動機：
肝癌在亞洲地區是常見且高死亡率的癌症之一，早期診斷與預測對病患存活率影響重大。然而，醫療數據往往龐雜，缺乏易於理解的呈現方式。為了讓資料科學能真正協助醫療決策，我選擇以「肝癌資料視覺化與AI預測」為主題，結合資料清理、儀表板與機器學習，建立一個能夠清楚展示數據並進行智能預測的平台。

規劃：
第 1 週：環境建置與資料收集
第 2 週：資料清理與探索性分析(EDA)
第 3 週：Grafana儀表板建置與互動視覺化
第 4 週：AI模型訓練、結果整合與專案總結

我在這30天的學習目標：
1.技術能力提升
• 熟悉資料前處理與探索性分析 (EDA) 的流程，能夠將原始的醫療資料整理成可分析的格式。
• 學會使用Grafana建立互動式儀表板，提升數據視覺化與呈現能力。
• 練習利用Scikit-learn建立機器學習模型，理解從訓練、驗證到結果解讀的完整過程。
2.實作成果累積
• 完成一個從資料清理 → 視覺化 → AI預測 → 平台整合的專案。
• 讓肝癌資料能在Grafana中被直觀呈現，並能透過AI模型提供預測結果。
3.個人收穫
• 建立一個能實際應用的作品集專案。
• 養成每天輸出與紀錄的習慣，讓知識能內化成自己的技能。