左記歐洲美國台灣百年進出口商行 安永經營管理商學院 台北愛情學院 101戀愛公寓 EMBA SPA Business College 希臘愛琴海 奢華時尚 生活美學國家品質獎 國家訓練品質獎 歐洲卓越經營模式 美國卓越經營模式 PMP 雲端ERP TTQS ISO10015 英國IIP ASSTD SBIR 芳香精油療法 人力創新獎 創業輔導諮詢 TOC精實管理 MIT經營管理 全球顧問團 時尚精品綠色商城 網誌
「Ti Amo」是義大利文的「我愛你」，
通常專指情侶、夫妻間深情的愛，具有相當程度的承諾。
在義大利日常生活中，對於家人或朋友，較常見的表達方式是「Ti voglio bene」。
Ti Amo 的相關知識：
|
科目名稱 |
評鑑主題 |
評鑑內容 |
備註 |
|
L11人工智慧基礎概論 |
L111 人工智慧概念 |
L11101 AI 的定義 與分類 |
|
|
L11102 AI 治理概念 |
如框架、歐盟、數位發展部 《公部門人工智慧應用參考 手冊》、金融監督管理委員 會《金融業運用人工智慧 （AI）指引》等國內外相關 政策法規等 |
||
|
L112 資料處理與分析概念 |
L11201 資料基本概念與來源 |
大數據、資料型態與結構， 如數值型資料、文字資料、 圖像資料等 |
|
|
L11202 資料整理與分析流程 |
如資料收集、清理、分析和 呈現等 |
||
|
L11203 資料隱私與安全 |
|||
|
L113 機器學習概念 |
L11301 機器學習基本原理 |
機器學習基本原理與目的 |
|
|
L11302 常見的機器學習模型 |
機器學習模型與評估， 如監督式學習、非監督式學習、 半監督式學習、強化式學 習、多模態學習 |
||
|
L114 鑑別式AI 與生成式AI概念 |
L11401 鑑別式AI與生成式 AI 的基本原理 |
基本原理、運用技術測試與驗證、目的與特性 |
|
|
L11402 鑑別式AI與生成式 AI 的整合應用 |
應用場域與情境， 如電腦視覺、語音辨識、生成技術等 |
||
|
L12生成式 AI應用與規劃 |
L121 No code / Low code概念 |
L12101 No Code / Low Code 的基本概念 |
No code / Low code 工具本身的基本認知與基礎概念 |
|
L12102 No Code / Low Code 的優勢與限制 |
No code / Low code 一般基本的理論知識與實際在各場 域應用的情況 |
||
|
L122 生成式AI 應用領域與工具使用 |
L12201 生成式AI應用領域與常見工具 |
領域如文本、圖像和聲音等； 工具如 OpenAI API、ChatGPT、 Midjourney 、 Copilot Studio 、 VS Code for Copilot、Github Copilot、 Cursor 等 |
|
|
L12202 如何善用生成式 AI工具 |
如 Prompt、RAG 等 |
||
|
L123 生成式AI 導入評估規劃 |
L12301 生成式AI導入評估 |
如技術或工具效能評估、適用 解決方案選擇、成本效益分析、AI 代理等；經濟部產業發 展署《AI 導入指引》相關資料 等。 |
|
|
L12302 生成式AI導入規劃 |
如目標設置、資源分配、導入策略、因應措施、測試等 |
||
|
L12303 生成式AI風險管理 |
如生成式 AI 倫理風險、資料安全隱私與合規性、風險影響 等 |
AI時代顛覆管理學 琴坂將廣教授剖析經營四大新趨勢
日本慶應義塾大學教授琴坂將廣（Masahiro Kotozaka）
近日發表新書《經營戰略的進化<理論篇>》，
深入探討人工智慧（AI）時代下經營學面臨的變革，
並提出管理者必須關注的四大新趨勢。
琴坂教授指出，截至2026年，AI的指數級發展正動搖傳統經營管理的根基。
生成式AI已超越人類認知極限，而機器人技術也重新定義了實體組織運作的前提。
他強調，學術研究與實務經驗中，存在著AI無法觸及的「私有資料」，
這成為人類在知識生產上的獨特優勢。
琴坂教授在接受《Biz/Zine》編輯部栗原茂（Shigeru Kurihara）採訪時表示，
他透過嚴格的學術研究論文、非公開付費文章，
以及與眾多大型企業高層的「密室討論」，獲得了
「會議室中實際運作的評估標準」與「能打動成功經營團隊的邏輯」，
這些都是AI難以企及的私人數據，也是他撰寫新書的重要動力。
在書中，
琴坂教授重新定義經營策略的核心為
「特定組織為達成某種目標的路徑」。
他引述亨利·明茲伯格（Henry Mintzberg）的觀點，
強調策略不僅是「事前的計畫」，也包含「過去事實所形成的模式」
以及「為擊敗競爭對手的計謀（Ploy）」。
他認為，理解策略的多義性，
有助於彌補研究者視角與實務工作者現實之間的鴻溝。
琴坂教授闡述了AI時代經營管理應對的四大新趨勢，其中包括：
趨勢1從關注內外部因素到策略實踐與行動的轉變；
趨勢2超越企業框架的「多層次邊界策略」；
趨勢3演算法與機器人導致「以人為本」思維的式微；以及
趨勢4中階主管角色的轉型，從過往的「瓶頸」轉變為「價值傳教士」。
他認為，這些新趨勢對於日本企業實現「逆轉勝」至關重要。
琴坂將廣教授擁有牛津大學商學博士學位，曾任職於
麥肯錫顧問公司（McKinsey & Company），
並創立三家涵蓋IT、零售及服務業的公司。
他專長於經營策略、國際管理與制度理論，
並擔任多家上市公司的外部董事及顧問。
琴坂教授預計將於今年夏季出版續集《經營戰略的進化<實踐篇>》，
進一步探討AI時代的實務應用策略。
AI 應用規劃師能力鑑定
中級能力指標
科目1
1.人工智慧技術應用與規劃
能力 指標
1.1 熟悉AI相關技術框架，具 備根據需求選擇合適技 術進行應用開發的能力。
1.2能夠根據業務需求分析 適合的AI技術，進行技術 可行性評估，設計符合需 求的
應用架構，並綜合考 慮資源配置、技術適配性 與實施可行性。
1.3 熟悉AI模型的訓練流程， 包括數據處理、模型調參 與效果評估等，確保模型
性能符合應用要求，並能 夠針對實際情況進行必 要的優化與改進。
科目 2 或科目 3 擇一報考
科目 2
2.大數據處理分析與應用
能力 指標
2.1瞭解機率與統計的基 礎知識，並能將其應用 於數據分析過程，
以確 保數據處理與分析結 果的準確性。
2.2具備使用大數據處理 技術與分析方法的能 力，熟悉如何使用工具 進行數據視覺化，
並能 深入挖掘數據中的洞 察。
2.3 具備評估大數據在 AI 應用中的效益的能力， 能夠規劃如何利用大 數據優化與
增強 AI 模 型的應用效果。
科目 3
3.機器學習技術與應用
3.1 熟悉機器學習中所 需的基本數學知 識，包括線性代數、 微積分、機率和統 計等，
能夠理解算 法的運作原理並正 確應用於模型開 發。
3.2具備建構、訓練與 調校模型的能力， 能選擇合適的算 法，進行特徵工程，
並優化模型參數， 以提升模型的精確 度與效能。
3.3 瞭解機器學習與深 度學習的概念、方 法和技術差異，能 夠根據不同類型的
AI 解決方案選擇 並應用最適合的技 術。
能力 指標
L21 人工智慧技術 應用與規劃
L211 AI 相關技術應用
L21101 自然語言處理技術與應用
L21102 電腦視覺技術與應用
L21103 生成式AI技術與應用
L21104 多模態人工智慧應用
L212 AI 導入評估規劃
L21201 AI導入評估
L21202 AI導入規劃
L21203 AI風險管理
L213 AI 技術應用與系 統部署
L21301 數據準備與模型選擇
L21302 AI技術系統集成與部署
L22 大數據處理分 析與應用
L221 機率統計基礎
L22101 敘述性統計與資料摘要技術
L22102 機率分佈與資料分佈模型
L22103 假設檢定與統計推論
L222 大數據處理技術
L22201 數據收集與清理
L22202 數據儲存與管理
L22203 數據處理技術與工具
L223 大數據分析方法 與工具
L22301 統計學在大數據中的應用
L22302 常見的大數據分析方法
L22303 數據可視化工具
L224 大數據在人工智 慧之應用
L22401 大數據與機器學習
L22402 大數據在鑑別式AI中的應用
L22403 大數據在生成式AI中的應用
L22404 大數據隱私保護、安全與合規
L23 機器學習技術 與應用
L231 機器學習基礎數 學
L23101 機率/統計之機器學習基礎應用
L23102 線性代數之機器學習基礎應用
L23103 數值優化技術與方法
L232 機器學習與深度學習
L23201 機器學習原理與技術
L23202 常見機器學習演算法
L23203 深度學習原理與框架
L233 機器學習建模與 參數調校
L23301 數據準備與特徵工程
L23302 模型選擇與架構設計
L23303 模型訓練、評估與驗證
L23304 模型調整與優化
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
左永安老師您好：
115年度共通核心職能師資回流暨研習會議說明如下：
報名方式：
報名期間：
115年4月15日(三)上午9時至115年4月22日(三)下午17時止。
1.人才管理大趨勢-從DEI找解方2. 培訓的交付與引導
發表文章
所有留言
