人工智慧基礎概念與演進：
1、人工智慧的定義與範疇及發展演進
2、人工智慧的核心技術與應用（如機器學習、深度學習、資料處理分析、自然語言處理、電腦視覺、生成式人工智慧等）
3、AI 治理與倫理概念

資料基本概念與分析：
1、資料基本概念（定義與分類）
2、資料處理的基本方法
3、資料分析流程與統計方法
4、資料分析工具簡介與應用案例
5、資料隱私與安全

機器學習基本原理：
1、機器學習基本原理與架構
2、機器學習類型與常見的模型
3、資料處理及模型訓練與評估
4、機器學習應用案例

鑑別式 AI 與生成式AI 原理與應用：
1、鑑別式 AI 與生成式 AI 基本原理與比較
2、鑑別式 AI 與生成式 AI 基本核心技術介紹
3、鑑別式 AI 與生成式 AI 整合應用案例分享

No Code / Low Code的基本概念：
1、No Code / Low Code 基本概念與比較
2、生成式 AI 與 No code/Low code 的整合應用場景
3、No code/Low code 平台的選擇與評估

生成式 AI 應用領域與常見工具：
1、生成式 AI 基本概念與核心技術
2、生成式 AI 工具應用發展與常見生成式 AI 工具介紹
3、生成式 AI 於各領域應用發展
4、生成式 AI 應用時面臨挑戰與風險管理

生成式 AI 導入評估與規劃：
1、生成式 AI 的商業價值與應用前景
2、生成式 AI 導入評估框架與標準
3、生成式 AI 導入的規劃流程
4、生成式 AI 導入實施與運營
5、生成式 AI 風險管理

學員將具備辨識AI應用情境的能力，能操作基礎資料分析工具、應用生成式AI工具進行文字或圖像生成，並理解其潛在風險與限制。學員亦能評估AI導入的可行性，設計簡易AI應用流程或原型，並運用No Code/Low Code平台整合生成式AI，提升數位轉型與創新應用的規劃能力。