圖解 iPAS AI 應用規劃師初級得分關鍵含AIE國際認證：AIAP 人工智慧應用規劃師 (Specialist Level)- 附贈 MOSME

第1章 人工智慧概念與發展｜必考基礎 ★★★

1-1 什麼是人工智慧？

1-2 弱 AI、強 AI 與超 AI

1-3 機器學習、深度學習與 AI 的關係

1-4 AI 的主要應用領域

1-5 台灣 AI 產業現況

1-6 AI 的能力與限制

1-7 生成式 AI 的崛起

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

第2章 AI治理與政策法規｜高命中率 ★★

2-1 什麼是AI治理

2-2 AI倫理原則

2-3 歐盟 AI 法案（EU AI Act）

2-4 台灣 AI 政策與法規

2-5 AI偏見與公平性

2-6 AI透明度與可解釋性

2-7 企業如何落實AI治理

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

第3章 資料處理與分析基礎｜觀念整合 ★★

3-1 資料的類型

3-2 資料收集方法

3-3 資料前處理

3-4 特徵工程

3-5 資料標注

3-6 資料集劃分

3-7 資料不平衡問題與處理

3-8 探索性資料分析（EDA）

3-9 常用資料格式

3-10 大數據概念（5V）

3-11 資料倉儲與資料湖

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

第4章 資料隱私、安全與機器學習基礎｜易混淆重點 ★★★

4-1 個人資料保護與台灣個資法

4-2 GDPR 的基本概念與全球影響

4-3 資料去識別化：匿名化與假名化

4-4 差分隱私：讓統計不洩露個人

4-5 聯邦學習：不集中資料的分散式 AI 訓練

4-6 AI 資安威脅：當模型本身成為攻擊目標

4-7 機器學習基本概念：讓機器從資料中學習

4-8 訓練、驗證與測試：模型評估的三道防線

4-9 過擬合、欠擬合與偏差-變異數取捨

4-10 模型評估指標：準確率不是唯一的答案

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

第5章 常見機器學習模型與深度學習｜模型核心 ★★★

5-1 線性迴歸（Linear Regression）

5-2 邏輯迴歸（Logistic Regression）

5-3 決策樹（Decision Tree）

5-4 隨機森林（Random Forest）

5-5 支援向量機（SVM）

5-6 K近鄰演算法（KNN）

5-7 K-Means 分群

5-8 神經網路基礎

5-9 卷積神經網路（CNN）

5-10 循環神經網路（RNN）與LSTM

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

第6章 鑑別式AI與生成式AI｜最新重點 ★★★

6-1 鑑別式AI（Discriminative AI）概念

6-2 生成式AI（Generative AI）概念

6-3 鑑別式 vs 生成式 AI 比較

6-4 生成對抗網路（GAN）

6-5 變分自動編碼器（VAE）

6-6 Transformer 架構

6-7 大型語言模型（LLM）

6-8 擴散模型（Diffusion Model）

6-9 提示工程（Prompt Engineering）

6-10 生成式AI的應用場景與挑戰

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

第7章 生成式AI應用、工具與導入規劃｜情境題重點 ★★

7-1 生成式AI主要文字工具介紹

7-2 圖像生成工具

7-3 影音生成工具

7-4 企業導入AI的步驟與框架

7-5 AI專案的ROI評估

7-6 AI導入的常見失敗原因

7-7 人機協作模式

7-8 AI能力中心（AI Center of Excellence）

7-9 生成式AI在不同產業的應用

7-10 台灣企業AI導入現況與政策

7-11 AI工具的選型原則

7-12 AI導入的倫理考量

7-13 未來AI發展趨勢

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

第8章 AI 技術發展與近期考試趨勢

8-1 AI 法規與政策最新動態

8-2 技術與應用趨勢

8-3 AI 開發工具、Low-Code 與市場應用趨勢

重點整理

考試比重分析

嘉泰老師帶你飛，考前重點複習

課後練習

 

附錄

A iPAS出題方向與常見陷阱

B iPAS分級模擬試題

C 模擬試卷（一）

D 模擬試卷（二）

E 讀書計畫：14 天考前衝刺與 30 天完整學習