TD3445 iPAS AI 應用規劃師(中級)複習班【視訊班】 - 列印 - 財團法人中國生產力中心線上商城

課程介紹
- 中國生產力中心特別邀請考照達人——CChen 老師親自授課。
  針對經濟部 iPAS「AI 應用管理師（中級）」證照考試，以獨家的「拆解考點」與「邏輯建構」教學法，帶領學員攻克 AI 領域的龐雜知識。
  
  L21 人工智慧技術應用、L22 大數據處理與 L23 機器學習技術與應用三大關鍵模組。不同於一般理論課程，陳老師將把艱澀的數學原理（如統計推論、矩陣運算）轉化為易懂的邏輯圖解，並針對考試最容易卡關的「AI 導入評估」與「模型參數調校」進行實戰拆解。
  透過名師的引導，學員不僅能建立完整的技術地圖，更能掌握答題的關鍵技巧，是連接技術理解與考取證照的最短捷徑。👍
  
  ⚠️『經濟部iPAS AI應用規劃師 (中級)能力鑑定』（考試日期依據iPAS公告）
  ⚠️ iPAS AI應用規劃師(中級)能力鑑定考試由學員自行報名。
  ⚠️ iPAS AI應用規劃師-中級能力鑑定考試相關資訊請按此https://www.ipas.org.tw/AIAP
  
  ✨本課程為遠端視訊課程🛜請自備筆電與視訊鏡頭上課💻不需到桃園教室受訓。
  ✨視訊採用Microsoft Teams，確定開課成功後會於課程前提供視訊網址及講義。
課程大綱
- ➡️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)
課程對象
- 1.欲快速取證的學生/求職者：
  希望在短時間內掌握考試重點，取得國家級 iPAS 證照以提升履歷亮點的資管、資工背景學生。
  2,專案經理與產品經理 (PM)：
  需要快速建立 AI 專業術語與技術架構認知，以便與技術團隊溝通並規劃產品路線圖的職場人士。
  3.企業數位轉型推動者：
  負責評估 AI 工具導入的中高階主管，需具備判斷技術可行性與風險管理能力的決策者。
課程效益
- 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。
主辦單位
- 中國生產力中心桃園服務小組