希望你國慶連假愉快 (˚∀˚)

雖然我知道此新聞在社群媒體到處都是，但以防你不知道就簡短提醒：

如果你還是學生身份，務必享受這個福利啊！

​Gemini 學生免費一年方案連結​

最近很開心地再次到清大 DTDA 社團分享 A/B 測試與因果推論 的知識，這次的講座不同以往，我加入了更多用 AI 與 Python 結合練習的實作練習，看到同學親手做出複雜的數據圖表，我作為講師也很有成就感啊！

也是因為這次講座我強力推薦同學使用 Google Colab 來實作 Python 程式，我才發現：居然有很多人不知道 Google Colab 提供免費的 Gemini AI Agent 讓每個人都能使用！

Google Colab 的 AI Agent
資料分析師的超級助手!

如果你正在學習資料科學、或者工作中需要處理一些 Python 數據分析，那你一定要認識 Google Colab！它是一個免費的雲端 Jupyter Notebook 環境，讓你直接在瀏覽器裡寫 Python 程式碼、做數據視覺化、跑統計模型，完全不用在自己電腦上安裝一堆套件。Google Colab 還免費提供 GPU 運算資源，對想學機器學習的人來說簡直是天堂！

而今年 3 月，Google 推出了更猛的功能：Data Science Agent，是由 Gemini 2.0 驅動的 AI 助手，這個 Agent 不是一般的 Gemini 聊天機器人喔！

延伸閱讀：為什麼我超愛用 Google Colab？不只適合寫 Python 程式、還能拿來寫資料科學報告！​

什麼是 AI Agent？
跟 ChatGPT 或 Gemini 有什麼不同？

如果你會問「AI Agent 跟 ChatGPT 不是一樣嗎？」、「打開 Gemini 問 Python 問題，也可以用 AI 寫程式啊？」，其實用 AI Agent 差很多！

一般的對話式 AI 像 ChatGPT、Gemini、或 Claude，你問它問題，它給你答案或程式碼片段，但你還是得自己動手複製貼上、執行、除錯 debug。但 AI Agent 不一樣 —— 它能「主動」幫你「做事」。

Google Colab 的 Data Science Agent 不只生成程式碼，它還會自動匯入套件（Package）、載入資料、執行程式、處理錯誤，甚至自己跑完整個分析流程！你只需要在 Colab 內部的 Gemini 對話框用白話文描述你的目標，例如「視覺化這份資料的趨勢」、「訓練一個預測模型」、「處理缺失值」，AI Agent 就會自動生成一個完整的、可執行的 Colab Notebook。

有趣的是，你可以即時看到程式碼執行的過程，包括錯誤訊息和警告，從而了解 AI 的思考流程，而且可以隨時拿回你的主導權、直接在 Notebook 裡編輯和修改 Agent 生成的程式碼，這點比 ChatGPT 的 Data Analyst GPT 強太多了。

這麼比較可能不太公平就是了，畢竟 ChatGPT 的 Data Analyst 是好久以前的產物。

開始動手試試看吧！

如果你的日常工作涉及 Python 或資料分析，建議你現在就打開 Google Colab 試試看這個 Data Science Agent！

小秘訣：在 Chrome 瀏覽器的網址列輸入 colab.new 可以快速開啟新的 Colab Notebook

上傳一份資料（CSV、Excel 都行），用白話文告訴 Gemini 你想做什麼分析，接著就坐下來看 AI 為你勞碌奔波、幫你自動完成整個分析流程。這不只是省時間，更重要的是你可以從 Agent 生成的程式碼中學習，看看專業的資料科學工作流程應該怎麼寫。

寫作者的修煉

最近恰好也跟不少朋友討論創作與自媒體經營的議題（包括認識了翰元以及他在部落格分享的 Heptabase 技巧文章）。讓我再度開始反思「流量 v.s. 熱情」的掙扎，我認為這個掙扎是所有創作者的修煉。

如果為了追求流量而網路創作，勢必要尊重市場需求，聽眾喜歡什麼、就寫或說什麼。問題是，我自己不見得會因此學到什麼，只是追著流量跟錢跑。例如，我很清楚「三分鐘讓你入門 Python」這種文章搜尋量更高、有更多人會來讀，但寫這種文章我自己完全不會學到新東西啊！

然而，要是我完全照著自己的熱情寫，更可能會完全沒有人要看。你摸摸你的良心，我如果接下來寫兩篇電子報都在講我閱讀 Spotify 近期的 Sequantial A/B Test​ 論文 數學公式為何可行、以及探討實務執行的困難，你會看完嗎？（如果你真的有興趣的話，歡迎來信跟我討論）

總之，我在乎的、不見得是讀者在乎的。

我寫作的 核心目的 是自我修煉沒錯，但我也是個凡人，要說我不受到流量影響創作的動力，是不可能的。我總是在掙扎自己該多大程度地向市場需求以及流量妥協、改變我的寫作方向。

而跟朋友幾次討論之後，我最近產生了兩點新的啟發：

一、市場受限，那就尋找新市場。我在部落格寫了很多關於 A/B 測試與因果推論相關的文章，有不少技術成分較深的文章，我很有熱情地花很多時間研究並撰寫，但幾乎沒人看。我個人認為是台灣資料科學業界，A/B 測試不是主流技術，鮮少有台灣的分析團隊投注資源在高效實驗方法上，自然就沒人有興趣。

既然是「在台灣」沒人看這些文章，那我應該嘗試往全球市場寫作、而不見得要改變寫作方向。我的一位好友給了我一個例子：學程式設計演算法時，如果教授的講解聽不懂，很多人會去找印度人的 YouTube 解說學習。對耶！印度人講的演算法也有很多是高深艱澀的內容，但他們放在拓及全球的平台上，確實吸引到很多像我們這種外國受眾。

這個例子在我心中泛起漣漪：說不定我應該加倍努力投注我剛起步的 英文部落格？

二、釐清自己創作過程之中，究竟是如何獲得成就感。我寫部落格或電子報、甚至是正職工作，享受的都是為人解決問題的成就感，公開演講也是，我把部落格文章中的 A/B 測試與學校課本常見的統計學知識連結之後，有不少同學在講座後給我正面回饋、讓我知道他們終於融會貫通這些知識，看到大家確實受到幫助、我也為自己的努力感到很驕傲。

這只是其中一個範例，我還需要釐清更多讓我確實獲得成就感的創作歷程，而其他的投入都是為了這些成就感而生，例如，有些較艱深的文章沒有流量沒關係，未來它們依然會轉換成我到校園講座分享的素材、真正發揮價值。

---

以上只是我的自言自語，不見得是一個 Action Plan，總是得先想想才知道可不可行嘛我仍是個在學習（與掙扎）的寫作者，這個段落是我透過寫作進行的自我反思，希望也能帶給你一些新想法。

延伸閱讀：兩本強化創作動力的書《Output：最高學以致用法》以及《寫作，是最好的自我投資》​

如果你也是任何類型的創作者，你也對「流量 v.s. 熱情」有自己的觀點，請務必回信給我，跟我分享！

推薦閱讀

職場專業人士的 ：上班族生產力倍增的 7 個 NotebookLM 實戰案例 我現在寫績效考核不得不靠 NotebookLM！ 閱讀文章

從零開始學習用 AI 工具提升生產力 我的三項實踐心得：任務導向、AI優劣勢分析、以及工作方法改革 閱讀文章

用Mac 工具強化 AI協作體驗：打造超流暢工作流 Mac 工具介紹：Keyboard Maestro、Rectangle 視窗管理、和 Voicelnk 語音輸入 閱讀文章