如果你以為 AI 只是「把資料丟進去，模型就跑出來」，那你在 iPAS 考試中一定會掉進陷阱。 AI 系統的開發是一個嚴謹的工程，從最底層的「數據石油」，到中間的「數學引擎」，再到最後的「MLOps 維運」，每一個環節都是考點。
為了讓大家方便閱讀與背誦，我將複雜的開發流程簡化為這篇「黃金三步驟清單攻略」。不管你是要考初級還是中級，這篇文章都是你的必備地基。
🏗️ 第一階段：技術底層 (The Foundation)
如果 AI 是一座摩天大樓，這就是它的地基。地基不穩，上層應用（如 ChatGPT）蓋得再高都會倒。
1. 資料 (Data) — AI 的氧氣
- 核心觀念：「Garbage In, Garbage Out」。資料品質直接決定模型上限。
- 關鍵技術：
- ETL (Extract, Transform, Load)：資料工程師的日常，負責抽取、轉換、載入數據。
- 資料標註 (Labeling)：監督式學習必備，需要人工給資料貼標籤（例如：標記這張圖是貓）。
2. 學習引擎 (Learning Engines) — AI 的大腦
- 監督式學習 (Supervised Learning)：給機器看標準答案（如分類、回歸任務）。
- 非監督式學習 (Unsupervised Learning)：不給答案，讓機器自己找規律（如分群、降維）。
- 強化學習 (Reinforcement Learning)：透過「獎勵與懲罰」機制訓練（如 AlphaGo 下圍棋）。
3. 數學基礎 (Math) — AI 的導航儀
- 線性代數：處理矩陣運算（電腦看圖片其實就是在看矩陣）。
- 微積分：用於梯度下降 (Gradient Descent)，幫模型找到誤差最小的「山谷」。
- 機率統計：貝氏定理、P-value，用來評估模型的不確定性與信心程度。
⚙️ 第二階段：開發應用 (Development)
地基打好了，現在要開始蓋樓。這個階段是 AI 規劃師最核心的工作。
1. 模型選擇 (Model Selection)
就像選交通工具，你要去哪裡決定了你選什麼車。
- 預測連續數值（如房價）：選 回歸模型 (Regression)。
- 判斷離散類別（如垃圾郵件）：選 分類模型 (Classification)。
- 處理圖像識別：選 卷積神經網路 (CNN)。
- 處理文字/時間序列：選 循環神經網路 (RNN) 或 Transformer。
2. 模型訓練 (Training)
- 損失函數 (Loss Function)：這是老師手中的「評分表」，分數越低代表模型越準。
- 回歸任務常用：MSE (均方誤差)。
- 分類任務常用：Cross-Entropy (交叉熵)。
- 優化器 (Optimizer)：這是學生的「讀書方法」，指導參數如何更新。
- 最常用的是 Adam（結合了動量與自適應學習率）。
3. 防止過擬合 (Overfitting)
學生死背考古題，結果考新題目就掛掉怎麼辦？
- Dropout：訓練時隨機讓部分神經元「休息」，強迫模型學習大方向特徵。
- Early Stopping：當驗證集的成績不再進步時，就提早停止訓練。
🚀 第三階段：實際維運 (Deployment & MLOps)
模型訓練好不是結束，上線才是挑戰的開始。
1. 部署模式 (Deployment)
- 邊緣運算 (Edge AI)：把模型瘦身（量化），塞進手機、無人機或監視器裡，追求低延遲、斷網也能用。
- 雲端運算 (Cloud AI)：算力無限，適合處理超大模型（如 LLM），但需要網路。
2. MLOps 與持續監控 (The Real Challenge)
這是 iPAS 最愛考的實務題！一定要背下來：
- CI/CD (持續整合/部署)：自動化測試與上版流程，確保新模型不會搞掛系統。
- 概念漂移 (Concept Drift)：模型上線久了，因為環境改變（如換了原料、消費者習慣變了），導致準確率下降。
- 自動再訓練 (Retraining)：一旦偵測到漂移，系統自動觸發重新訓練流程，讓模型具備「終身學習」能力。
🧠 考前 30 秒名詞速記 (Cheat Sheet)
這裡整理了 5 個最常搞混的關鍵字，考前瞄一眼：
- 梯度下降 (Gradient Descent)：一種演算法，讓模型往「錯誤率最低」的方向走。
- 過擬合 (Overfitting)：模型太聰明但太鑽牛角尖，學到了雜訊而非規律。
- 卷積神經網路 (CNN)：專門看圖片的 AI 眼鏡（特徵提取最強）。
- 循環神經網路 (RNN)：專門讀文章、看股票的 AI 記憶腦（有時間序列概念）。
- MLOps：AI 界的工廠管理員，負責監控模型有沒有變笨、資料有沒有壞掉。
這篇是觀念流程，想知道這些模型背後的數學怎麼算？ 請前往我的中級專區：【🧠 iPAS 中級｜演算法 & 數學攻略】，那裡有更深入的數學解析！
👇 觀看 YouTube 影音版教學： https://www.youtube.com/@ipasstudybuddy
