How it works
這門課怎麼上
三個層次，一層比一層動手。看不懂程式沒關係 —— 第一層完全不用寫任何東西。
層次一
🎚️ 在網頁上玩
線上教材裡有五個互動實驗台：混合成分、調前處理參數、判讀未知樣品、模擬摻偽偵測、選 PLS 潛在變數。全部拉滑桿就好。
層次二
📄 讀程式碼片段
每一段互動旁邊都附上對應的 Python 程式碼，並在最後給一份 40 行的完整腳本。不開 Colab 也能讀完整條流程。
層次三
▶️ 動手跑 Notebook
五本 Colab Notebook 逐格執行，遇到 👉 換你做 就改一個參數再跑，看結果怎麼變。
不用安裝任何東西 Notebook 在 Google Colab 上跑，資料自動從課程網站載入， 不需下載 CSV、不需設定 Python 環境。有 Google 帳號就能開始。
Course map
課程地圖
整條分析流程只有一句話：讀資料 → 前處理 → 峰位判讀 → 定性篩檢 → 定量校正 → 檢查模型合理性。
單元 0
為什麼用拉曼
選擇律、與紅外光譜的互補關係，以及它為什麼特別適合高含水食品與油脂。
前往教材 →
單元 1
混合物光譜的疊加
互動實驗台：拉六種成分的比例，看程式自動找到的峰對應哪一個分子。
前往教材 →
單元 2
前處理五步驟
互動實驗台：調螢光、雜訊、平滑視窗，親眼看窄峰被自己的前處理抹掉。
前往教材 →
單元 3
峰位判讀
十個必背特徵峰、1655 cm⁻¹ 的陷阱，以及六個未知樣品的判讀器。
前往教材 →
單元 4
奶粉三聚氰胺篩檢
互動實驗台：拉濃度看什麼時候才判定「檢出」，以及 LOD 與法規限量差了幾倍。
前往教材 →
單元 5
油品鑑別與摻混定量
互動實驗台：拉 PLS 潛在變數，親眼看配適不足與過度配適的分界。
前往教材 →
Notebook
Notebook 與資料
六本 Notebook（含一本暖身）、六組光譜資料集。全部在 Colab 直接開，不用下載。
- NB1 · 第一條光譜 讀進來、畫出來，看懂兩個軸與原始光譜的三個問題。
- NB2 · 前處理 五步驟逐一拆解，最後用 Pipeline 一次處理 60 個樣品。
- NB3 · 峰位判讀 特徵峰對照表、自動找峰、共振增強、未知樣品實作。
- NB4 · 奶粉摻偽篩檢 判定閾值、偵測極限、PCA 與 KMeans。
- NB5 · 油品鑑別與定量 PCA-LDA 分類、PLS 定量、模型適用範圍檢查。
- 暖身本（舊版保留） 用模擬光譜快速走一遍 PCA 分群，適合第一堂課。
The point
這門課真正想教會的一件事
不是 Python 是知道自己的方法測不到什麼。
課程算出的拉曼法偵測極限約 0.5%（5,000 mg/kg），而 Codex 對三聚氰胺的限量是 2.5 mg/kg —— 差了兩千倍以上。學生若能自己講出「未檢出不等於沒有，要先問方法的偵測極限」，這門課就成功了。