課程作業報告
本周作業一 — 環境建置
打開 VS Code 終端機（Terminal），輸入以下指令安裝所需套件：
pip install flask requests pandas
在 VS Code 中建立以下專案資料夾結構：包含 app.py、templates/（含 index.html）、static/、data.json、taiwan.json 等檔案。
成功執行 Flask 應用程式，於瀏覽器 127.0.0.1:5000 確認結果，終端機顯示正常 HTTP 請求記錄。
作業二 — 台灣懸浮微粒互動監測儀表板
建構「台灣懸浮微粒（PM2.5）互動監測儀表板」，結合 Leaflet 地圖顯示各縣市 PM2.5 分布，右側呈現歷史趨勢折線圖，並以顏色圖例區分空氣品質等級（優、良、不良、有害）。
地圖視覺化
Leaflet 互動地圖，縣市 PM2.5 即時上色
歷史趨勢
各縣市年度 PM2.5 折線圖，一目瞭然
等級分類
優（0–15）良（16–25）不良（26–35）有害（35+）
作業三 — 台灣 AQI 即時監測
建置「台灣空氣品質（AQI）即時監測」系統，整合環保署開放資料平台，以 Leaflet 地圖顯示各測站彩色標記，右側面板呈現各縣市即時 AQI 數值。
即時地圖
各測站彩色圓點即時顯示 AQI 狀態
測站資料欄
基隆、台東、彰化等各市縣即時 AQI 數值
資料來源
環保署環境資源資料整合平台 API
延伸成果 — 臺海區域綜合監測 Dashboard
進一步開發「臺海區域綜合監測 Dashboard」，整合 AQI 監測、氣象感測與地理圖層，以 Leaflet 呈現大範圍臺海區域監測數據，面板右側分類顯示：環境空氣品質、海洋空氣品質、海象氣象感測、地震活動感測等多維度指標。
Gemini 對話參考連結
AI 輔助開發對話記錄
本次作業透過 Google Gemini 進行程式碼諮詢與除錯，以下為完整對話分享連結，記錄了從構思到實作的 AI 協作過程。
✨ 開啟 Gemini 對話紀錄心得學習
這一周是整個課程中讓我感受最深的一周。從一開始安裝 Flask 套件、建立資料夾結構，到最終在瀏覽器上看到自己親手做的互動地圖儀表板，那種成就感是難以言喻的。以前總覺得「資料視覺化」是遙不可及的技術，但這次親身實作才發現，只要掌握正確的工具與邏輯，任何人都能將枯燥的數字轉化為令人印象深刻的視覺呈現。
透過 Flask 與 Leaflet 的結合，我深刻體會到前後端協作的力量——Python 負責資料處理與 API 串接，而 JavaScript 地圖庫則讓這些數據「活」了起來。
在完成 PM2.5 監測儀表板（作業二）的過程中，我學會了如何讀取 JSON 格式的地理資料、如何根據數值動態設定地圖顏色，以及如何用折線圖呈現時間序列的變化趨勢。這些技能不僅僅是課堂作業，更讓我看見了資料科學在公共健康、環境保護領域的實際應用潛力。
作業三的 AQI 即時監測讓我進一步接觸到政府開放資料（Open Data）的串接方式。透過環保署的 API，我第一次真實感受到「即時資料」的意義——地圖上的每個彩色圓點，都代表著一個真實測站在此刻測得的空氣品質。這種與現實世界連結的學習體驗，讓我對程式設計產生了更大的熱情。
回顧這一周，我最大的收穫不只是技術本身，而是「從零到一」的完整開發思維——從環境建置、資料取得、後端邏輯到前端展示，每一步都環環相扣。未來我希望能將這些技能應用到更多生活化的題材，繼續探索 Python 在資料視覺化與 Web 開發上的無限可能。