嗨 我是CCChen:
5/3 AI應用規劃師 初級 即將進行第二場考試, 大家都準備好了嗎?
在此提供給"非專業本科"跨領域學習初學者, 對於AI應用規劃師 初級的基本重點整理先初步了解, 再深入學習, 然後藉由練習題確認自己所學吸收程度
從先知道是什麼-->再去知道有什麼-->然後知道需要什麼
一步一步學習與成長
以下內容藉由Chat-GPT plus 4o模型
根據官方公布簡章+課程規劃書+評鑑範圍內容等資料, 分析生成供學習參考:
AI應用規劃師 初級
考試目的與特色
- 主辦單位：經濟部產業發展署
- 執行單位：工業技術研究院
- 目的：因應產業數位轉型需求，培育AI應用人才，提升就業力與產業競爭力
- 特色：以職能基準為基礎設計，產學研專家共同規劃，證書由經濟部核發
試科目與方式
🔰 初級
- 科目一：人工智慧基礎概論（75分鐘）
- 科目二：生成式AI應用與規劃（75分鐘）
- 測驗方式：電腦化單選題
能力指標概要
🔰 初級包含：
- AI基本概念、資料處理、機器學習原理
- 鑑別式與生成式AI的差異與應用
- No-Code / Low-Code 工具操作與應用
初級考試方向建議：
- 理論知識 + 實務應用並重：尤其是生成式AI的實用場景與工具操作。
- 熟讀政府AI政策、法規框架與應用實例。
- 理解No Code/Low Code工具的操作邏輯與價值定位。
- 建立Prompt設計與RAG等基礎生成式AI操作觀念。
- 資料處理流程熟悉程度將直接影響答題速度與正確率。
一、初級各單元重點筆記 + 記憶口訣整理
🌐【L11 人工智慧基礎概論】
🔹L111 AI 的定義與治理
- AI定義與分類：弱AI（單一任務）、強AI（全方位思考）
- 治理架構：
- 歐盟：可信任AI（可解釋、公平、可監督）
- 台灣：數位發展部《AI應用參考手冊》
- 金管會：《金融業運用AI指引》
🧠 記憶口訣：「歐金數」治理有保障（歐盟、金管會、數位部）
🔹L112 資料處理與分析概念
- 資料類型：數值型、文字型、圖像型
- 資料流程：收集 → 清理 → 分析 → 視覺化
- 重視隱私安全與合規（GDPR、個資法）
🧠 記憶口訣：「收清分視」數據清流才有視野
🔹L113 機器學習基本概念
- 學習類型：
- 監督式（有標籤）→ ex: Email分類
- 非監督式（無標籤）→ ex: 客群分析
- 半監督式（少量標籤）
- 強化學習（學習策略）
🧠 記憶口訣：「監非半強」學法各不同，分類配策略
🔹L114 鑑別式 vs 生成式 AI
- 鑑別式（Discriminative）：分類判斷
- 生成式（Generative）：創造新內容（如文字、圖片）
- 整合應用：電腦視覺、語音辨識、聊天機器人
🧠 記憶口訣：「鑑辨真假，生成內容」
🧠【L12 生成式 AI 應用與規劃】
🔹L121 No Code / Low Code 概念
- No Code：無程式碼（拖拉介面）
- Low Code：少量程式碼（開發者友善）
- 優勢：快速上線，降低門檻
- 限制：高度自訂或複雜流程有限制
🧠 記憶口訣：「無碼快，少碼穩」
🔹L122 生成式 AI 工具與應用
- 應用領域：文本（ChatGPT）、圖像（Midjourney）、程式碼（Copilot）
- 操作重點：
- Prompt撰寫
- RAG（Retrieval-Augmented Generation）
🧠 記憶口訣：「文圖碼三分天下，提示RAG不可少」
🔹L123 導入評估與規劃
- 導入前評估：工具效能、成本效益、技術成熟度
- 導入規劃：目標設定、資源分配、需求確認
- 風險管理：倫理、安全、隱私、法規
🧠 記憶口訣：「效益資源風險控，導入成功最重要」
科目一：人工智慧基礎概論（共15題）
Q1. 下列哪一項屬於「非監督式學習」？
A. Email垃圾分類 B. 顧客群聚分析 ✅ C. 股票價格預測 D. 貸款違約風險預測
解析：非監督式學習無標籤資料，群聚分析（clustering）為典型應用。
Q2. AI治理不包含以下哪一項？
A. 公平性 B. 可解釋性 C. 法律責任 D. 行銷策略 ✅
解析：AI治理關注倫理、法規、隱私，與行銷無直接關聯。
Q3. 下列何者不是常見資料型態？
A. 音樂資料 B. 圖像資料 C. 程式語言資料 ✅ D. 文字資料
解析：程式語言屬於結構資料的一種，但不是AI資料處理常見型態分類。
Q4. 關於資料處理流程，正確順序為？
A. 清洗 → 收集 → 分析 → 呈現 B. 收集 → 清洗 → 分析 → 呈現 ✅
C. 收集 → 分析 → 清洗 → 呈現 D. 分析 → 收集 → 清洗 → 呈現
解析：資料處理標準流程為收集 → 清洗 → 分析 → 呈現。
Q5. 資料隱私保護措施不包括？
A. 資料加密 B. 權限管理 C. 分析精準度 ✅ D. 去識別化
解析：分析精準度為資料應用指標，非隱私保護手段。
Q6. 下列哪一項描述「強化學習」最恰當？
A. 無需任何資料進行預測 B. 從與環境互動中學習 ✅
C. 完全依賴資料標籤 D. 僅用於圖片辨識
解析：強化學習從回饋中優化行為決策。
Q7. 「分類貓狗照片」屬於哪類學習？
A. 非監督式 B. 強化學習 C. 半監督式 D. 監督式 ✅
解析：有標籤（貓或狗），屬監督式。
Q8. AI技術依應用目的可分為？
A. 資料、模型、平台 B. 機器學習、深度學習、預測分析
C. 鑑別式、生成式 ✅ D. 整合式、模擬式
解析：AI類型以任務分類為鑑別/生成。
Q9. 鑑別式AI主要功能為？
A. 模擬語音 B. 資料生成 C. 判斷與分類 ✅ D. 資料整理
解析：鑑別式強調分類與識別。
Q10. 生成式AI主要應用不包括？
A. 故事創作 B. 程式碼撰寫 C. 音樂合成 D. 試題批改 ✅
解析：試題批改屬鑑別式任務。
Q11. 機器學習與傳統程式設計最大差異為？
A. 使用Excel分析 B. 自行學習模式 ✅ C. 記憶體需求較低 D. 可線上編輯
解析：機器學習依資料調整模型，非硬編邏輯。
Q12. 哪項不是半監督學習的特性？
A. 有部分標籤資料 B. 完全無標籤資料 ✅ C. 結合監督與非監督 D. 提升模型準確率
解析：半監督學習需要少量標籤配合大量無標籤。
Q13. 若AI系統誤判致災，應該加強哪方面？
A. 推薦系統 B. 互動介面 C. 資料倫理與AI治理 ✅ D. 自動化技術
解析：誤判涉及倫理、安全、法規問題。
Q14. 下列何者可有效實施AI治理？
A. 增加演算法運算速度 B. 讓使用者不能修改程式
C. 強化系統可解釋性 ✅ D. 使用非開源工具
解析：可解釋性可提升透明度與責任歸屬。
Q15. 監督式學習需具備？
A. 無標籤資料 B. 標註資料 ✅ C. 模型壓縮技術 D. 模糊邏輯原理
解析：監督式需明確標註資料學習。
📗 科目二：生成式 AI 應用與規劃（共15題）
Q16. ChatGPT最主要應用是？
A. 語音辨識 B. 文字生成 ✅
C. 圖像分析 D. 情緒判斷
Q17. 下列哪一項不屬於生成式AI？
A. ChatGPT B. Midjourney C. 程式碼產生器 D. 指紋比對系統 ✅
解析：指紋比對為辨識任務，屬鑑別式。
Q18. No Code工具的使用者通常是？
A. 資深AI工程師 B. 初學者與非技術背景 ✅
C. 演算法研究者 D. 系統維運人員
解析：No Code重點是讓無程式背景者使用AI。
Q19. 哪一項不是Low Code工具特徵？
A. 開發快速 B. 需少量程式碼 C. 高度客製化 ✅ D. 適合中高階工程師
解析：Low Code適合中階開發，難支援高度客製化。
Q20. 以下哪一項為生成式AI倫理風險？
A. 回應延遲 B. 語法錯誤 C. 偏見與不實內容 ✅ D. 操作太快
解析：AI偏誤與內容錯誤為倫理重點。
Q21. 導入生成式AI前需進行哪項分析？
A. 年齡層分析 B. 成本效益分析 ✅
C. 語言能力評估 D. 員工背景調查
Q22. Prompt的作用為？
A. 儲存輸出結果 B. 控制使用者介面 C. 引導生成式AI的輸入指令 ✅ D. 提升硬體效率
解析：Prompt 是與生成式AI溝通的核心。
Q23. RAG 是什麼？
A. 一種語言模型 B. 提高輸出正確性的檢索強化技術 ✅ C. 編碼器名稱 D. AI風險管理工具
解析：RAG整合知識檢索＋生成模型。
Q24. Copilot 的應用領域主要是？
A. 影片剪輯 B. 音樂合成 C. 程式碼輔助撰寫 ✅ D. 生物辨識
Q25. 哪一種應用無法使用生成式AI完成？
A. 創作故事 B. 製作插畫 C. 精確統計推論 ✅ D. 回答問題
Q26. 生成式AI可應用在哪些場合？
A. 客服對話 B. 商業簡報生成 C. 自動寫作 D. 以上皆是 ✅
Q27. 若要進行AI導入風險管理，哪一項最重要？
A. 增加網路頻寬 B. 選擇商用雲平台 C. 考慮倫理與隱私 ✅ D. 延後測試期
解析：倫理與隱私是導入時最核心風險評估指標。
Q28. 評估生成式AI工具時不應考慮？
A. 成本 B. 法規 C. 開發人數 ✅ D. 效能
解析：開發人數為企業內部管理指標，與AI工具本身無直接關係。
Q29. 若生成式AI產出錯誤資訊，應先檢查？
A. Prompt設計 ✅ B. 螢幕解析度 C. 上網速度 D. CPU型號
解析：Prompt設計品質會直接影響輸出內容。
Q30. 若企業內部導入AI失敗，常見原因為？
A. 硬體太新 B. 沒有明確導入目標與規劃 ✅ C. 員工太積極 D. 工具太便宜
我是CCChen 分享以上 AI學習整理
一起努力學習, 5/3 第二場測驗, 考場見.
