2025年9月30日 星期二

2025 10 01 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 公告115年度「產業人才投資方案」二計畫上半年訓練課程 受理期間 發布單位:訓練發展組 發布日期:114-09-19 檢核日期:114-09-19 1、依據「產業人才投資計畫」及「提升勞工自主學習計畫」二計畫 第20點規定辦理。 2、115年度上半年訓練課程受理期間自114年9月19日(星期五)起至114年10月23日(星期四)止,本次受理申請方式採線上與紙本雙軌並行,請於期限內(下午5時前)檢附相關文件完成線上作業或紙本遞件(皆需備函),向轄區分署提出申請(以送達日為憑)。115年度產業人才投資方案轄區特色、重點產業 屬政府推動之政策性產業「亞洲.矽谷3.0」、「台灣AI行動計畫2.0」、 「智慧國家方案」、「國家人才競爭力躍升方案」、「新南向政策推動計畫」 及 智慧機械、綠能科技、循環經濟、新農業、生技醫療、國防產業等各項政策性 產業,以及環境部淨零綠領人才培育課程。

 公告115年度「產業人才投資方案」二計畫上半年訓練課程

 受理期間

  •  發布單位:訓練發展組
  •  發布日期:114-09-19
  •  檢核日期:114-09-19
  •  

1、依據「產業人才投資計畫」及「提升勞工自主學習計畫」二計畫

     第20點規定辦理。


2、115年度上半年訓練課程受理期間自114年9月19日(星期五)起

      至114年10月23日(星期四)止,本次受理申請方式採線上與紙本雙軌並行,

      請於期限內(下午5時前)檢附相關文件完成線上作業或紙本遞件(皆需備函),

      向轄區分署提出申請(以送達日為憑)。


3、115年度上半年訓練課程預定115年1月13日(星期二)起開放報名,

      訓練單位最遲於115年6月30日(星期二)開訓並於115年8月31日(星期一)前結訓。 


4、訓練單位所提之訓練課程,下列產業別優先核定,其他產業為輔:

 (1)屬政府推動之政策性產業「亞洲.矽谷3.0」、

            「台灣AI行動計畫2.0」、       「智慧國家方案」、

            「國家人才競爭力躍升方案」、  「新南向政策推動計畫」

              及 智慧機械、綠能科技、循環經濟、新農業、生技醫療、

              國防產業等各項政策性產業,以及環境部淨零綠領人才培育課程。


 (2)配合各分署區域特色、轄區重點產業發展需求者(如附件)。

5、二計畫申請資格可於本署網站查詢。


  • 115年度產業人才投資方案轄區特色、重點產業



2025年9月29日 星期一

2025 09 29 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論 資料擴增(Data Augmentation) 資料正規化(Normalization) 轉移學習(Transfer Learning)

 iPAS AI應用規劃師初級能力鑑定-考試樣題 


  科目一:人工智慧基礎概論




2025 09 29 左永安 顧問/講師/委員 型一錯誤與型二錯誤(Type I Error & Type II Error)表示統計學假說檢定中的兩種錯誤 混淆矩陣(Confusion Matrix): 用於檢視分類型的預測結果,包括: 真正例(TP):正確預測為正的數量。 假正例(FP):錯誤預預測為正的數量。(型Ⅰ錯誤) 真負例(IN):正確預預測為負的數量。 假負例(FN):錯誤預預測為負的數量。(型Ⅱ錯誤) 如果真相是「虛無假設是對的」,實際上數據沒有特色,我們卻判斷數據具有特色,這就犯了型一錯誤 如果真相是「虛無假設是錯的」,實際上數據具有特色,我們卻判斷數據沒有特色,這則是型二錯誤

 混淆矩陣(Confusion Matrix): 

  用於檢視分類型的預測結果,

   包括: 

     真正例(TP) :正確預測為正的數量。 

     假正例(FP):錯誤預預測為正的數量。(型Ⅰ錯誤)

     真負例(IN) :正確預預測為負的數量。 

     假負例(FN):錯誤預預測為負的數量。(型Ⅱ錯誤)





如果真相是「虛無假設是對的」,

實際上數據沒有特色,我們卻判斷數據具有特色,這就犯了型一錯誤 

如果真相是「虛無假設是錯的」,

實際上數據具有特色,我們卻判斷數據沒有特色,這則是型二錯誤








2025年9月28日 星期日

2025 09 29 人生意義 成功 百分之五 改變

 

2025 09 29 人生意義 成功 百分之五 改變

 




2025 09 28 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 公司營運的目標或關鍵績效指標 (KPI) 涵蓋了財務、庫存管理、物流效率和員工發展等面向。 明星事業(Star) -高成長率、高市占率 來源 金牛事業(Cash Cows) -低成長率、高市占率 問題事業(Question Mark)-高成長率、低市占率 瘦狗事業(Dog) -低成長率、低市占率

公司營運的目標或關鍵績效指標 (KPI)

涵蓋了財務、庫存管理、物流效率和員工發展等面向。



明星事業(Star)                  -高成長率、高市占率 來源

金牛事業(Cash Cows)      -低成長率、高市占率

問題事業(Question Mark)-高成長率、低市占率

瘦狗事業(Dog)                 -低成長率、低市占率


這些指標的目的

是要在提高營業利潤、減少過多庫存的同時

優化 物流流程   透過教育訓練來提升員工的業績表現,

最終達成整體   企業的成長與獲利。


提高營業利潤

 (Improve operating profit)

這是企業最直接的財務目標,意味著要透過各種方式

(如提高銷售額、降低成本、調整產品組合等)

來增加公司在正常營運中的盈利能力。


大幅降低庫存與去庫存

 (Significantly reduce inventory and destock)


這表明公司目前庫存過多,並期望透過有效的庫存管理策略,

例如減少採購量、加速銷售或  淘汰滯銷品  等,來降低庫存水平。


降低物流成本及作業效率 

(Reduce logistics costs and improve operational efficiency)

著重於物流環節的優化,希望降低從倉庫到客戶手中的各項物流開銷,

並提高物流作業的整體效率,

例如加快訂單處理速度、減少運輸時間等。


教育與業績的正比增幅

 (Positive correlation between education and performance)

這是一個關於人力資本的目標,強調員工的教育訓練應能直接轉化為業績的提升。

換句話說,公司希望投資在員工的教育上能夠帶來顯著的業務成果。


企業追求的價值:

      獲利能力提升:            提高 營業利潤。

      資產效率優化:            降低 庫存,釋放被佔用的資金。

      營運效率增強:            降低 物流成本,提升作業效率。

      人才發展與成果連結:透過教育訓練,直接促進 業績增長。




2025年9月26日 星期五

2025 09 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 「業績提升」、「成本降低」、「新客戶增加」、 「客戶平均產值提高」 是企業 常見的目標 或 關鍵績效指標(KPI), 可用於評估公司在不同方面 的 營運成果。 平均客單價(Average Order Value,AOV):總營收 / 總訂單數。 客戶終身價值(Customer Lifetime Value,CLV)的提升。

「業績提升」、「成本降低」、「新客戶增加」

「客戶平均產值提高」




    是企業   常見的目標  或  關鍵績效指標(KPI)

     可用於評估公司在不同方面  的 營運成果

      這些目標可以進一步細化成  具體、可衡量  的  指標

      例如     業績提升  可以量化為  營收成長率,

                   成本降低  則可量化為   特定成本佔比的減少 而

                  新客戶增加  客戶平均產值提高

                  則可透過   客戶數增長率  和   平均客單價   來衡量。 


     業績提升

     涵義:指企業在特定期間內,達成比過去更高的營業額或總收入。

     衡量範例:

         總營收成長率:(本期營收 - 上期營收) / 上期營收 * 100%。

          特定產品線 或 服務 銷售量增長。 

      成本降低

     涵義:企業在生產、營運或管理過程中,設法減少支出,提高效率。

     衡量範例:

           總營運成本 佔  營收的比例下降

           某特定部門的費用(如行銷費用)佔比減少。

           庫存周轉率的提升,降低庫存成本。 

     新客戶增加

       涵義:企業吸引並成功獲得新顧客,擴大客戶基礎。

       衡量範例:

              新增客戶數量:在特定期間內  新增的  客戶總數

              新客戶  佔   總客戶數的比例。 

     客戶平均產值提高

       涵義:指每位客戶為企業帶來的平均價值提升,

                   通常透過增加購買頻率、單次購買金額或銷售高價值產品

                  來實現。

       衡量範例:

                    平均客單價(Average Order Value,AOV):總營收 / 總訂單數。

                    客戶終身價值(Customer Lifetime Value,CLV)的提升。 

如何運用

      企業通常會將這些目標轉化為實際的KPI,設定明確的具體數值和目標,'

         例如:

              「本季度的營收成長率達到15%」、

              「下一季度新客戶數量增加20%」等。

透過這些具體的KPI,企業可以更好地追蹤進度、評估績效,

並做出必要的調整以達成最終的策略目標。 



2025 09 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論 (A) 支援向量機(Support Vector Machine) (B) 變分自編碼器(Variational Autoencoder) (C) 自迴歸模型(Autoregressive Model) (D) 擴散模型(Diffusion Model) (A) 特徵(Feature) (B) 標籤(Label / Target) (C) 超參數(Hyperparameter) (D) 正則化係數(Regularization Coefficient)

iPAS AI應用規劃師初級能力鑑定-考試樣題 


  科目一:人工智慧基礎概論


   一家智慧工廠 使用機器學習分類模型  預測  關鍵設備  

   是否會異常停機

   完 成模型訓練後,團隊希望全面評估模型在不同面向

   的表現。

   請問下列哪 項指標最適合用來衡量模型

   在偵測異常停機時的「漏報率」

 (即未能  正 確偵測出異常事件的比例)?

       (A) 準確率(Accuracy),即模型整體預測正確的比例

       (B) 召回率(Recall),即模型能正確找出異常停機的比例 

       (C) F1分數(F1 Score),準確率與召回率的調和平均數 

       (D) 假陽性率(False Positive Rate),即將正常事件誤判為異常的比例


   神經網路 與  傳統機器學習模型  的  主要區別是什麼? 

      (A) 神經網路無法處理非線性數據

      (B) 神經網路透過多層結構學習複雜特徵 

      (C) 神經網路只適用於迴歸問題 

      (D) 神經網路不需要大量數據支持


下列關於生成對抗網路(GAN)的描述正確的是哪一項?

      (A) GAN由生成器和鑑別器組成 

      (B) GAN僅用於分類問題 

      (C) GAN的結果始終高度可解釋

     (D) GAN不能生成高品質的數據


一位資料分析師希望  減少輸入特徵維度,以提升模型運算效率,並觀 察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數 量,下列哪一項方法最適合?

(A) 套用主成分分析(PCA)以擷取主要變異方向並轉換新變數; 

 (B) 利用離散化方法將連續變數轉為分類型欄位; 

 (C) 使用標準化方法將所有特徵縮放至相同數值區間;

 (D) 以ETL技術移除空值欄位並改儲為JSON格式 


關於目前   生成式AI的主要應用,不包括下列哪一項?

 (A) 創建合成數據樣本

 (B) 模擬數據分佈 

 (C) 分類醫學影像

 (D) 生成文本 


下列哪項是生成式AI支援鑑別式AI的典型案例?

 (A) 模擬交通場景以訓練自動駕駛模型

 (B) 使用CNN對腫瘤分類 

 (C) 使用SVM分析風險

 (D) 創建更好的分類演算法 


 關於自然語言處理(NLP)核心技術,下列敘述何者不正確 

 (A) 語音識別技術將語音轉換為文本,並用於語音助理和語音輸入

 (B) 自然語言生成技術可以生成自然流暢的文本,用於聊天機器人和自 動文案生成 

 (C) 語意分析技術理解文本的語意,並主要用於語音識別和機器翻譯

 (D) 機器翻譯技術自動翻譯文本,促進多語言支援和全球溝通 


關於「負責任的AI」,下列敘述何者較為正確? 

       (A) AI系統的開發者對AI系統的行為負責 

       (B) AI系統的使用者對AI系統的結果負責 

       (C) AI系統本身對其行為負責 

        (D) 政府對AI系統的發展負責 


關於生成式AI的基本原理,下列敘述何者較正確 

 (A) 生成式AI通過分析大量數據來生成新數據,模擬數據分佈以創造 

        與訓練數據相似的結果 

  (B) 生成式AI主要通過預定義的規則來進行數據處理和分類 

  (C) 生成式AI專注於數據分類和迴歸預測,幫助識別已知數據中的模 式

  (D) 生成式AI通過自動化的方式清洗數據,提升數據分析的準確性 


關於下列模型 在生成式人工智慧(Generative AI)中的角色,

何者並非「產生新資料」為主要設計目的?

    (A) 支援向量機(Support Vector Machine)

    (B) 變分自編碼器(Variational Autoencoder)

    (C) 自迴歸模型(Autoregressive Model)

    (D) 擴散模型(Diffusion Model) 


某份資料中出現多個欄位(如score1、score2、score3)

儲存相同的  成 績資訊,造成  資料 結構重複 與 使用混淆,

此種情形  屬於下列 哪一種資料 品質問題

    (A) 重複資料(Duplicate Data)

     (B) 冗餘資料(Redundant Data) 

     (C) 格式錯誤資料(Malformed Data)

     (D) 缺失資料(Missing Data) 


某電商平台希望預測  商品的  退貨機率,以協助降低營運風險。若模型使 用的   輸入資料包含「商品售價」、「顧客年齡」、「運送天數」,而模型的輸 出為 是否退貨(是/否)。請問在此模型中,「是否退貨」應歸類為下列哪 一類變數?

    (A) 特徵(Feature)

    (B) 標籤(Label / Target) 

    (C) 超參數(Hyperparameter) 

    (D) 正則化係數(Regularization Coefficient)



2025 09 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論公司在整合資料時,發現同一客戶的姓名 在不同系統中拼寫不一致 (例 如「陳大文」與「陳大文先生」), 導致資料無法正確對應。 請問此類 資 料品質問題 應該在ETL(擷取Extract、轉換Transform、載入Load) 哪一個 流程步驟中進行處理? (A) 資料轉換(Data Transformation) (B) 資料擷取(Data Extraction) (C) 資料載入(Data Loading) (D) 型態轉換(Type Conversion)

 iPAS AI應用規劃師初級能力鑑定-考試樣題 


  科目一:人工智慧基礎概論


下列資料型態,何者最常 用來儲存

員工年齡、員工年資、貨品銷售量等 資料?

    (A) 文字型(Text) 

    (B) 數值型(Numeric)

    (C) 日期型(Date)

    (D) 布林型(Boolean) 


   某行銷公司  欲針對新客戶 進行「行銷活動推播」

   目前擁有資料包含:

   客 戶基本資料(尚未有購買紀錄)、

   客戶過往點擊行為(未標記是否完成購 買)、

   類似客戶是否曾購買過(已標記「有/無購買」標籤)。

   若該公司希 望預測新的單一客戶是否可能完成購買行為,

   下列哪一種  學習方式 與  資 料搭配   最合適? 


 (A) 使用非監督式學習,分析所有客戶點擊路徑進行異常偵測

 (B) 使用非監督式學習,將客戶分群後預測其轉換率 

 (C) 使用監督式學習,針對未標記資料直接預測轉換可能性

 (D) 使用監督式學習,以已知購買結果作為標籤進行訓練 


在品質管理中,若一產品的生產過程中  標準差顯著偏大

通常意味著什 麼? 

 (A) 資料點高度集中,產品質量穩定 

 (B) 生產過程波動大,產品品質不穩定 

 (C) 資料無法反映產品實際狀況 

 (D) 中位數數值高,品質良率較高 


   某AI團隊在分析一組  連續型數據  時,發現部分紀錄的

   數值明顯高於其 他資料點。若 專案目標 是 識別高價值客戶

   的行為模式,下列哪一種處理 方式最為合適?

    (A) 立即刪除離群值,以避免模型訓練時出現偏差 

    (B) 視為錯誤值並全部替換為平均值 

    (C) 保留離群值並標註為高價值異常點,納入後續模型訓練考量 

    (D) 將離群值全數轉換為中位數,避免影響平均計算 4 題號 答案 題目 


   在檢視資料品質時,可參考資料變異程度及資料的

   集中趨勢。下列何 者不屬於  資料集中趨勢衡量  的方法?

     (A) 平均數(Mean)

     (B) 中位數(Median)

     (C) 眾數(Mode)

      (D) 標準差(Standard Deviation)


某醫院研究特定心血管疾病的成因,

收集了50名  病患  與  150名正常人

年齡、血壓、血型等三項屬性變數。

此研究適合使用下列  哪一種機器 學習模型  來建立?

(A) 決策樹(Decision Tree) 

 (B) 線性廻歸(Linear Regression) 

 (C) 基於密度之含噪空間聚類法

     (Density-Based Spatial Clustering of Application with Noise, DBSCAN) 

 (D) K-means聚類(K-means Clustering) 


 公司在整合資料時,發現同一客戶的姓名

 在不同系統中拼寫不一致

(例 如「陳大文」與「陳大文先生」),

 導致資料無法正確對應。

 請問此類  資 料品質問題

  應該在ETL(擷取、轉換、載入) 哪一個  流程步驟中進行處理?

 (A) 資料轉換(Data Transformation) 

 (B) 資料擷取(Data Extraction) 

 (C) 資料載入(Data Loading)

 (D) 型態轉換(Type Conversion)


 銀行想建立聊天機器人,可透過下列哪一種領域技術來達成?

      (A) 資料庫管理技術

      (B) 機器學習與自然語言處理 

      (C) 網頁開發技術 

       (D) 網路安全技術 


線性迴歸模型最適合解決哪種類型的問題? 

     (A) 圖像分類

      (B) 銷售額預測

      (C) 聚類分析 

      (D) 遊戲策略學習



ETL(擷取、轉換、載入)流程

  是一個將資料從來源系統移動到目標系統的過程,

   包含三個主要步驟:

    1.擷取 原始資料,

    2.轉換 資料使其  符合  特定格式並進行驗證,

    3.最後將載入資料  至 目標儲存位置如資料倉儲或資料湖。

    此過程旨在  確保資料  的準確性、一致性,以便後續

     進行分析  和  商業智慧應用。 

 1. 擷取 (Extract)

    目標從一個或多個來源系統中提取資料。 

    資料來源來源可能非常多樣,包括資料庫、API、檔案、IoT 日誌、文件、

                        電子郵件和應用程式等。 

     處理在擷取階段,主要目的是將資料移至一個中繼區域(如暫存區)

                 以進行下一步的處理。 

   2. 轉換 (Transform)

      目標對擷取的資料進行必要的處理,使其符合目的儲存的格式和業務規則。 

      處理

          清理:移除重複、不完整或明顯錯誤的資料記錄。

          格式化:將資料轉換為統一的通用格式,例如調整

                          資料型態、 欄位合併或分割等。

          驗證:根據業務邏輯驗證資料的準確性與可靠性。

          聚合:將資料進行匯總或整理。 

     3. 載入 (Load)

          目標:將轉換後的資料傳送至目的地系統進行儲存。 

          處理將資料載入到目標資料倉儲、資料庫、資料湖或資料儲存庫中。

                      此步驟可包含初始載入所有資料,或只載入自上次流程執行以來

                      新增的增量變更。載入可以是即時的,也可以是按計劃分批進行的。 

結論

             ETL 流程透過「擷取」、「轉換」和「載入」三個步驟,

             將分散且格式各異的原始資料,轉化為可用於進階分析的

             乾淨、結構化資料,從而支援企業做出更好的決策。 




2025年9月25日 星期四

2025 09 25 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論 關於K平均法(K-means),下列敘述何者「不」正確? (A) 希望找出k個互不交集的群集 (B) 不同的起始群集中心,可能會造成不同的分群結果 (C) 容易受雜訊與離群值(Outlier)影響其群集中心 (D) 可以處理類別型資料

 iPAS AI應用規劃師初級能力鑑定-考試樣題 


  科目一:人工智慧基礎概論


  某生成式AI模型接收一段語音輸入

「一隻戴著太空帽的企鵝正在火星 上跳舞」,

   並根據該語音內容產生一張圖像呈現相對應的場景。

   此 類模 型最符合下列哪一種生成任務分類? 

  (A) 語音生成圖片 

  (B) 圖像生成語音

  (C) 語音翻譯

  (D) 圖像標註 


下列何者大數據時代資料的特性?

 (A) 資料量大 

 (B) 資料變動速度快 

 (C) 資料多樣性

 (D) 資料存儲位置固定


關於K平均法(K-means),下列敘述何者「不」正確?

 (A) 希望找出k個互不交集的群集 

 (B) 不同的起始群集中心,可能會造成不同的分群結果 

 (C) 容易受雜訊與離群值(Outlier)影響其群集中心

 (D) 可以處理類別型資料


 在公司財務資料中,發現某筆支出金額達1,000,000元

 若希望合理判 斷該筆資料  是否為異常值

下列哪一種處理方式最為合適?

 (A) 以Z-score方法量化異常程度,判斷是否為極端值;

 (B) 以資料中的眾數作為參考基準,判斷其是否異常;

 (C) 先透過主成分分析(PCA)降低維度,再進行異常值判定; 

 (D) 直接將該筆金額替換為資料中位數,以降低其對分析結果的影響  


下列哪一種資料類型不屬於  非結構化資料

 (A) X光醫學影像

 (B) 監控錄影畫面 

 (C) 客服電話錄音

 (D) 組織內部的關係型資料庫記錄 



2025 09 25 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論 下 列何者最適合訓練電腦下圍棋、自動駕駛 等動態重複地互動的問題? (A) 監督式學習(Supervised Learning) (B) 非監督式學習(Unsupervised Learning) (C) 半監督式學習(Semi-supervised Learning) (D) 強化學習(Reinforcement Learning)

 iPAS AI應用規劃師初級能力鑑定-考試樣題

  科目一:人工智慧基礎概論 


1.下 列何者最適合訓練電腦下圍棋、自動駕駛

  等動態重複地互動的問題? 

 (A) 監督式學習(Supervised Learning)

 (B) 非監督式學習(Unsupervised Learning) 

 (C) 半監督式學習(Semi-supervised Learning) 

 (D) 強化學習(Reinforcement Learning)


2.深度學習模型中,下列哪一項通常用來

降低 過擬合(Overfitting)問題

(A) 增加訓練數據量 

 (B) 增加模型的複雜度 

 (C) 增加學習率

 (D) 增加正則化項 


3.下列哪一項敘述符合AI治理的核心原則 

 (A) AI系統的風險等級應在設計階段預先評估,並於部署後持續監控; 

 (B) 只要AI模型輸出結果準確,是否公平或透明並非治理重點; 

 (C) AI治理應聚焦在企業內部自行負責,不需外部規範參與;

 (D) 對於低風險AI系統皆可免除透明性與問責機制之要求


4.若要設計一個 能夠辨識並過濾垃圾郵件的 系統

   應該選擇下列哪一種 機 器學習演算法

   以實現最佳效果? 

 (A) 監督式學習(Supervised Learning)

 (B) 非監督式學習(Unsupervised Learning) 

 (C) 半監督式學習(Semi-supervised Learning)

 (D) 強化式學習(Reinforcement Learning)


5.假設某國正在考慮使用AI技術來進行社會信用評分,

  並根據年齡、缺 陷、種族等特徵來評定個人的信用;

  同時,該國計劃在公眾場所 使用遠 程生物辨識系統

  進行執法,目的在於提高社會秩序和安全。

  上述AI應 用可能會引發對隱私和個人權利的重大關注,

  根據歐盟《人工智慧法》 (Artificial Intelligence Act, AIA

  的風險分級,這類應用屬於哪一風 險等級? 

 (A) 不可接受風險 

 (B) 高風險 

 (C) 有限風險 

 (D) 小或低風險




2025年9月24日 星期三

2025 09 24 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 績效管理 「關鍵績效指標」( KPI) SWOT分析 「策略」、「 方針」還不夠具體,需展開具體可行的「行動方案」。。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

績效管理 

      步驟一:界定    企業      目標 

      步驟二:設定    部門      目標               、工作任務  與  績效標準 

      步驟三:設定     員工       工作目標    、工作任務  與   績效標準 


先談        企業的目標、  中長程計劃  與   年度營運規劃

再談        企業要   透過   哪些手,來朝向這個目標?


      SWOT分析的目的,就是要  找出可行的「策略」、「 方針」

        執行    這個     經營目標


  「策略」、「 方針不夠具體需展開具體可行「行動方案」

       確保企業的經營目標  能一層層的 下放展開  到  負責個別職能   員工身上;

      同時要確定每一層級的  工作內容  與  目標

      都能夠與上一層級    的   目標       相連結。 


      確 保  員工的努力  與  企業經營目標   相連結

      我們還要「達到甚麼成果」?


       SWOT分析之後,再執行「關鍵績效指標」( KPI)

      再將「關鍵績效指標」( KPI)  從公司層級  展開到部門、單位

        再依  工作說明,                     展開個人 「關鍵績效指標」( KPI)







2025年9月23日 星期二

2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 RAG (Retrieval-Augmented Generation) 是一種自然語言處理模型, 它結合了檢索(retrieval)和生成(generation)的技術。

 

2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 RAG (Retrieval-Augmented Generation) 是一種自然語言處理模型, 它結合了檢索(retrieval)和生成(generation)的技術。

 

RAG 的原理與進行方式是什麼?可以解決什麼困難?


RAG (Retrieval-Augmented Generation) 的基本結構

包括一個生成器(generator)和一個檢索器(retriever)

生成器   負責生成文本,而

檢索器   則用來   檢索與生成   相關  的  外部知識


檢索(Retrieval): 

在這一階段,RAG 模型使用檢索模型,

通常是一個   檢索式記憶體網絡(Retriever)

從龐大的資料庫  中   檢索相關訊息。

這個模組  能夠根據  輸入的  提示 或  查詢

從  文本資料庫   中找到    相關的資訊片段。

檢索模組的目標是

確保   提取的資訊  與  輸入文本    有高度的 相關性 和 完整性

生成(Generation): 

獲取到  的  檢索資訊  接著被傳遞到生成模組中,

通常是一個語言生成模型(如 GPT,BERT 等)。

生成模組    利用這些檢索到的資訊,

以  更有   邏輯 和 意義  的方式    生成  回答、文章或其他形式的內容

這讓模型能夠  更好地理解   檢索到的   上下文資訊  並生成  更精確的回應

整合和調整(Integration and Adjustment): 

檢索到的  資訊片段  會與   生成模型中的內部資訊   相互結合

以產生  最終的輸出

這個過程可能包括   整合檢索到的訊息 以及  根據 生成模型的內部機制   進行調整

以  確保  生成的內容   具有   合適的邏輯  和  完整性


2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 線性迴歸linear regression 是一種 透過尋找 自變數 和 依變數 之間的線性關係, 以建立預測模型來預測未知值的統計分析方法。

 AI應用規劃師(初級) 

  人工智慧基礎概論 (L11)      

       L111 人工智慧概念   

 

線性迴歸linear regression

    是一種  透過尋找    自變數 和 依變數  之間的線性關係,

    以建立預測模型來預測未知值的統計分析方法。

   它假設兩個變數之間存在線性關係,

    通常可以用一條直線或一個平面近似表示。

    簡單線性回歸     只有一個自變數

  而多元線性回歸   則有多個自變數。 

 主要概念

    自變數(Independent Variable)

    用來預測依變數的值的已知變數,也稱為特徵(feature)或預測因子。 

    依變數(Dependent Variable)

    被預測的目標變數,其值會受到自變數的影響。 

     線性關係

    自變數和依變數之間存在一種直線或平面近似的關係。 

     最佳擬合線

    在數據點中找到一條最能代表整體趨勢的直線,用於預測。 

    截距(Intercept)和斜率(Slope)

    在簡單線性回歸中,截距是y軸上的點,斜率則表示自變數每改變一個單位,

    依變數會改變多少。 

     誤差項(Error Term)

    表示  實際觀測值  與  模型預測值  之間的差異。 


線性回歸的應用

     1.預測模型

       基於過去的數據,建立模型來  預測未來的  銷售額、房價、或特定數值。 

     2.找出變數關係

      量化  自   變   數  如何影響   依 變 數,理解它們之間的   依賴關係。 


簡單線性與多元線性回歸

   簡單線性

    只有 一個自變數 一個依變數,其關係可以表示為一條直線,

    如 y = a + bx + e。 

   多元線性

    包含兩個或兩個以上自變數,其迴歸方程可以是一個平面或超平面,

    如 y = a + b1x1 + b2x2 + ... + e。 


如何確定模型

    最小二乘法(Least Squares Method)

    一種常用方法,旨在最小化每個數據點到擬合線的平方距離總和,

    以此找到最佳的截距和斜率。 

注意事項

     對異常值敏感

     異常值(outliers)可能會對線性迴歸模型產生很大的影響。 

     線性關係假設

     線性的前提是自變數與依變數之間存在線性關係。

     若數據關係是非線性的,則需要考慮  其他模型

     如多項式歸。 




2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 供應商交期達成率(On-Time Delivery Rate,OTD) 是指在約定的交貨時間內,供應商實際交付貨物 的比例,是 評估供應商表現的關鍵績效指標 (KPI) 提高達成率的方法 1.優化採購流程: 2.加強供應商管理: 3.風險管理:

 

供應商交期達成率(On-Time Delivery Rate,OTD)

是指在約定的交貨時間內,供應商實際交付貨物 比例,是

評估供應商表現的關鍵績效指標 (KPI)能夠衡量

供應商的  生產能力 和  管理水平,高達成率意味著

更好的   客戶滿意度  和  供應鏈穩定性

其計算方式為:(準時交貨的訂單數量 / 總訂單數量) x 100%。 


計算方式與意義

計算方式:供應商的交期達成率是以百分比表示,計算公式為:

(準時交貨的訂單數量 / 總訂單數量) x 100%。 


評估指標:

   高達成率:

    表示供應商擁有較強的生產能力和穩定的生產管理水平。

   低達成率:

    可能表明供應商的生產能力不足,或其生產過程組織管理跟不上供應鏈的要求。 


重要性:

     1.衡量客戶滿意度:

      供應商的達交率直接影響客戶的訂單是否能及時滿足,進而影響客戶滿意度。

     2.供應鏈穩定性:

       高供應商達成率有助於確保企業生產的穩定進行,降低因供應延誤而造成的

        生產中斷風險。 


提高達成率的方法

為了提高供應商的交期達成率,企業可以採取以下措施:

     1.優化採購流程

       詳細了解供應商的  生產流程 和 能力,並在採購過程中 設定明確的

       交貨時間。 

     2.加強供應商管理

        定期評估  和  追  蹤供應商  的   績效表現必要時提供輔導以改進其管理能力。 

     3.風險管理

       分析  供應商的    斷料風險  及  延誤交貨  的  潛在因素,並建立應對預案。 





2025年9月21日 星期日

2025 09 21 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 指標5:訓練規劃及經營目標達成的連結性(滿分5分)列舉適當佐證資料項目 1.說明 如何 連 結 組織目標、需求 及 訓練發展方向。 2.展現 如何 連 結 訓練發展方向 與 訓練行動計畫 及 (策略性)重點課程。

 指標5:訓練規劃   及

            經營目標達成   的  連結性  (滿分5分)


列舉適當佐證資料項目 

       1.說明  如何  連 結   組織目標、需求  及  訓練發展方向。   
  
       2.展現  如何  連 結   訓練發展方向 與  訓練行動計畫  及  (策略性)重點課程



指標意涵說明 

  此指標   強調    組織的願景策略目標經營需求 與  訓練需求

  必須有完整的關聯。 

  通常      透過   組織績效分析結果  與  訓練機能   展開連結,

  並 針對  組織人力   的   職能不足。 

  發展   訓練方針  訓練行動計畫  與  (策略性)重點課程。 


常見參考佐證資料

   1.員工訓練  與  組織年度事業計畫  與  員工訓練規劃   連結  的  證明。 

   2.訓練課程體系訓練重點  與  組織業務   策略方向    連结  的  證明。 

   3.訓練規劃  與  達到  組織訓練   績效目標                      連結   的  證明。

  4.其他  有關  訓練規劃   與  經營目標                               有效連結  的  證明





      


2025 09 21 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 指標4:訓練品質管理的系統化文件資訊(滿分5分) 人才發展品質管理手冊。 手冊内 可參考 TTQS架構精神·ISO10015精神 ISO四階文件格式 包括 「訓練需求之定期 的 調查與分析」 「不同訓練課程 的 設計與規劃方向」 「訓練的 提供方式 與 選擇 的 指標」 「 訓練 結果 的 評估」以及 「訓練 實施 的 標準化作業流程(SOP)

 指標4: 訓練品質管理   的  系統化文件 資訊(滿分5分)


列舉適當佐證資料項目 


1. 展示文件     (如:  訓練手冊、訓練體系圖表、 程序  或  辦法   等  相關文件)

    以  說明 組織  如何運作  TTQS管理系统。 

2. 展示此文件   如何 核准公告 更新、保存紀錄
 
                      展示完整   之   教育訓練體系  规劃。 


指標意涵說明 


  與【指標3  明確的  PDDRO 訓練課程   與   明確的   核心訓練類別

  互相連結


  建立     訓練體系  運作    

  管 理    系統化 文件  , 

  以  確保    訓練體系    的運作   及  教育訓練業務    的  執行

  能夠  有系统性流程  可以  遵循

 

  對任何一個管理系统而言,  

  文件化 的架構     通常  分為四個   不同的階層

    (1)   手冊            (基本  指導網要  原則) 

    (2)   程序文件    ( 维繫  組織內  各部門間 各項作業  的  銜接性  加以  明文規定)  

    (3)  工作指導書  (落實執行  訓練管理系統,  將每一項  動作的基準    

           加以詳細說明)  

    (4)  表單            (記載執行  的  佐證資料  所使用的空白表格)


常見參考佐證資料

  人才發展品質管理手冊。 

  手冊内 可參考   TTQS架構精神·ISO10015精神

  ISO四階文件格式   包括 

   「訓練需求之定期  的  調查與分析」  

   「不同訓練課程     的   設計與規劃方向」 

   「訓練的   提供方式  與  選擇   的  指標」 

   「 訓練  結果  的   評估以及

    「訓練  實施  的   標準化作業流程(SOP)

     等内容