2025 10 13 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 人工智慧基礎概論 (L11) L112資料處理與分析概念 分析類型： 1.監督學習：常見算法包括 1.3.1邏輯回歸(監督學習) 1.3.2支持向量機（SVM）監督學習 1.3.3神經網路(監督學習) 2.無監督學習： 2.1 k-means聚類（分組相似客戶）或 2.2 主成分分析（PCA，降維）。 3.深度學習：3.1圖像識別（卷積神經網路，CNN）或 3.2自然語言處理（循環神經網路，RNN）。

 

2025 10 13 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 人工智慧基礎概論 (L11) L112資料處理與分析概念 分析類型： 1.監督學習：常見算法包括 1.3.1邏輯回歸(監督學習) 1.3.2支持向量機（SVM）監督學習 1.3.3神經網路(監督學習) 2.無監督學習： 2.1 k-means聚類（分組相似客戶）或 2.2 主成分分析（PCA，降維）。 3.深度學習：3.1圖像識別（卷積神經網路，CNN）或 3.2自然語言處理（循環神經網路，RNN）。

 

資料分析：

AI   的  智慧 核心   資料分析

是利用  機器學習  和 其他分析技術  從清理後的數據中  提取洞見  的過程。

在AI中，這通常  涉及訓練模型  以

進行 預測、分類或 發現 模式，根據問題類型  選擇  合適的算法。 

 

分析類型：

    1.監督學習：

        基於  標籤數據   訓練模型，

        例如

         1.1回歸（預測連續值，如房屋價格）或

        1.2分類（預測類別，如客戶是否流失）。

         1.3常見算法包括

              1.3.1邏輯回歸(監督學習)

           1.3.2支持向量機（SVM）監督學習

           1.3.3神經網路(監督學習)

    2.無監督學習： 

         在無標籤數據  上  發現模式，

         如 

         2.1  k-means聚類（分組相似客戶）或

         2.2 主成分分析（PCA，降維）。

      3.深度學習： 

         使用神經網路處理複雜任務，

          如

         3.1圖像識別（卷積神經網路，CNN）或

         3.2自然語言處理（循環神經網路，RNN）。