L21 中級必考
題數
50
單選題
考試時間
90
分鐘
及格門檻
70
分（兩科均需）
程式題
無
純概念題
中級考試結構提醒
中級共考 2 科：L21（必考）+ L22 或 L23 擇一。兩科都必須 ≥ 70 分才算通過。
115 年新考點
- AI 專案 ROI 計算框架（直接節省 + 間接效益 - 導入與維運成本）
- AI 風險評估矩陣（可能性 × 影響程度）
- 混合雲 AI 部署架構（公有雲 + 私有雲）
- MLOps 生命週期管理（特徵 store、模型漂移監控）
大量情境規劃題，幾乎沒有純背誦題；需要整合多個概念做最佳方案判斷
知識點地圖（依評鑑範圍）
L211 AI 相關技術應用（預估 12–15 題）
技術選型判斷
- • NLP 適用場景：客服、文件摘要、情感分析
- • Computer Vision 適用：瑕疵檢測、人臉辨識、OCR
- • GenAI 適用：內容生成、程式碼輔助、設計
- • 多模態 AI：同時處理文字+圖像+聲音
技術限制認知
- • 幻覺（Hallucination）風險
- • 資料偏見的來源與影響
- • 模型黑箱 vs 可解釋性需求
L212 AI 導入評估規劃（預估 18–22 題，最多）
導入評估
- • ROI 計算：直接節省 + 間接效益 - 導入成本
- • 成本效益分析（TCO 全生命週期成本）
- • Build vs Buy vs Partner 決策
- • PoC（概念驗證）→ Pilot → Scale
風險管理
- • AI 治理框架（可解釋性、問責制、公平性）
- • 負責任 AI（Responsible AI）原則
- • 風險矩陣：可能性 × 影響程度
- • PDPA 個人資料保護合規
L213 AI 系統部署（預估 12–15 題）
MLOps 生命週期
- • 資料管線 → 模型訓練 → 部署 → 監控
- • Feature Store：特徵集中管理與重複使用
- • 模型漂移（Data Drift / Concept Drift）監控
- • A/B Testing 模型上線策略
部署架構
- • 公有雲 vs 私有雲 vs 混合雲的選擇
- • Edge AI（邊緣運算）vs 雲端 AI
- • Microservices 架構下的 AI 整合
只練 L21：一個知識點配一組題目
不要從中級大題庫開始。先選 L21101、L21203 這種小單元，讀完概念後直接做同一知識點的題目。
L211
AI 相關技術應用
L21101
自然語言處理技術與應用
NLP、文本分類、情感分析、NER、機器翻譯
L21102
電腦視覺技術與應用
圖像分類、物件偵測（YOLO）、語意分割
L21103
生成式 AI 技術與應用
LLM、Diffusion Model、RLHF、生成架構比較
L21104
多模態人工智慧應用
文字、圖像、聲音等
L212
AI 導入評估規劃
L21201
AI 導入評估
技術或工具效能評估、適用解決方案選擇、成本效益分析
L21202
AI 導入規劃
需求分析、技術應用方案設計、目標設置、資源分配
L21203
AI 風險管理
風險識別、安全與合規性、AI 倫理、負責任 AI
L213
AI 技術應用與系統部署
L21301
數據準備與模型選擇
數據收集、數據清洗與預處理、特徵工程、不同模型的優缺點
L21302
AI 技術系統集成與部署
AI 系統架構設計、模型部署技術、效能監控和更新管理、雲端環境建置
常見陷阱
陷阱
MLOps vs DevOps：MLOps 額外包含特徵 store 管理和模型漂移監控
陷阱
AI 專案失敗主因：不是技術問題，是資料品質不足 + 組織變革管理失敗
陷阱
AI 治理 vs IT 治理：AI 治理多了可解釋性和演算法偏見的考量
備考計畫
7 天速成
- Day 1：L211 技術選型（NLP vs CV vs GenAI）
- Day 2–3：L212 導入評估（ROI / 風險矩陣）
- Day 4：L213 MLOps + 部署架構
- Day 5–6：做題（每天 25 題）
- Day 7：全科模擬 50 題
學習策略
每個概念都對應「真實企業場景」：考試給你情境讓你選最佳方案，要能判斷「為什麼這個方案優於其他選項」
- • 每個概念問自己「在哪個企業情境下會用到？」
- • ROI 計算題一定要會推導，不只背公式
- • 風險管理題：找出「最根本的風險應對方式」