二周課程總覽 日期: 8/4.8/5.8/18.8/19
甲、時間: 8/4-8/5：科目L21（必修）
丙、時間8/18-8/19:科目（L23）
（符合「科目2或科目3擇一報考」規則）
甲:科目L21（必修）人工智慧
1.L21101 自然語言處理技術與應用
◆NLP 任務地圖
◆典型應用場景
◆資料與品質要點
◆常見考題角度
◆快速解題關鍵字
2.L21102 電腦視覺技術與應用
◆CV 任務地圖
◆典型應用場景
◆資料與標註要點
◆落地限制與風險
◆常見考題角度
3.L21103 生成式AI技術與應用
◆生成式AI可做什麼
◆生成式AI常見風險
◆企業導入常見模式
◆常見考題角度
4.L21104 多模態人工智慧應用
◆多模態是什麼：文字×圖片×聲音×影片的整合
◆常見應用
◆題型常見問法
5.L21201 AI導入評估
◆「是否適合AI」判斷框架
◆成效與成本
◆導入門檻與風險
◆POC / MVP / 正式上線：差異與目的
◆常見題型
6.L21202 AI導入規劃
◆規劃必備六要素
◆供應商/方案選型
◆常見題型
7.L21203 AI風險管理
◆風險類型地圖
◆風險控管手段
◆考題常問
◆銜接到L22的「統計判讀」預告
◆為什麼L22統計重要：KPI、A/B測試、模型指標判讀
◆敘述統計與分佈直覺：平均/變異/離群值
丙:科目（L23）機器學習應用
1.L23101 機率/統計之機器學習基礎應用
■抽樣偏差、資料不平衡、評估指標選擇邏輯
■常見情境：Accuracy 失真時怎麼辦？何時看Recall/F1？
2.L23102 線性代數之機器學習基礎應用
■向量/矩陣/內積
■維度、特徵空間概念
3.L23103 數值優化技術與方法
■梯度下降直覺、學習率、收斂/震盪
■常見題：學習率太大/太小會怎樣？如何改善？
4.L23201 機器學習原理與技術
■監督/非監督/半監督/強化
■分類/回歸/分群/降維：題幹關鍵字→方法配對
5.L23202 常見機器學習演算法
■線性模型、樹模型、KNN、SVM、聚類
■常見題：小資料/可解釋性/非線性/高維度分別適合什麼？
6.L23203 深度學習原理與框架
■epoch/batch、過擬合直覺、訓練流程、框架用途
■常見題：資料量不足/過擬合/訓練不收斂怎麼做？
7.L23301 數據準備與特徵工程
■切分/交叉驗證、資料洩漏、特徵選擇/轉換概念
■題型：哪個做法會造成資料洩漏？何者可提升泛化？
8.L23302 模型選擇與架構設計
■基線模型、模型比較、可解釋性 vs 效能取捨
■題型：情境限制（延遲/成本/可解釋）
9.L23303 模型訓練、評估與驗證
■混淆矩陣、Precision/Recall/F1、資料不平衡策略
■題型：給混淆矩陣或敘述，問指標、問結論、問改善方向
10.L23304 模型調整與優化
■過擬合對策：正規化、Dropout、早停、資料增強
■調參策略：Grid/Random、學習率調整
■題型：看到「訓練好驗證差」→如何改善？
11.L23401 數據隱私、安全與合規
■權限控管、匿名化/遮罩、稽核、保存期限、機密資料保護
■情境題：哪種做法最符合合規？如何降低洩密風險？
12.L23402 演算法偏見與公平性
■偏見來源（資料/標註/模型/部署）、公平性直覺
■控管方式：資料再平衡、監控分群表現、人為審核機制
■情境題：遇到特定族群表現差，應怎麼處理？
13.考前總整理
報名網站:
請自行至以下iPAS官網進行個人報名：
https://www.ipas.org.tw/AIAP/
報名梯次：
本課程針對115年【第二梯】中級能力鑑定考試
報名日期：9/22前
考試日期：11/14