iPAS AI 應用規劃師（初級）的職能目標，是讓你能協助企業規劃與推動 AI 技術導入，並評估、選擇合適的 AI 解決方案。整體評鑑架構分為兩大科目，科目設計的順序是從基礎知識到實戰應用規劃：
科目一：人工智慧基礎概論 (AI 的基礎常識與燃料)
這科是奠定你 AI 知識基礎的科目。它涵蓋了 AI 是什麼、如何運作，以及它賴以為生的「燃料」——數據。- 人工智慧概念： 了解 AI 的定義與分類（例如：分析型 AI、預測型 AI、近年快速發展的生成型 AI），以及 AI 在應用時的治理概念（如倫理、隱私和安全）。
- 資料處理與分析概念： AI 仰賴數據。你需要認識數據類型（結構化、半結構化、非結構化），並了解如何對數據進行清洗、整理與分析，確保數據品質。
- 機器學習概念： 學習 AI 的「學習引擎」。了解機器學習的基本原理和常見模型，以及三種核心學習方法：監督式學習： 用有「標準答案」的數據訓練，用於分類或預測數值。
- 非監督式學習： 處理無標記數據，用於發掘潛在模式或分群。
- 強化學習： 透過「試錯學習」和「獎勵機制」來優化行動策略（例如遊戲 AI、自動駕駛）。
- 鑑別式 AI 與生成式 AI 概念： 區分 AI 的兩種主要工作：鑑別式 AI 專注於分類和決策判斷，而 生成式 AI 專注於生成新內容（如文本、圖像）。你還需要了解這兩者如何整合應用。
科目二：生成式 AI 應用與規劃 (GAI 的實戰與落地)
這科是將前沿的生成式 AI（GAI）技術實際導入企業的應用策略。
- No code / Low code 概念： 這推動了 AI 民主化。No Code 讓非技術人員透過拖放介面開發應用；Low Code 則結合視覺化工具與少量程式碼，適合更複雜的客製化。這對於加速企業數位轉型至關重要。
- 生成式 AI 應用領域與工具使用： 了解生成式 AI 在不同產業（如醫療、金融、製造、教育）的應用，以及如何善用 GAI 工具（例如理解溫度參數、採樣機制等推理機制）。
- 生成式 AI 導入評估規劃： 這是 AI 應用規劃師的核心職能。你必須學會：(1)導入評估： 根據明確的經營目標，評估企業的數據品質、技術人才和硬體架構等資源與現狀。(2)導入規劃： 制定試點驗證（POC）到全面推廣的階段性策略，並計算投資回報率 (ROI)。
- 風險管理： 評估並應對 GAI 帶來的資料隱私與安全、倫理偏見及法律合規等風險。
我們的目標是，讓你用最高效率的方式，掌握這些核心邏輯，跟上 AI 的時代腳步。想更進一步了解，歡迎看下方影片，有的內容等你。
