TD3500 iPAS AI 應用規劃師(中級)複習班 - 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，CChen 老師將以其獨家的「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。
  
  課程內容緊扣 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）
  
  課程將從經濟部iPAS產業人才能力鑑定重點出發，課程內容針對iPAS AI應用規劃師關鍵能力、鑑定重點、輔助教材說明，具備進入該專業人員之入門水準，提升學員進入從事 AI應用規劃師相關職務。
  
  ※ 提醒您，經濟部對 iPAS AI應用規劃師(中級)能力鑑定考試須自行個別報名，謝謝您!
  
  ※ 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
  
  遠距課程將使用Microsoft Teams平台，開課前會提供視訊連結。為尊重智慧財產權，課堂中請勿錄音或錄影。
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
- 中區智慧技術與職能發展組