桃園分部籌備中~~課程搶先開跑招生
【以上師資、課程內容、時間及場地等，本單位保留變更之權利。】
三天課程總覽 日期:5/2.5/3.5/9(六日)
甲、Day 1：科目L21（必修）。
乙、Day 2～Day 3：分流 A（L22）或分流 B（L23）+模擬考.
（符合「科目2或科目3擇一報考」規則）
Day 1（必修）科目 L21：人工智慧技術應用與規劃
甲、對應官方評鑑：L211 AI相關技術應用／L212 AI導入評估規劃／L213 AI技術應用與系統部署。
i. L211 AI相關技術應用（NLP／CV／生成式AI／多模態）
1.NLP：任務類型、常見方法、評估指標與應用情境。
2.CV：分類/偵測/分割概念、資料標註與落地限制。
3.生成式AI：能力邊界、常見風險（幻覺/版權/洩密）與典型應用。
4.多模態：文字×圖像×聲音整合場景與設計要點。
ii. L212 AI導入評估規劃（最常見情境題）
1.導入評估：效能/可行性/成本效益、解決方案選型。
2.導入規劃：需求分析、技術方案、目標/KPI、資源與時程。
3.風險管理：安全與合規、AI倫理/負責任AI、供應商管理。
iii. L213 AI技術應用與系統部署（架構題/流程題）
1.數據準備與模型選擇：資料蒐集、清理、特徵工程、模型優缺點。
2.系統集成與部署：架構設計、部署、監控更新、測試驗證、雲端環境。
iv.當日練習
1.L21 章節小考（觀念＋情境混合）。
2.1個「AI導入規劃迷你案例」：需求→資料→模型→部署→風險。
Day 2（分流前共通）＋分流課程（A 或 B）
甲、Day 2：(上午)共通：考試題型與「計算/判讀」基本盤
i.統計與資料題常見陷阱：分佈、抽樣、假設檢定、p-value直覺與判讀（對應 L221）。
ii.資料前處理觀念：缺失值/離群值/資料洩漏、資料切分與評估。
iii.題型演練：計算題（均值/變異、常見分佈判讀、檢定結論判斷）。
乙、Day 2 ：(下午) 分流（擇一）
i. 分流 A：科目二 L22 大數據處理分析與應用
1.L221 機率統計基礎／L222 大數據處理技術／L223 分析方法與工具／L224 大數據在AI之應用。
2.L222：數據收集清理、儲存管理、處理技術與工具（ETL概念、批次/串流概念）。
3.L223：常見分析方法、視覺化與儀表板思維（題目常考：何時用哪種方法/圖表）。
ii. 分流 B：科目三 L23 機器學習技術與應用
1.L231 基礎數學／L232 ML&DL／L233 建模與調校／L234 治理。
2.L231：線代/機率統計在ML的基礎應用、數值優化與收斂直覺。
3.L232：監督/非監督/深度學習框架概念、常見演算法比較。
Day 3（分流深化）＋全真模擬考＋總複習
甲、Day 3：(上午)（分流深化）
i.分流 A（L22）
1.L224：大數據×機器學習、鑑別式AI/生成式AI之資料需求差異、資料隱私/安全/合規。
2.題型加強：情境題（資料管線選擇、治理與合規、可視化解讀）。
ii.分流 B（L23）
1.L233：特徵工程、模型選擇、訓練/驗證/測試、評估與過擬合處理（正規化/Dropout等觀念）。
2.L234：偏誤/公平性、資料隱私與安全合規（常見「治理題」）。
乙、Day 3 ：(下午)（共同）
i.全真模擬考：科目一＋（科目二或三），依考試節奏演練（時間控管/猜題策略）。
ii.錯題本建立：把錯因分成「觀念缺口／公式不熟／題幹讀錯／情境判斷」。
iii.考前重點總複習：
1.L21：導入評估規劃＋風險管理。
2.L22：假設檢定與推論＋資料處理流程。
3.L23：模型評估指標＋過擬合/調參＋優化概念。
教材與出題依據
甲、官方提供：中級各科「學習指引」與培訓資源。
乙、官方提供：樣題/當次試題公告與「評鑑內容範圍參考」文件。
丙、官方簡章：評鑑主題/內容、及格與報考規則。
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【第一梯】中級能力鑑定考試
報名日期：4/10前
考試日期：05/23
