並成功接收 201 狀態碼新增記錄。
示範針對特定 ID 的記錄發送 PUT 請求進行修改，以及透過 DELETE 請求刪除記錄的流程。
示範搜尋並連接金管局開放 API，獲取每日金融市場數據並解析成 DataFrame。
使用經緯度等參數調用政府開放數據 API，搜尋特定座標附近的學校並處理嵌套結果。
介紹網頁爬蟲工具 Beautiful Soup 的用途，並引出機器學習應用前端部署框架 Streamlit。
說明如何在環境中安裝 Streamlit，並在 VS Code 中創建獨立的 Python 檔案進行執行。
介紹 title、header、subheader、text_input、button 等 UI 元件，以及 line_chart 和 bar_chart 等圖表功能。
加載 Iris 數據集，拆分訓練集與測試集，訓練隨機森林分類器並計算模型準確率。
介紹如何使用 Pickle 套件以二進制寫入模式（wb）將訓練好的模型保存為 .pkl 檔案。
在獨立的 Python 檔案中建立輸入表單，收集萼片與花瓣長寬共四項特徵數據。
使用 pickle.load 載入模型，將用戶輸入轉換為 NumPy 二維陣列並進行預測，輸出花卉品種。
說明機器學習相關作業與項目的要求、評分標準及參考範例，並提醒提交期限。
本課為機器學習補充課程，涵蓋三大核心主題。首先深入探討非監督式學習的 K-means 分群演算法，透過手動計算歐氏距離及使用 Scikit-Learn 與 NumPy 進行多群集擬合與散佈圖視覺化。接著介紹利用 Streamlit 快速將機器學習模型包裝為互動式網頁應用，並示範透過 Git 與 GitHub 將程式碼推送並部署至 Streamlit 社群雲端，同時結合 Pickle 將訓練好的鳶尾花隨機森林模型導入網頁以進行動態預測。最後進入大語言模型領域，剖析 Transformer 架構、Self-Attention 機制及編碼器與解碼器差異，並實作於本機端使用 Ollama 下載 Gemma、LLaVA 等模型進行問答與影像辨識，再藉由 LangChain 框架進行文本分塊、向量嵌入與 Chroma 向量資料庫檢索，實現本地私有文件的檢索增強生成問答系統。
介紹本堂補充課程的重點目標，包括非監督式學習的 K-means 分群、Streamlit 網頁部署以及本地端大語言模型（LLM）的應用。
透過 Excel 人手示範座標點與隨機中心點的距離計算，說明歐氏距離公式的運算邏輯與群組分配流程。
在 Jupyter Notebook 中利用 sklearn.cluster 模組匯入 KMeans，對資料集進行擬合並輸出分群中心點與標籤。
介紹使用 numpy.random.randint 快速生成多維隨機點，並透過 Matplotlib 散佈圖及色彩映射展示分群結果與中心點。
示範如何安裝 Streamlit、使用 VS Code 編寫簡單的 Python 網頁腳本，並透過命令提示字元啟動本地 Web 伺服器。
說明將 Streamlit 應用發布至 Streamlit Community Cloud 的流程，並介紹版本控制工具 Git 與遠端 GitHub 帳號的設定。
示範在 GitHub 建立 Repository，並在本地終端機執行 git init、git add、git commit 及 git push 將程式碼上傳。
將 GitHub 上的專案連結至 Streamlit Cloud，成功部署具有獨立專屬網址的線上互動式網頁應用。
使用 RandomForestClassifier 訓練鳶尾花分類模型，並利用 pickle 模組將模型序列化儲存為二進位檔案以供重用。
解說自然語言處理革命性的 Transformer 模型、Self-Attention 機制，以及純編碼器、純解碼器與編解碼器模型的差異。
介紹 Ollama 平台的安裝與配置，讓使用者無需連網即可在本地電腦下載與運行各種開放原始碼大語言模型。
透過終端機向本地 Gemma 2B 模型提問，並利用多模態模型 LLaVA 對傳入的圖像進行場景與物件識別分析。
介紹 LangChain 的兩階段工作流，示範載入文字檔與 PDF 文件，並使用 Text Splitter 將文章切割為多個文字區塊（Chunks）。
將文本轉換為向量嵌入（Vector Embedding）並存入 Chroma 資料庫，最後執行相似度檢索並結合大語言模型生成精準回答。
試學影片用作示範學習體驗，內容未必與本課程相同
Copyright © 2025 Unisoft Education Centre. All Rights Reserved
