本系列以「肝癌資料視覺化與 AI 預測」為主題,帶領讀者完成一個從零開始的資料科學專案。內容包含環境建置、資料清理、視覺化與模型訓練,最後在 Grafana 平台整合呈現。過程中將利用 Docker 安裝 Grafana,並以 Python Pandas 處理肝癌資料,輸出乾淨的 CSV 檔。接著透過 Grafana CSV Plugin 建立互動式儀表板,展示資料特徵與統計結果。同時會示範如何使用 Scikit-learn 建立 AI 預測模型,並將結果回饋至 Grafana。透過這 30 天的實作,讀者將學會如何結合資料科學與視覺化工具,打造可應用於醫療與決策的 AI 平台。
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...
1.這個平台到底要做什麼?這個平台的核心任務是:• 收集癌症相關資料:包括臨床數據(像是AFP指數、治療階段)、病人自我紀錄(睡眠、疼痛、心情),以及AI預測結...
我今天要把這些拼湊成一張「藍圖」,讓大家知道平台長什麼樣子。 1. 平台架構總覽我的構想:癌症資料 / AI預測結果↓資料清洗 (Python / Pandas...
1. 安裝 DockerGrafana、Loki、Promtail 都會用 Docker 容器來跑。 輸入以下測試是否安裝成功 docker --version...
1. 為什麼要懂Log系統?昨天我們把環境準備好了,但在正式實作前,想先補充一點背景知識:不同的Log系統有什麼差別?為什麼我要用 Loki?這樣Day7開始實...
1. Grafana不只能畫圖其實它能做的事情比你想像的多很多:• Alerting(告警)你可以設定條件,比如AFP值大於400,就自動發一封Email或推播...
1. Volume:讓資料不會說沒就沒 Docker 容器就像一個臨時的房間,一旦刪掉,裡面的東西也會不見。但我們要處理的可是癌症資料,log 如果突然消失就完...
1. 建立測試資料 (patient.log)在cancer-dashboard資料夾裡,建立一個檔案:touch patient.log內容可以先模擬「肝癌病...
1. 建立新的 patient.log打開 cancer-dashboard/patient.log,把內容換成: 2025-09-01 patient_id=...