假名化與匿名化、k-匿名、差分隱私、同態加密、聯邦學習的適用情境，資料安全控制，生成式 AI 的個資風險，個資法、GDPR 與歐盟 AI 法重點。

從資料產生方式選分佈：二項、卜瓦松、指數、常態與負二項的使用情境、平均與變異數，以及中央極限定理與標準誤的意義。

以讀碼角度整理 pandas 的常用寫法：loc 與 iloc、多條件篩選、groupby、merge、melt、Int64、分塊讀取大檔與 seaborn 常用圖。

資料多仍會有偏誤的原因、抽樣方法、Pearson 與 Spearman 的選擇、迴歸係數與 R²、勝算比、貝氏定理與效果量。

依比較、趨勢、分佈、關係、組成選圖，長條圖基準線、對數刻度、循序與發散配色，以及 Tufte 的資料墨水比與資料密度。