嗨 我是 CCChen
已參加經濟部iPAS AI應用規劃師-初級評鑑考試
預計2025年舉辦4場考試,已執行2場考試,
我都有參加也都合格.
也已報名8/16第三場初級考試
目的是持續收集考試題目與題型趨勢
順便為11月份第二場AI中級考試暖身與複習基礎知識
相關考試成績如下:
相關合格證書下:
本篇文章提供我從零開始的主要學習步驟
如何準備與學習，順利通過2次的初級測驗，連續合格取證的經驗分享:
**相關最新整理與前2場的考古題收集。還有第三場重點猜題。我已經再重新編制第三版學習筆記。預計6月底會完成 會優先mail提供給已有購買AI初級學習筆記的朋友。免費提供更新版重點。然後再於部落格商品更新販售（第三版+第二版）一起提供 。**
適合對象: AI初學者, 無相關經驗者.
準備時間: 約1~2個月, (每天學習1~2hr)
學習目的: 取得” iPAS AI應用規劃師-初級” 合格證書
學習建議: 分”四個階段”學習，請依自身目前實力與程度評估從哪一個階段開始。
2025/06/23 更新
推薦筆記: iPAS AI應用規劃師初級學習筆記與題目 V3版
筆記連結: https://vocus.cc/salon/678ac6e5fd89780001eb761c/products/AIGO168
最新版更新, 含考古題收集+重點模擬猜題
本次新增: 排版格式調整,題號, 頁碼, 人工校稿+AI校正.
本篇文章為~階段一: (認識AI) 的經驗分享:
(使用AI工具: GPT 4o 生成表格整理與模擬題目 + Gemini 2.5 Flash協助彙整與生成內容+Monica生成心智圖整理)
階段一: (認識AI)
適合對象: 毫無任何AI相關知識與經驗者
學習時間: 約3~4天
學習內容:
1. 先知道以下”7個主要專有名詞”即可(一般先熟悉”定義”)
AI人工智慧、ML機器學習、DL深度學習、NLP自然語言處理、GPT生成預訓練、CV電腦視覺、GenAI生成式AI。(如表一整理)
2. 再知道” iPAS AI應用規劃師-初級” 考試簡章與考試科目內容。
科目分為:
科目一 L11 人工智慧基礎概論
科目二 L12 生成式AI應用與規劃。
主題內容: (如表二整理)
科目一 L111~L114四大主題九大範圍內容
科目二 L121~L123三大主題七大範圍內容。
參考資料:
iPAS官網:114年度AI應用規劃師能力鑑定簡章(初、中級)
iPAS官網:AI應用規劃師能力鑑定_評鑑內容範圍參考
學習教材整理: (7個主要專有名詞)
核心概念關係說明（7個主要專有名詞~條列整理）
AI 是總體框架，包含了下列子領域與技術：
- 機器學習（ML）→ 深度學習（DL）→ 支撐 NLP、CV、GenAI
ML 是 AI 的實作方式之一，可分為：
- 監督式學習、非監督式學習、強化學習
DL 是 ML 的進階形式，使用神經網路，常見架構有：
- CNN（用於CV）、RNN與Transformer（用於NLP）
NLP 與 CV 是 AI 的兩大應用領域
- NLP → 應用 GPT、BERT 等模型（文字處理）
- CV → 用於圖像、影像處理（醫療、安防等）
GenAI 是新興應用領域
- 建立在 DL、Transformer 架構之上，著重於創作新內容
GPT 是 GenAI 的代表技術之一
- 使用大量語言資料預訓練模型，再微調應用於聊天、摘要、翻譯等
一、定義/解釋/範例
1. AI人工智慧 (Artificial Intelligence)
- 定義/解釋： AI是一門廣泛的科學領域，旨在開發能夠模擬、延伸和擴展人類智慧的理論、方法、技術及應用系統。它的目標是讓機器能夠像人一樣思考、學習、推理、感知、理解語言和解決問題。
- 範例：
- 自動駕駛汽車：透過感測器收集環境資訊，AI系統分析並做出駕駛決策。
- 智能語音助理（如Siri, Google Assistant）：理解人類語音指令並提供資訊或執行任務。
- 醫療診斷輔助系統：分析醫學影像和病歷數據，協助醫生診斷疾病。
2. ML機器學習 (Machine Learning)
- 定義/解釋： ML是AI的一個子集，核心思想是讓機器透過數據「學習」，而不是透過明確的程式指令來完成任務。它利用統計學和優化演算法，從數據中發現模式和規律，並利用這些規律對未知數據進行預測或決策。
- 範例：
- 電子郵件垃圾郵件過濾：學習正常郵件和垃圾郵件的特徵，自動將垃圾郵件隔離。
- 電商推薦系統：分析用戶的購買歷史和瀏覽行為，推薦其可能感興趣的商品。
- 股票市場預測：分析歷史股價和市場數據，預測未來股價走勢。
3. DL深度學習 (Deep Learning)
- 定義/解釋： DL是ML的一個子集，它基於人工神經網路（尤其是多層的神經網路，即「深度」神經網路）來學習數據的表示。這些深度網路能夠從原始數據中自動提取高層次的抽象特徵，這使得它在處理圖像、語音和文本等複雜數據時表現出色。
- 範例：
- 人臉識別：透過深度神經網路學習人臉的複雜特徵，實現精確識別。
- 語音識別：將語音訊號轉換為文字，廣泛應用於智能語音助手和語音轉錄服務。
- 影像分類：識別圖片中的物體、場景或動物等。
4. NLP自然語言處理 (Natural Language Processing)
- 定義/解釋： NLP是AI的一個跨學科領域，結合了人工智慧、計算機科學和語言學。它的目標是讓計算機理解、解釋、生成和操縱人類自然語言（如中文、英文）。
- 範例：
- 機器翻譯：將一種語言的文本自動翻譯成另一種語言（如Google翻譯）。
- 情感分析：判斷文本表達的情緒（正面、負面、中性），常用於社群媒體監測。
- 文本摘要：自動從長篇文本中提取關鍵資訊並生成簡短摘要。
5. CV電腦視覺 (Computer Vision)
- 定義/解釋： CV是AI的一個領域，旨在使計算機「看」並理解圖像和影片。它讓機器能夠從視覺數據中獲取、處理、分析並理解真實世界的資訊，就像人類的視覺系統一樣。
- 範例：
- 圖像識別：識別圖像中的特定物體或場景。
- 物體偵測：在圖像或影片中定位並識別多個物體。
- 醫學影像分析：幫助醫生分析X光片、MRI掃描等，發現異常。
6. GenAI生成式AI (Generative AI)
- 定義/解釋： GenAI是AI的一個分支，專注於生成全新的、原創的內容，這些內容可以是文本、圖像、音訊、影片，甚至是程式碼。它透過學習現有數據的模式和結構來創造出與訓練數據相似但又獨特的內容。
- 範例：
- 文本生成：寫作文章、詩歌、劇本，或生成程式碼。
- 圖像生成：根據文字描述生成藝術畫作或逼真的圖像。
- 音樂創作：生成原創的音樂旋律或完整的歌曲。
7. GPT生成預訓練 (Generative Pre-trained Transformer)
- 定義/解釋： GPT是一種基於Transformer架構的深度學習模型系列，專門用於自然語言處理任務。它採用了「預訓練-微調」的範式，即在海量文本數據上進行預訓練以學習語言的通用模式，然後再針對特定任務進行微調。GPT模型在文本生成、問答、摘要等任務上取得了革命性的進展，是GenAI在NLP領域的代表性技術。
- 範例：
- ChatGPT：一個基於GPT模型的對話式AI，可以進行自然流暢的對話、回答問題、撰寫文章等。
- 內容創作工具：協助作家、市場人員生成文章大綱、廣告文案、產品描述等。
- 程式碼自動補全：在編程環境中預測並建議下一行程式碼。
二、彼此的關係
這些概念之間存在著層層包含、相互支持和應用延伸的關係。
- AI人工智慧 (Artificial Intelligence) 是最廣泛的父概念，涵蓋了所有旨在使機器具備智慧的技術。
- ML機器學習 (Machine Learning) 是AI的核心子領域之一，提供了機器從數據中學習的能力。
- DL深度學習 (Deep Learning) 是ML的一個特定且強大的子集，特別擅長處理複雜的非結構化數據，並在許多AI應用中取得了突破性進展。
- NLP自然語言處理 (Natural Language Processing) 和 CV電腦視覺 (Computer Vision) 則是AI的兩個重要應用領域，它們分別利用ML和DL技術來處理和理解人類語言和視覺信息。
- GenAI生成式AI (Generative AI) 是一個更具功能的AI類別，它的目標是生成內容。
- GPT生成預訓練 (Generative Pre-trained Transformer) 則是GenAI在NLP領域的一個標誌性實現，它結合了DL的Transformer架構和預訓練方法，使得文本生成能力達到了前所未有的水平。
簡而言之：
- AI 是總體目標。
- ML 提供達成目標的方法。
- DL 是ML中特別有效的一種方法。
- NLP 和 CV 是AI利用ML/DL解決特定感知和理解問題的應用領域。
- GenAI 是一種新型的AI應用範式，專注於創造性輸出。
- GPT 是GenAI在文本生成方面的傑出代表，是DL和NLP技術的集大成者。
以下是針對 7 個主要 AI 專有名詞所設計的選擇題（每個主題 3 題，共 21 題），每題包含選項、正確答案與解析，專注於概念定義：
🔹 1. AI人工智慧 (Artificial Intelligence)
Q1. 下列哪一項最能正確描述「人工智慧（AI）」的核心目標？ A. 開發能夠儲存大量資料的系統 B. 開發能夠像人類一樣思考和解決問題的系統 C. 模擬動物行為的系統 D. 設計高效能硬體設備
✅ 正解：B 🔍 解析：AI 的核心是讓機器模擬人類智慧，包括思考、推理、理解語言等能力。
Q2. AI在以下哪一個情境中扮演關鍵角色？ A. 人工配電網路建置 B. 傳統紙本文件掃描 C. 自動駕駛汽車判斷行進路徑 D. 紙本報表列印
✅ 正解：C 🔍 解析：自動駕駛需透過AI分析環境與決策，是典型AI應用。
Q3. 下列哪一項不是AI的特徵？ A. 感知環境資訊 B. 隨機產生決策 C. 學習並改善行為 D. 使用語言與人類互動
✅ 正解：B 🔍 解析：AI不是隨機做決策，而是透過資料和演算法做出理性推斷。
🔹 2. ML機器學習 (Machine Learning)
Q4. 機器學習與人工智慧的關係為何？ A. 機器學習是AI的競爭者 B. 機器學習是AI的應用之一 C. AI是機器學習的一種演算法 D. 機器學習與AI無關
✅ 正解：B 🔍 解析：ML是AI的子領域，透過數據訓練模型來執行任務。
Q5. 機器學習的主要特徵是什麼？ A. 精密硬體的運算能力 B. 使用數據來自動學習模式並預測 C. 設定固定規則進行判斷 D. 隨機產生回應以避免偏見
✅ 正解：B 🔍 解析：機器學習核心是透過資料學習並建立預測模型。
Q6. 下列哪一項最符合監督式機器學習的特性？ A. 訓練時沒有標註資料 B. 輸入與輸出之間有明確關聯 C. 完全靠人類規則控制 D. 只能進行分類問題
✅ 正解：B 🔍 解析：監督式學習使用標註資料，建立輸入與輸出關係。
🔹 3. DL深度學習 (Deep Learning)
Q7. 深度學習與機器學習最大的差異是什麼？ A. 深度學習無需任何資料 B. 深度學習使用多層神經網路處理資訊 C. 機器學習較適用於圖片處理 D. 深度學習無法用於語音識別
✅ 正解：B 🔍 解析：DL 是基於多層神經網路的 ML 方法，適用於複雜數據處理。
Q8. 以下哪一項是深度學習的應用？ A. 計算機開機速度提升 B. 影像分類與辨識 C. 使用者密碼管理 D. 網頁版面配置設計
✅ 正解：B 🔍 解析：影像分類是深度學習最成功的應用領域之一。
Q9. 深度學習模型主要依賴哪一種技術架構？ A. 決策樹演算法 B. 線性回歸 C. 卷積神經網路（CNN） D. 隨機森林
✅ 正解：C 🔍 解析：CNN 是深度學習中處理影像資料的核心架構之一。
🔹 4. NLP自然語言處理
Q10. NLP的主要目的是什麼？ A. 建立加密演算法 B. 儲存自然語言資料 C. 讓電腦理解與處理人類語言 D. 設計網頁互動介面
✅ 正解：C 🔍 解析：NLP 目標是使電腦理解、分析和生成人類語言。
Q11. 下列哪一項不是NLP常見應用？ A. 情感分析 B. 語音轉文字 C. 圖像分類 D. 機器翻譯
✅ 正解：C 🔍 解析：圖像分類屬於CV，非NLP範疇。
Q12. NLP常結合哪一學科來處理語言資料？ A. 生物學 B. 物理學 C. 語言學 D. 地理學
✅ 正解：C 🔍 解析：語言學是NLP不可或缺的基礎學科。
🔹 5. CV電腦視覺
Q13. 電腦視覺的目標為何？ A. 儲存圖片檔案 B. 讓電腦能「看見」並理解圖像內容 C. 建立影片播放器 D. 設計圖形使用者介面
✅ 正解：B 🔍 解析：CV 旨在模擬人類視覺，讓機器能辨識與分析視覺資料。
Q14. 哪一項應用不屬於電腦視覺？ A. 物體偵測 B. 臉部辨識 C. 語音辨識 D. 醫學影像分析
✅ 正解：C 🔍 解析：語音辨識屬於NLP與音訊處理，非電腦視覺。
Q15. 電腦視覺中，模型通常會處理什麼類型的資料？ A. 純文字 B. 表格資料 C. 圖片與影片 D. 聲音檔案
✅ 正解：C 🔍 解析：CV 模型主要處理影像與視覺內容。
🔹 6. GenAI生成式AI
Q16. 生成式AI的特點是什麼？ A. 只能執行規則指令 B. 只能分類與回歸任務 C. 能根據資料生成全新內容 D. 無法應用於語言生成
✅ 正解：C 🔍 解析：GenAI 擅長生成圖像、文本、音樂等原創內容。
Q17. 下列哪一項是生成式AI的應用範例？ A. 實體門禁管理 B. 自動生成詩詞 C. 病歷資料錄入 D. 搜尋引擎排序
✅ 正解：B 🔍 解析：生成詩詞是典型GenAI應用。
Q18. 生成式AI與傳統AI最大的差異是？ A. 不使用神經網路 B. 只能用在數學應用 C. 著重於創造而非判斷 D. 無法訓練模型
✅ 正解：C 🔍 解析：GenAI重點在「創作新內容」，而非僅分類或預測。
🔹 7. GPT生成預訓練 (Generative Pre-trained Transformer)
Q19. GPT模型屬於哪一類型的AI模型？ A. 規則式系統 B. 決策樹 C. 預訓練的語言模型 D. 線性模型
✅ 正解：C 🔍 解析：GPT 是基於 Transformer 的預訓練語言模型。
Q20. GPT模型使用哪一種學習策略？ A. 完全監督式學習 B. 強化學習 C. 預訓練 + 微調 D. 無學習策略
✅ 正解：C 🔍 解析：GPT先在大量文本上預訓練，再針對任務微調。
Q21. ChatGPT 最主要使用了哪一種技術？ A. 視覺偵測模型 B. 規則式語言處理 C. GPT語言生成模型 D. 關係型資料庫
✅ 正解：C 🔍 解析：ChatGPT 就是基於 GPT 架構所建的對話生成模型。
後續階段內容將於其他文章說明.
階段二: (了解AI)
適合對象: 已有AI相關基本知識者
學習時間: 約2~3周
學習內容:
3. 詳細了解” iPAS AI應用規劃師-初級”簡章中的科目評鑑主題與評鑑範圍。
4. 針對7個主要專有名詞，再更深入與擴展相關概念/原理/技術/演算法了解，通常每個主題會再擴展3~5個小主題專有名詞。
AI人工智慧
ML機器學習
DL深度學習
NLP自然語言處理
GPT生成預訓練
CV電腦視覺
GenAI生成式AI
階段三: (學習與應用AI)
適合對象: 已有AI相關知識與概念者
學習時間: 約2~3周
學習內容:
5. 針對階段一+二學習的相關AI知識，在對應相關應用工具+應用領域，導入AI相關步驟。
AI相關應用工具
AI相關應用領域
導入AI相關步驟
階段四: (AI法規與倫理)
適合對象: 已準備報考iPAS AI應用規劃師-初級考試者
學習時間: 約4~5天
學習內容:
6. 歐盟AI法案, 台灣AI法規, 其他AI相關倫理學習。
7. 相關iPAS AI應用規劃師-初級 考古題與模擬題目練習
CCChhen 2025/06/14
