Python
1. **資料收集與清理**：使用 Python 的 Pandas 來處理 CSV、Excel 或是網路上的開放數據集。 2. **數據分析**：分析數據的趨勢、統計等，並計算基本的描述性統計（如平均值、標準差等）。 3. **資料視覺化**：使用 Matplotlib 或 Seaborn 將分析結果以圖表呈現，例如柱狀圖、折線圖、散佈圖等。 4. **結論與報告**：總結分析發現，並討論可能的應用。
AI/ ML & Data
生成式人工智慧已經成為這個世代不可或缺的工具，我們可以透過這30天的內容，一一揭開它的面紗，從基礎理論至技術探討、AI如何被實際應用在日常生活及它們可預期的未來，如此一來，我們更能充分發揮它的潛力。
Python
本系列文透過一連串的HOWTOs，學習如何使用Great Tables做出美觀實用的表格。
Modern Web
原先主力是寫Vue.js，總是寫Vue也會好奇旁邊的發展，後來有機會到用React的公司工作，就想這趁段時間記錄自己的所學，也同時強化自己的學習，也保持分享的心態進行，與大家交流。
Security
初學藍隊總是會覺得不知道從哪裡開始，在這一次的鐵人賽，我將透過心智圖擴展自己針對藍隊技術的知識體系，來協助自己加強藍隊技術。
AI/ ML & Data
企業組織應該都知道數據保護法規的存在，我想試著利用智能工具，自動檢測數據集中的隱私風險，目的:保護用戶權益、提升營運效率、避免法律風險。 （這個議題我另外寫一篇了！！這篇題目取得不好！！）
自我挑戰組
當我們談到現代前端開發，效率與可維護性是永遠無法忽視的議題。而當開發專案逐漸龐大，甚至涉及多個應用程式時，如何有效管理與共享資源就成為了開發者面臨的一大挑戰。此時，「Monorepo」架構成為了許多團隊的解方，它允許將多個專案存放在同一個 Git 儲存庫中，藉此實現更好的管理與協作。 在 Monorepo 的世界中，TurboRepo是一個能大幅提升開發體驗的工具。它以極快的速度處理大型儲存庫，並且透過「暫存」技術，讓開發者能專注於編寫代碼，而不被繁瑣的構建過程所困擾。TurboRepo 支持多語言與多框架，無論你是使用 Next.js、React，甚至是後端的工具，它都能無縫整合
Security
曾經撰寫過《資安這條路─以自建漏洞環境學習資訊安全》和《資安這條路─系統化學習滲透測試》再次感謝過去支持我的邦友們，這一次我們將針對網站安全的內容深度講解，期待透過這個系列為大家複習與認識其他網站相關漏洞。
