➡️壹、L21人工智慧技術應用與規劃
✅一、L211 AI相關技術應用
1. L21101 自然語言處理技術與應用
2.L21102 電腦視覺技術與應用
3.L21103 生成式AI技術與應用
4.L21104 多模態人工智慧應用
✅二、 L212 AI導入評估規劃
1.L21201 AI導入評估
2.L21202 AI導入規劃
3.L21203 AI風險管理
✅三、 L213 AI技術應用與系統部署
1.L21301 數據準備與模型選擇
2.L21302 AI技術系統集成與部署
3.L22103 假設檢定與統計推論

➡️貳、L22大數據處理分析與應用
✅ 一、 L221機率統計基礎
1. L22101 敘述性統計與資料摘要技術
2.L22102 機率分佈與資料分佈模型
✅二、L222大數據處理技術
1.L22201 數據收集與清理
2.L22202 數據儲存與管理
3.L22203 數據處理技術與工具
✅三、L223大數據分析方法與工具
1.L22301 統計學在大數據中的應用
2.L22302 常見的大數據分析方法
3.L22303 數據可視化工具
✅四、L224大數據在人工智慧之應用
1.L22401 大數據與機器學習
2. L22402 大數據在鑑別式AI中的應用
3.L22403 大數據在生成式AI中的應用
4.L22404 大數據隱私保護、安全與合規

➡️參、L23機器學習技術與應用
✅一、L231機器學習基礎數學
1.L23101 機率/統計之機器學習基礎應用
2.L23102 線性代數之機器學習基礎應用
3.L23103 數值優化技術與方法
✅二、L232機器學習與深度學習
1.L23201 機器學習原理與技術
2.L23202 常見機器學習演算法
3.L23203 深度學習原理與框架
✅三、L233機器學習建模與參數調校
1.L23301 數據準備與特徵工程
2.L23302 模型選擇與架構設計
3.L22303 模型訓練、評估與驗證
4.L22304 模型調整與優化
✅四、L234機器學習治理
L23401 數據隱私、安全與合規
L23402 演算法偏見與公平性

➡️肆、考試重點複習(含拆解考題、建立AI知識庫)

1.掌握考題趨勢與解題心法：
透過CCHen老師整理的「考試重點複習」與「AI 知識庫」，精準識別 iPAS 出題方向，大幅提升取證勝率。
2.建立 AI 關鍵技術架構：
深入淺出地理解自然語言處理 (NLP)、電腦視覺 (CV) 及生成式 AI (GenAI) 的運作原理，並能區分各類模型（CNN, Transformer 等）的應用場景。
3.精通 AI 專案導入與合規管理：
學會如何運用 CRISP-DM 流程進行導入評估，並掌握數據隱私、個資法規及 AI 倫理風險的實務應對策略。
4.突破數學與演算門檻：
克服對統計學與線性代數的恐懼，理解機器學習背後的數學邏輯，並學會解讀模型評估指標（Confusion Matrix, ROC/AUC）。
5.具備數據驅動的決策力：
熟練運用大數據工具進行資料清理與視覺化，理解數據在鑑別式與生成式 AI 中的核心角色。