|
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 |