鐵人檔案
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。
1. 準備多個病人資料在 PostgreSQL 裡插入幾位病人的測試資料： INSERT INTO cancer_patients (patient_id, r...
1. 新增 Dashboard 區塊打開你的 Grafana Dashboard → 點「Add panel」 → 選擇 Stat Panel。這是用來顯示「最...
1. 建立警報條件 (Alert Rule)進入 Grafana：(1) 點左邊選單的 Alerting → Alert Rules(2) 點右上角「Creat...
1. 新增趨勢分析欄位先到 PostgreSQL 裡，新增一個欄位來存「趨勢方向」： ALTER TABLE cancer_patients ADD COLUM...
1. 建立新的 Dashboard在 Grafana 主畫面 → 點擊左側「+」 → New Dashboard命名為：Patient Health Repor...
1. 準備資料我們會取出每位病人最近的檢查數據與 AI 預測結果，並將這些資料送進 LLM 生成自然語言報告。 SELECT patient_id, r...
1. 準備資料我們要比較模型預測 (afp_pred, alt_pred) 與實際值 (afp, alt) 的誤差。在 PostgreSQL 中取出資料： SE...
1. 儀表板架構規劃我們先定義 Dashboard 的版面結構： ━━━━━━━━━━━━━━━━━━━━━━━ 標題：癌症資料智慧分析總覽 ━━━━━━━━...
