人工智慧 Artificial Intelligence
iPAS人工智慧是模擬人類認知能力的電腦技術,透過機器學習與深度學習讓系統能自主學習與決策
初級考試共 2 科,各 75 分鐘、50 題選擇題,總分 100 分。這份清單收錄 19 個初級必考術語,依科目分類整理,幫你快速掌握考試重點。
初級若同時報考兩科:總平均 70 分以上,且任一科不得低於 60 分;若分次報考:各科須達 70 分。
涵蓋 AI 定義與分類、治理概念、資料處理、機器學習原理、鑑別式與生成式 AI。這一科是所有 AI 知識的基礎,建議優先讀熟。
人工智慧是模擬人類認知能力的電腦技術,透過機器學習與深度學習讓系統能自主學習與決策
判別式 AI 學習輸入與輸出之間的條件機率 P(Y|X),直接預測分類或回歸結果,與生成式 AI 學習資料分佈 P(X) 相對
大數據指規模龐大、速度快速且多樣化的資料集合,傳統資料處理工具難以有效處理,需要專門的技術與架構來儲存、分析與應用
強化學習是一種讓 AI 透過與環境互動,從獎勵和懲罰中學習,進而找到最佳行動策略的方法
模型部署是指將訓練完成的機器學習模型整合到實際應用環境中,使其能夠接收輸入數據並產生預測結果,為業務決策提供支援。
機器學習讓電腦透過分析大量資料自動找出規律,無需明確程式指令即可完成預測與分類任務
深度學習是一種機器學習方法,透過多層神經網路自動從原始資料中提取階層特徵,解決複雜問題。
特徵工程透過創建、轉換與選擇原始資料的代表性特徵,顯著提升機器學習模型的預測效果
生成式 AI 是能夠產生新內容(文字、圖像、音訊、程式碼等)的人工智慧系統,基於學習大量訓練資料的分佈特徵來生成符合語境的輸出
監督式學習是一種 AI 方法,透過提供帶有正確標籤的輸入資料,訓練模型學習預測新資料的標籤
語音辨識是一種將人類語音轉換為機器可理解的文字或指令的技術,使電腦能夠聽懂並處理人類語言。
資料隱私是指保護個人資訊不被未授權存取、蒐集或濫用的原則與實踐,在 AI 系統中需遵循 PDPA 等法規要求
電腦視覺(Computer Vision)讓 AI 從圖像與影片中辨識物件、文字、人臉,廣泛用於自駕車、人臉辨識、醫療影像分析、工廠瑕疵檢測。
非監督式學習是機器學習方法,讓模型在沒有標籤的輸入資料中,自行探索隱藏的結構與模式
涵蓋 No Code/Low Code、生成式 AI 工具、提示工程、RAG、AI 導入評估與風險管理。這一科偏應用與實務規劃,情境題比例較高。
AI 代理是能自主規劃、執行任務並運用工具的 AI 系統,它不只回答問題,更能實際採取行動
低程式碼平台讓使用者透過視覺化拖拉介面快速開發應用,大幅降低軟體開發的技術門檻與時間成本
成本效益分析是評估 AI 專案投資回報的方法,計算直接節省成本加上間接效益後,扣除導入與維運成本,以判斷專案是否值得執行
提示工程是設計與優化輸入給 AI 模型的指令,以引導模型產生更準確、符合需求的回應
RAG(檢索增強生成)讓 AI 回答問題前先查詢外部知識庫,再結合查到的資料生成答案,大幅減少幻覺、提升回答準確性。