Streamlit x ChatGPT 快速打造資料分析網頁

0 seconds of 2 minutes, 40 secondsVolume 0%

00:00

02:40

Streamlit x ChatGPT 快速打造資料分析網頁

本課程會帶領學員從商業實務、設計思維、Python 實作教學來認識並瞭解如何用 Streamlit 撰寫並部署資料科學網頁 App。在課程結束後，學員會完成 2 個資料分析的 App 作品。初探學術實驗與商務實戰的橋樑：Streamlit 用 Streamlit 輕鬆分享生產水準的資料分析 App

Hahow AI 學習升級

41.5 k 的人也在觀看

4.6

(9)

關於課程

課程包含

包含 9 章 51 單元、2 項作業

課程時長

5 時 42 分鐘

課程總人數

244 位同學

觀看限制

不限觀看次數，還會附贈完課證書

學習升級

Hahow AI 學習助教

無需額外付費

即時問答、重點整理、測驗理解，讓知識派上用場

課程內容

痛點提問聚焦於時代與環境變化無常、資訊流動速度越來越快的情境，思考未來資料分析的速度能否跟得上變化。

資料科學技術及應用不斷創新，使用者與企業面臨資料視覺化、儀表板客製化、分析結果系統化呈現及低程式碼開發等需求，並關注如何將 Streamlit 串接至 ChatGPT 的 API，快速打造高品質視覺化成果。

儘管市面上已有許多 BI 工具能快速製作漂亮的視覺儀表板，但缺乏程式開發的客製化分析，使這些儀表板用途有所限制；另一方面，現今一些 Python 的網頁建構框架，雖然可以部署較複雜的機器學習 AI 模型以及高客製化的視覺化繪圖，然而其要求較高的程式碼能力，且開發時間與成本高、學習曲線陡峭（如下圖 1 ）。

那麼，有沒有什麼資料分析工具能弭平前述兩項痛點，同時滿足「開發簡單」以及具備「串接機器學習 AI 運算」的需求呢？此外，近期 ChatGPT 的浪潮下，又該如何將其串接 ChatGPT，進而產出高品質的視覺儀表板呢？

本課程將為您介紹全方位 Python 低程式碼開發工具- Streamlit，用最簡單易上手的方式．快速打造數據分析 Web App。

市場比較圖以「開發簡易度」為橫軸、「商業視覺化能力」為縱軸，對照常見網頁建構框架、Streamlit 與知名 BI 工具；Streamlit 位於兩者之間，兼具開發便利性與視覺化能力。

▲圖 1. 資料視覺化工具定位圖

此外，有別於單純使用 Streamlit，本課程也將串接 ChatGPT 和 Streamlit 框架！此三大優勢包括：

開發 AI 程式更彈性：Streamlit 框架具有快速建構和部署應用程式的強大功能，通過串接 ChatGPT，我們可以根據自己的需求客製化開發 ChatGPT 的應用程式。
更高效產出文字生成內容：我們可善用 Streamlit 的圖形用戶界面（GUI），事先在 Streamlit 程式碼中定義要提供給 ChatGPT 的提示（Prompt）字詞，讓使用者不用在一直重複輸入相關的提示來產出 AI 文字內容，只要下關鍵字與點擊的方式，即可給出預想的文字生成內容！
自動化與改善用戶體驗：善用所蒐集到的資料自動化串接 ChatGPT 與 Streamlit，自動化產出顧客體驗回覆。例如：可善用 Python 爬蟲外部顧客輿情資料來自動化串接 ChatGPT，並在 Streamlit 中自動產出用戶體驗的文案回覆，讓使用者可以快速確認回覆訊息，加速回饋使用者的效率、準確度與速度。

綜上所述，串接 ChatGPT 和 Streamlit 框架可以快速提升應用程式的開發速度、提高效率、自動化、改善用戶體驗等。

「Low-code / No-code 的大數據時代先驅：Streamlit！」標題搭配 Streamlit 標誌、Python 圖示與資料儀表板圖表，呈現低程式碼資料應用主題。

Star History 比較 GitHub Stars 成長：plotly/dash 自 2015 年起穩定上升至約 18,000 顆，streamlit/streamlit 於 2019 年後快速增長至約 22,000 顆，gradio-app/gradio 則升至約 12,000 顆。

▲圖 2. 開發儀表板 / 資料分析 Web App 工具比較圖

Streamlit 的知名度在 GitHub 垂直竄升（如圖 2 ），超越同為能簡易開發儀表板 / 資料分析 Web App 的工具- Plotly 原生的 Dash 套件，以及專門快速部署機器學習模型的 Gradio （圖表及文字來源：star-history.com）。

美國有超過 50% 的 Fortune 50 企業都在使用 Streamlit，本課程將帶領同學們成為國內的「low-code」資料分析先驅。

瀏覽器畫面開啟 Streamlit 網頁應用程式，分頁標題為「Blog_post · Streamlit」，頁面主標題顯示「什麼是 Streamlit？」並可見右上角選單圖示。

▲圖 3. Streamlit 網頁圖

Streamlit 是一個能用 Python 程式語言簡單製作、快速分享資料分析的 Open-Source 框架。其應用範圍非常寬廣，從機器學習模型部署到客製化的視覺化儀表板，甚至能應用在軟體設計的原型 Demo。

我們可以將各種常見透過 Streamlit 開發的 Web App 歸納成兩大類別：

AI 模型部署
視覺化儀表板

本課程將會帶領學員實戰演練上述兩大類別的 Web App！讓您無需在 HTML、CSS 和Javascript 中摸爬滾打，透過短短幾行 Python 程式碼便能打造專屬您的資料科學 Web App！

畫面展示以 Python 與 Streamlit 製作的「生物學案例－鳶尾花預測」App，使用 IRIS.csv 上傳資料，根據鳶尾花特徵預測品種，左側同步可見 Spyder 程式碼與介面成果。

▲圖 4. Streamlit 機器模型儀表板 Demo

主標語「從實戰中學習理論，從理論中看見價值」，搭配 Streamlit 標誌、Python 圖示與資料儀表板介面插圖，呈現實作與理論並重的學習主題。

課程五大學習重點包括：快速上手 Streamlit 的應用工具懶人包、透過應用實作案例「做中學，學中做」、使用者為本的基礎設計思維、串接 ChatGPT 與 Streamlit 助您提高生產力，以及 App 部署與維護比您想像中簡單。

▲圖 5. 課程特色

本門課程是臺灣第一門教授 Streamlit 框架的線上課程。透過製作 Streamlit 的工具包與產業案例實作來學習使用這項 Python 低程式碼開發網頁工具。同時也透過基礎的設計思考，幫助學員從使用者的角度設計製作 Web App。最後將告訴學員如何串接 ChatGPT，快速實現以人工智慧助您高效生產的效果（如上圖 5 ）。

能快速上手 Streamlit 的應用工具懶人包

我們將一步一步帶您製作 Streamlit 應用工具懶人包（如圖 6 ）。從 9 大常見網頁功能，例如：視覺化、互動式工具，及基礎的顯示文字，讓您循序漸進認識 Streamlit。同時，工具懶人包也能作為您未來開發資料科學 APP 時的得力助手。

Streamlit 功能小抄介面截圖，左側列出啟動 Streamlit 網頁介面的指令與常用基礎功能，主畫面以選單整理文字輸入、選單工具、文字樣式、檔案上傳與下載等主題。

▲圖 6. Streamlit 應用工具懶人包 Demo

透過應用實作案例「做中學，學中做」

本課程也透過多種實戰案例（如圖 7 ），帶您一起進行案例實作，幫助您快速學會 Streamlit 的基本功。

「生物學案例－鳶尾花預測」Streamlit App 製作畫面，分析目標是從萼片與花瓣的長寬度預測花種，並提供 IRIS.csv 上傳區與鳶尾花照片。

▲圖 7. Streamlit 實戰案例 Demo

使用者為本的基礎設計思維

除了實戰以外，本課程也會帶大家建立基礎的設計思維，讓大家做出滿足使用者體驗的 Web App，讓使用者一目了然，能讓使用者一目了然且快速上手。最後，也會帶大家避開 Web App 設計常見的三大陷阱（如圖 8 ）。

設計 App 的三個迷失焦點：過度追求美觀而忽略功能與易用性、納入所有功能造成使用者失焦，以及過度追求完美；建議先完成 80%，再優化 20%，按時間限制安排優先順序。

▲圖 8. 設計 Web App 的三大陷阱

ChatGPT x Streamlit 實際商務案例，助您提高生產力

本課程將使用約 40 ~ 50% 的課程篇幅，以 Streamlit 串接 ChatGPT ，協助學員手把手將應用部署至雲端。最後透過訪談行銷資料科學領域的執行長與 IT 部門主管，分享落地業界應用案例，讓您快速了解 Streamlit 相關的實際商務場景，例如：行銷文案發想、智慧圖文產生與顧客流失預警分析系統等等。不但擁有文字處理與客製化 AI機器人的能力，更提供 Streamlit 快速開發並展示應用程式的功能，最終達成快速製出有趣的資料科學雲端應用之效果，例如：競品分析與文案生成神器（如下圖 9 ）。

同時，更透過 IT 部門主管的實戰分享，帶大家了解大量資料的內部處理技術與實際對顧客溝通之技巧。分享如何將系統開發結合ChatGPT及stremlit的功能，以大幅降低開發時間(提昇30%以上的開發效率)。本課程透過此章節，輔以訪談方式將實際應用於課程中和大家分享。

「文案生成」介面以「機器人」、「人類」、「愛情」為主題產生社群文章，結果探討機器人與人類之間的愛情、情感體驗，以及彼此提供支持的可能性。

競品分析頁面比較 Apple iPhone 手機、Samsung 與 HTC 手機，按下「開始分析」後顯示 Apple iPhone 手機的分析結果，包括價格從649美元起，以及 A13 Bionic 晶片資訊。

▲圖 9. Streamlit X ChatGPT 應用

App 部署與維護比你想像中的簡單

最後，我們將會學到如何部署我們前面製作的互動儀表板到網頁上（如圖 10 ），邀請您的使用者觀看 Web App 最後的成品。

Streamlit 工作區的 Your apps 頁面目前沒有可顯示的應用程式，中央提示「No apps to show in this workspace」及「Deploy one now」，右上角提供 New app、Analytics 與 Settings。

▲圖 10. 部署資料分析儀表板 Demo

主標題「我適合學Streamlit嗎？」搭配 Python 標誌與資料儀表板、長條圖介面插圖，呈現以 Streamlit 開發資料應用的主題。

資料分析，毫無疑問是 AI 大數據時代的必備技能。

無論您是已經從事相關領域數年的資料分析人員，還是才剛開始接觸 Python 的商業人士，都很適合加入這堂課，學會使用 Streamlit - 目前能最快展示您資料分析成果與 AI 模型的工具。

「如果您是⋯」列出六類學習者：有 Python 初學基礎者、資料科學家分析師、Machine Learning 工程師、研究生、Data Driven 思維的行銷人，以及使用 ChatGPT 延伸應用的開發者。

▲圖 11. 適合上這門課的人

如果您是（如上圖 11 ）：

👉 有 Python 基礎者：從成果展示直接認識資料科學，拓展自己的視野，並將本課程提供的資料科學 Web App 作品集納入自己的口袋，提升職場競爭力。

👉 Data Driven 思維的行銷人 / 經理：透過本門課程，您不僅能學會一套挖掘資料價值的工具，還能帶走一套促進數位轉型的思維。

👉 資料科學家 / 分析師：拓展自己的能力範圍，快速 Demo 任何自己引以為傲的資料科學專案，讓您的客戶、主管刮目相看！

👉 使用 ChatGPT 延伸應用的開發者：學習如何在操作 Streamlit 的同時，進一步使用 ChatGPT 進行自然語言處理和對話式應用的開發，提升您的應用程式智能化和人性化體驗。

想認識資料科學嗎？沒有比學會展示資料分析成果更快的方式了，您還在等什麼呢？

「課程單元介紹」標題橫幅，搭配 Streamlit 標誌、Python 標誌與資料儀表板圖示，呈現 Streamlit 與 Python 的課程視覺。

本門課程共區分為 9 個章節，章節一會帶同學從商業案例以及使用情境來認識 Streamlit 的 Why ；章節二與章節三會從安裝 Python 作業環境到簡單的實作來認識 Streamlit 的基本功能與元素，了解它的 How 及 What；章節四則透過設計思維帶同學認識開發前的前置作業。章節五會製作出資料分析 Web App； 章節六到章節八會帶領大家進入 ChatGPT 的世界，並開始建立屬於自己的 AI 應用；最後，章節九讓大家了解如何簡單、快速的部署到網頁上。

第一次學 Streamlit 時，被自己嚇了一大跳，沒想到自己能在短短一兩天的時間，就學會做資料分析 Web App 呢！

此門課程將會一步一步帶您熟悉 Streamlit 各大功能，您將在短短一兩天內，快速學會如何做出專屬的資料分析 Web App，讓您獲得滿滿的成就感，並被自己的學習能力所驚喜到～

章節 1「Streamlit 基礎介紹」標題頁，畫面呈現 Streamlit 與 Python 標誌，標示本章聚焦於 Streamlit 基礎內容與 Python 應用。

章節 1 - Streamlit 基礎介紹

本章重點：認識 Streamlit 以及此工具可利用的商業價值＆目的。

什麼是 Streamlit？認識高效的儀表板資料分析工具
資料分析工具比一比：為什麼選擇 Streamlit？
業界真實的 Streamlit 資料科學應用案例
揭秘 Streamlit 兩大用途：視覺化儀表板、AI 模型部署
為什麼要用視覺化儀表板？
Streamlit 模型部署的優勢！
Streamlit 成果大揭秘：常見使用情境
章節結語 - 這堂課您會得到什麼？

示意將資料（Data）透過函式 f() 處理後，使用 Streamlit 建立瀏覽器介面與互動式程式應用，呈現資料轉化為網頁工具的流程。

▲圖 12. Streamlit 介紹圖：製作 Web App 流程只需要簡單的程式碼

章節 2「安裝與執行 Streamlit」介紹 Streamlit 的安裝與執行，畫面搭配 Streamlit 標誌及 Python 標誌，呈現本章的開發工具主題。

章節 2 - 安裝與執行 Streamlit

本章重點：安裝 Python 必要的開發環境與 Streamlit 套件。

介紹與安裝 Python 好用的 Anaconda 環境
安裝 Streamlit 與相關套件 - Windows 系統
安裝 Streamlit 與相關套件 - Mac 系統

▲圖 13. 安裝與執行 Streamlit

章節 3「我的第一個 Streamlit Web App－應用工具懶人包」，以 Streamlit 與 Python 標誌為視覺主題，聚焦建立第一個 Streamlit 網頁應用程式。

章節 3 - 我的第一個 Streamlit Web App - 應用工具懶人包

本章重點：透過實作，一步步帶領同學了解 Streamlit 的各大功能與元素。

章節介紹 - Streamlit 應用工具懶人包
Tip 1. Streamlit 起手式：開啟 Streamlit 與基礎介面操作
Tip 2. 動態視覺圖：用 Plotly 視覺化讓圖動起來
Tip 3. 文字輸入功能：記錄使用者必要資訊
Tip 4. 選項式輸入功能：設定使用者想要的數值
Tip 5. 上傳資料功能：Drag and Drop 任何檔案或資料
Tip 6. 下載檔案功能：表單、圖片、文件通通行
Tip 7. 可最小化區域部件：資訊量太大但還是都想 show 出來
Tip 8. 導覽多頁面功能：一頁不夠用，切換主頁我教您
Tip 9. 文字顯示功能：標題、副標題、markdown 都可以
作業一：我的第一個 Streamlit App
章節結語 - Streamlit 基礎功能知多少

「Streamlit 應用工具懶人包」課程首頁，整理動態視覺圖、文字輸入與呈現、互動式工具、介面排版、檔案上傳與下載，以及多頁面功能，並示範 Streamlit 啟動指令。

▲圖 14. Streamlit 應用工具懶人包 Web App

章節 4 聚焦善用設計思考，帶您了解資料分析 Web App 的設計心法，畫面搭配 Streamlit 與 Python 標誌。

章節 4 - 善用設計思考，帶您了解資料分析 Web App 的設計心法

本章重點：學習如何有效設計資料分析 Web App 雛形，從使用者角度出發避開常見的設計陷阱。

章節介紹 - 設計思維
設計思維介紹：從使用者角度出發！
設計草圖：製作資料分析 Web App 的第一步！
程式碼結構解密：Streamlit 程式碼設計心法
Web APP 設計三大陷阱
章節結語 - 設計思維知多少

第26頁「什麼要呈現，什麼不要呈現？」比較 Frontend 與 Backend：Frontend 負責輸入參數、資料集、圖表，Backend 負責資料處理及畫圖，並以程式碼示例呈現流程。

▲圖 15. Streamlit Web App 設計心法 - Frontend 與 Backend

課程章節 5 聚焦 Streamlit 商務實戰，主題為建立機器學習分析儀表板，搭配 Streamlit 與 Python 工具標誌。

章節 5 - Streamlit 商務實戰：建立機器學習分析儀表板

本章重點：讓同學實戰可展示的資料科學成果，並帶您手把手完成機器學習分析 Web App 與視覺化儀表板。

章節介紹 - 製作專屬您的資料科學作品集
資料分析心法大解密！
零售案例 - 80/20 法則產品貢獻度視覺化（I）：情景介紹與前處理
零售案例 - 80/20 法則產品貢獻度視覺化（II）：繪製動態視覺圖
零售案例 - 80/20 法則產品貢獻度視覺化（III）：Function 與 App 設計
零售案例 - 80/20 法則產品貢獻度視覺化（IV）：Streamlit Web App 製作
生物學案例 - 鳶尾花預測（I）：情境介紹與前處理
生物學案例 - 鳶尾花預測（II）：模型訓練與視覺化結果
生物學案例 - 鳶尾花預測（III）：Function 與 App 設計
生物學案例 - 鳶尾花預測（IV）：Streamlit Web App 製作
章節結語 - Streamlit 儀表板知多少

▲圖 16. 零售案例 Streamlit Web App

章節 6「AI 輕鬆上手！ChatGPT 與 Streamlit 的應用指南」，聚焦 ChatGPT 與 Streamlit 的應用，畫面搭配 Streamlit 標誌及 Python 標誌。

章節 6 - AI 輕鬆上手！ChatGPT 與 Streamlit 的應用指南

本章重點：帶同學認識 ChatGPT，並透過串接 Streamlit 學習撰寫 AI 應用程式

介紹 ChatGPT 的基本功能與特點
如何申請自己專屬的 ChatGPT API Key
ChatGPT API 範例：用 Python 打造您的第一個 AI 應用程式

ChatGPT API 範例以 Python 呼叫 ai_text，詢問「請問蘋果公司的成功要素是……」，並列出創新產品、精良設計、優秀的行銷策略、明確的商業模式與具備領袖素質的管理層。

▲圖 17. ChatGPT API 範例：用 Python 打造您的第一個 AI 應用程式

此工具組合不僅可以加速開發過程，還可以提高應用程式的品質，為大家帶來更多便利和價值。我們也期望透過 ChatGPT 串接 Streamlit 的課程章節，讓各位學員能發揮更多的創意來開發屬於自己的 AI 程式應用！

章節 7 聚焦使用 ChatGPT 與 Streamlit 打造智能幫手，畫面搭配 Streamlit 與 Python 標誌，呈現本章的開發主題。

章節 7 - 文案生成神器：使用 ChatGPT 與 Streamlit 打造智能寫手

本章重點：根據不同場景應用 Streamlit X ChatGPT 參數與模型，並學會使用工具一鍵生成文案。

如何調整 ChatGPT 模型和參數：滿足不同的應用場景需求
如何快速應用 ChatGPT 串接 Streamlit：輕鬆創建 AI 應用
如何撰寫 Python ChatGPT Function，幫您一鍵生成文案
實戰演練：如何發揮 ChatGPT 與 Streamlit 智能寫手的實際價值

文案生成工具介面，左側選單列出 home、budget、article 與 competitive product analysis，主畫面標題為「文案生成」，下方設有文字輸入框與「文案產生」按鈕。

▲圖 18. 文案生成神器 Streamlit Web App

章節 8「使用 ChatGPT 與 Streamlit 著手競品分析」，搭配 Streamlit 標誌與 Python 圖示，介紹以 ChatGPT 和 Streamlit 進行競品分析的主題。

章節 8 - 商業決策新工具：使用 ChatGPT 與 Streamlit 著手競品分析

本章重點：善用 Streamlit X ChatGPT 進行商業分析（如競品分析等），創造商業價值。

如何建立適合商業決策的 Streamlit UI/UX 介面
如何撰寫 Python ChatGPT Function，幫您一鍵進行商業決策
實戰演練：如何開始使 ChatGPT 與 Streamlit 著手競品分析

競品分析介面可輸入三項產品進行比較，範例欄位依序填入「Apple Iphone 手機」、「Samsung」與「HTC 手機」，下方設有「開始分析」按鈕。

▲圖 19. 競品分析 Streamlit Web App

章節 9「Streamlit 最後一里路：Web App 部署」介紹 Streamlit Web App 部署主題，橫幅兩側搭配 Streamlit 標誌與 Python 圖示，呈現課程章節識別。

章節 9 - Streamlit 最後一里路：Web App 部署

本章重點：選擇一個自己喜歡的 Streamlit Web App 將其部署到網頁上。

章節介紹 - 部署與維護
如何部署至 Streamlit Sharing？
如何維護您的 Web App？
延伸學習 - 進階課程
延伸學習 - 製作專屬自己的 Streamlit 履歷
課程結語 - 給同學的話

▲圖 20. Streamlit Web App 部署

主標題「各大工具比一比」，搭配 Streamlit 標誌、Python 標誌與資料儀表板圖示，呈現各種工具比較的主題，背景為粉紅與紅色幾何圖形。

現今已有知名 BI 工具能夠製作視覺化儀表板，也有許多網頁建構框架能夠部署模型，學 Streamlit 到底有什麼用？

一般 BI 工具，如: Tableau、Power BI，都能做出非常漂亮的儀表板，非常適合有分析思維的主管級商業人士。只是無法部署客製化的 AI 模型，並不是主流的 AI 分析方法。
Flask 跟 Django 為現階段主流的 AI 模型部署 Web 框架。兩者的優點都在能夠承載的資料量與模型極大，自由度相對是最高的，但是其代價為時間、人力成本與高學習門檻。適合製作生產水準的資料分析專案，例如：即時（ real-time ）醫療分析應用，適合較大型的系統專案。
Streamlit 相較於 Dash 以及 Gradio 兩者來講，熱門程度越來越高，模組的製作上相較容易且更有彈性。
使用 Streamlit 可以快速建立動態資料視覺化網頁，有助於減少時間成本。只要使用基本的 Python 語法，就可以將數據分析並將結果快速呈現於網頁上，方便分享給他人。不需要 IT 部門的協助，使用者可以自行完成數據分析與報表呈現。
最後，就算我們不具備前端開發經驗，也能透過 Streamlit 輕鬆地進行機器學習和 AI 應用的開發，使得開發過程變得更加簡單。

從下圖 21 可以來查看 Streamlit 的各項優勢：

市場比較表評估 Streamlit、知名BI工具、知名網頁 Frontend Backend 框架與其他快速製作儀表板框架，涵蓋門檻、製作分享、視覺化客製、AI、low code、維護與部署；Streamlit 整體易上手且彈性高。

▲圖 21. 資料分析工具比較圖

「講師與團隊介紹」章節橫幅，左側呈現 Streamlit 標誌，右側以 Python 標誌與資料儀表板插圖點綴，搭配粉紅與紅色幾何背景。

本課程由 TMR - TMDS 創辦人鍾皓軒、施博銘與團隊成員劉加德與陳佩均，共同擔任課程設計者與講師。

TMR 曾在中華電信、BenQ、資策會、外貿協會、台科大等多個產學單位擁有豐富的授課及專案分析經驗。

本課程希望結合我們過去的專案經驗，帶給您最貼近實務的需求及教學內容。

講師介紹頁列出五位講師：Howard 鍾皓軒、Lucius 施博銘、Chandler 劉加德、Linda 陳佩均與 Dodson 黃榮晟，並以圓形個人肖像呈現。

施博銘（Lucius） - 系統思維設計指導顧問

產業界的力量： IT 部門主管10 年+經驗，具豐富的技術研發及行銷數據分析經驗

業界經歷

目前於文教產業、出版業擔任 IT 部門主管，負責集團內資訊系統、資訊資源規劃、整合及管理。
管理近 100 名資訊與行銷數據團隊夥伴，曾主導 1,000 萬以上資訊專案，累積 300 件以上專案經驗。
有 AWS、Cisco、Google、Microsoft、RedHat、VMware 等多項專業證照。

產學專案

曾主導、參與或協助電商零售、醫療機構、出版業、高教產業、文教產業等資料科學專案。
曾主導、參與或協助政府單位、產業界、學術界專案。

鍾皓軒（Howard） - 課程設計者／講師

臺灣行銷研究有限公司（TMR）的創辦人

專書出版

行銷資料科學：榮登銷售排行第 3 名 / 已三刷暢銷 / 國內第一本行銷資料科學專書
STP行銷策略之Python商業應用實戰：預購即榮登暢銷排行第 1 名 / 國內第一本行銷策略結合 Python 商業應用專書
《最強行銷武器—整合行銷研究與資料科學》、《實戰Excel行銷決策分析》。

業界經歷

臺灣行銷研究公司、臺灣行銷資料科學公司創辦人。曾任金融業、中華電信、BenQ、裕隆、資策會、工研院智慧製程、外貿協會國際企業人才培訓中心行銷資料科學AI專案講師，並執行多項資料科學專案、就讀台科大工業與工程管理碩士班。

學界經歷

台科大行銷資料科學課程業師、台科大創新育成中心行銷資料科學課程、台科大新南向創業營隊市場分析及行銷策略講師（全英文授課）、台科大 AI 連續性製程機器學習課程、北市大行銷資料科學應用課程講師

產學專案

曾主持參與金融業、化工業、醫療業、網路廣告業、彩妝業、出版業、高教產業、文教產業等資料科學案

主編

行銷資料科學粉絲專頁、FB社團與 Medium 創辦人

劉加德（Chandler） - 課程設計者／講師

TMR資料科學家

出版作品

《Medium－行銷資料科學產業情境數據分析應用》－特邀編審

授課經歷

台灣前十大知名科技公司之資料科學案技轉 – 講師
TMR【數位轉型 x 資料科學 x 資料驅動】實力養成攻略 – 講師
中華民國外貿協會國際人才養成班 – 實作助教講師
台科大行銷資料科學課程 – 講師
北科大教資中心 Excel 商業數據 – 講師

業界經歷

台灣前十大知名醫療機構之會員回購預測分析資料科學專案 – 專案組長
台灣前十大知名科技公司之 STP 行銷策略資料科學專案 – 專案組長與顧問
台灣前十大知名科技公司之品牌競爭分析資料科學專案 – 專案副組長
台灣前十大知名科技公司之銷售歸因分析資料科學專案 – 專案組長與顧問
台灣前十大知名科技公司之資料科學案技轉 – 分析師

陳佩均（Linda） - 講師

TMR 特約行銷資料科學分析師

授課經歷

中華民國外貿協會國際人才培育中心 – 資料科學實作助教

業界經歷

台灣前十大知名科技公司之輿情 AI 機器人資料科學專案 – 專案副組長
台灣前十大知名科技公司之品牌競爭分析資料科學專案 – 分析師
台灣前十大知名科技公司之 STP 行銷策略資料科學專案 – 分析師

黃榮晟（Dodson） - 課程設計者／講師

TMR 資料科學家

授課經歷

中華民國外貿協會國際人才培育中心 – Python 商業數據分析的課程助教

業界經歷

台灣前十大知名科技公司之品牌競爭分析資料科學專案 – 分析師
台灣前十大知名科技公司之 STP 行銷策略資料科學專案 – 分析師
前十大某醫療機構預測分析專案 – 分析師
某委員會跨國調查分析專案 – 分析師

合作夥伴

合作夥伴案例展示，涵蓋全球某領域前三大科技業、IC設計與航空公司，以及臺灣科技大學、高雄師範大學、臺北市立大學等，主題聚焦AI行銷、Python與資料分析培訓。

🏆最新強檔書籍 -實戰 Excel 行銷分析不寫程式也能分析大數據 🏆

歡迎點擊通路名稱，即可觀看書籍詳細介紹：博客來、金石堂、天瓏

GOTOP《實戰 Excel 行銷分析：不寫程式也能分析大數據》書封，主題涵蓋 Marketing Data Science，作者為陳俊凱、鍾皓軒、羅凱揚。

🏆 暢銷排行第 1 名 - STP 行銷策略之 Python 商業應用實戰專書 🏆

歡迎點擊通路名稱，即可觀看書籍詳細介紹：博客來、金石堂、天瓏

天璽網路書店「近7天中文熱門暢銷」榜單中，STP 行銷策略之 Python 商業應用實戰｜網路爬蟲X機器學習排名第1，79折優惠價為 $411，原價 $520。

🏆暢銷排行第 3 名 - 行銷資料科學🏆

歡迎點擊通路名稱，即可觀看書籍詳細介紹：博客來、金石堂、天瓏

天瓏網路書店「中文熱門暢銷（2019/07）」排行榜中，排行第3名的《行銷資料科學｜大數據X市場分析X人工智慧》享79折，特價$411，原價$520。

🏆最新強檔書籍 -最強行銷武器整合行銷研究與資料科學 🏆

歡迎點擊通路名稱，即可觀看書籍詳細介紹：博客來、誠品、天瓏

書籍《最強行銷武器：整合行銷研究與資料科學》的封面與封底，作者為羅凱揚、蘇宇暉、鐘皓軒，黑底搭配橘黃、綠、藍字樣與紅色抽象能量圖案。

「回覆與作業設計」標題橫幅，以粉紅與紅色幾何背景呈現，左側有 Streamlit 標誌，右側結合 Python 標誌與資料圖表介面插圖。

Hahow 平台有提供「問題討論」專區，同學們可以進行回饋與提問，講師看到問題會儘速回饋，幫助大家有效地學習與建立成就感。

回饋與作業批改頻率如下：

一個禮拜回答一次問題
一個禮拜批改一次

哪些人適合這堂課？

本課程歡迎 Python 基礎者、行銷人、以及想從事資料分析工作的任何人！無論你是： 👉 對 Python 語法有基礎者 👉 想要從事 Machine Learning engineering 的資料分析人 👉 想應徵商業分析師提升履歷作品集的社會新鮮人 👉 具有商務、行銷或銷售經驗，想找出更多商業洞見者 👉 想學習使用 ChatGPT 的網頁開發者

你可以學到

👉 認識多種製作視覺化儀表板的工具，學習善用 Streamlit 的優勢 ◆ 學會利用 Streamlit，以簡單的程式碼快速製作客製化的資料分析 App ◆ 學會在短時間內製作有效的視覺化儀表板給客戶、主管，為其留下深刻的印象 👉 建立初步設計思維 ◆ 由使用者角度審視介面設計 ◆ 學習如何快速並有效地設計一個滿足使用者體驗的網頁 App 👉 製作屬於自己的網頁 APP，替履歷作品集加分 ◆ 熟悉時下最流行的 low code 技術，將自己的資料科學 API 快速部署成網頁 APP ◆ 不管是資料探索或是機器學習預測分析都能用 Streamlit 呈現 👉 學習 ChatGPT 與 Streamlit，打造多種人工智慧應用 ◆ 掌握 ChatGPT 的基本功能和特點，並學會使用 Streamlit 快速串接 ◆ 智慧文案生成和競品分析兩大應用，學會解決實際商業問題

上課前的準備

需要準備的工具 / 軟體（若購買課程前不清楚版本是否支援，請先留言與老師確認。）

👉 一台穩定的電腦，不限 Mac / Windows / Linux 作業系統 👉 電腦需要安裝 Anaconda 系列軟體：Spyder（版本限定 Python 3 以上），課程中也會一步步帶領大家安裝 👉 本課程以 Python 開源免費語言為主

需要具備的背景知識

👉 建議有 Python 程式的基礎（如：function、Pandas、list、dict、for、if、else）

單元一覽

9 章 51 單元｜總時長 342 分鐘

全部展開

Streamlit 基礎介紹

單元 1 - 什麼是 Streamlit？認識高效的儀表板資料分析工具

點我試看