2025 07 27 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 AI應用規劃師 初級 一、機器學習基礎 二、生成式AI基礎知識 三、生成式AI倫理規範 四、AI導入規劃 中級 Section A：監督式機器學習演算法Section B：非監督式機器學習演算法Section C：深度學習

AI應用規劃師

 初級

一、機器學習基礎

1. 人工智慧的技術浪潮

2. 機器學習原理

3. 資料與特徵

4. 資料預處理與視覺化

5. 探索式資料分析(EDA)Exploratory Data Analysis（EDA），探索式資料分析

    幫助我們事先了解資料的型態與分布，以利我們後續作分析與假設。   

6. 如何挑選好的特徵

7. Regularization

8. 評估迴歸模型的效能(MAPE, R2)

9. 評估分類模型的效能(PR, AUC)

 

二、生成式AI基礎知識

1. 生成式AI基本原理

2. 生成式模型架構簡介 (VAE、GAN、Diffusion Models)

3. LLM 與 Transformer 簡介

4. 生成式AI工具應用介紹

5. Prompt 工程與優化

 

三、生成式AI倫理規範

1. AI的倫理挑戰與風險

2. AI隱私保護

3. 生成式AI相關法律

4. AI風險管理與責任歸屬

5. AI在企業與社會中的負責任應用原則

四、AI導入規劃

1. AI佈署與導入

2. No Code / Low Code基本概念

3. AI民主化

 

中級 

Section A：監督式機器學習演算法

•  
• 1. 迴歸模型:
• • 線性迴歸
  • Ridge v.s. Lasso 線性迴歸
  • 評估迴歸模型的性能指標
• 2. 分類模型:
  • Logistic Regression 演算法
  • KNN 演算法
  • 決策樹演算法
  • SVM 演算法與數學原理
  • 評估分類模型的性能指標
• 3. Ensemble Method
  • Random Forest隨機森林
  • Adaboost

Section B：非監督式機器學習演算法

• 1. PCA 演算法
• 2. Clustering:
  • K-means 演算法
  • Hierarchical Method 演算法
• 3. 強化學習
  • 強化學習的架構
  • Q-learning 演算法

Section C：深度學習

• 1. 深度學習技術簡介
• 2. 類神經網路運算模型原理
• 3. 深度學習建立模型的流程
• 4. 深度學習框架TensorFlow/Keras 程式架構說明
• 5. 其他網路結構簡介：RNN/LSTM、CNN