資策會生成式AI能力認證
財團法人資訊工業策進會「生成式AI能力認證」為通識型初階能力檢核，通過者具備「知AI」的能力，可知道生成式AI的基礎知識、具備「用AI」的基本概念與邏輯，並具有基本體驗生成式AI實做的經驗，認證內容涵蓋生成式AI的基礎知識、能力強化、應用技能、倫理法律等四大面向。本認證旨在檢驗考生在生成式AI領域的知識基礎，以協助考生評估自我能力，進而瞭解專業能力提升方向，以期開創更廣闊的職業發展前景。
2/12收到證書
2026/1月
我花不到兩週準備就考到，很適合沒有背景的小白，根據我以下考點去努力也能考到
我1/11報考， 1/24考試
考試有80題選擇（基本上都單選 上面會標示）(70分級就及格)
共90分鐘時間作答，實際上我作答40分鐘內可完成，不用太擔心時間不夠(本來很擔心)
因為題目都是概念題沒有實作技術也考很少，把握幾個大要點其實不太難
我自己也沒有相關工作背景或科系
先大致了解生成式AI的運作原理和機器學習的概念會很有幫助
建議可以去看李宏毅教授在youtube上的影片
會有很大很大的幫助(真的是大神)
重點是都講的很清楚簡單易懂，還免費的超感動🥹
建議可以先從2024年生成式AI開始看到第八講（最好可以全部看完）
再去看2021的機器學習，我是看到第14GAN的部分，裡面很多細節太深考試不會考，大概知道概念就可以了
例如:要知道什麼是GAN？用來做什麼？怎麼產圖？
只要知道：可以產圖的生成式AI，有生成器和鑑別器，一個負責產出圖片，一個負責鑑別是否為真，互相對抗直到產出「逼真」圖像。
這樣子的概念基本上GAN的題目都能夠回答。
以下是考試主題大綱:
資策會 能力評鑑指引 評鑑主題 評鑑內容
1.生成式AI 基礎知識
1.1生成式AI基本概念 例如，生成式AI定義、特點、發展歷史、技術潛力等。
1.2生成式AI應用領域 人工智慧在各領域(如醫療保健、金融、教育等)的應用與機會，並能夠知道其對社會和經濟的影響。
1.3生成式AI技術術語 與標準 常見的生成式AI術語或專有名詞，像是神經網路、語言模型、多模態等。
1.4生成式AI技術原理 與工具 例如，生成式AI運作的基礎原理、不同的大語言模型、各式AIGC圖文影音工具等等。
2.生成式AI 能力強化
2.1Prompt優化能力 例如，如何讓生成的內容更符合所需、Prompt內容設計、模型性能優化、指導性文本輸入改進等。
2.2生成式AI資料治理 例如，資料前處理，及資料清理、轉換、選擇、提取、集成、解讀等的概念。
2.3生成式AI最新發展 趨勢 例如，掌握國內外大廠最新資訊與產業發產趨勢、最新應用或商模等。
2.4自主學習方法和工具 例如，如何利用網路資源和線上課程來學習生成式AI新技能、有哪些重要的生成式AI活 動或社群等。
3.生成式AI 應用技能
3.1文字生成工具與應用 文本生成、故事寫作、自動摘要、語言翻譯、文法修改、email生成、文案生成
3.2圖片生成工具與應用 圖像合成、藝術生成、圖像修復、風格轉換、設計創作、繪本創作
3.3簡報生成工具與應用 簡報腳本製作、演示文稿設計
3.4聲音生成工具與應用 語音助手、語音合成、聲音效果生成、語音識別、歌曲生成、多語言廣播
3.5影片生成工具與應用 生成字幕、動畫製作、影片剪輯、特效生成、虛擬人物、影片合成
3.6程式生成與網站應用 程式碼生成、網站設計、網站建置、應用程式開發
3.7數據分析工具與應用 數據分析、業務報告、趨勢預測、資料視覺化
3.8聊天機器人工具與應 用 客服自動化、個人化AI聊天、設計虛擬聊天機器人
4.生成式AI 倫理法律
4.1社會和個人影響 例如，人工智慧、生成式AI對就業市場和個人的衝擊與影響、如何因應等。
4.2倫理準則和規範 例如，我國人工智慧倫理指南、歐盟可信賴人工智慧倫理準則，確保生成式AI系統的設計 和運作不會對人類和環境造成脅或危害，不會侵犯人權，減輕負面影響，道德和社會責任等。
4.3法律法規 例如，國際與歐盟的人工智慧法、我國生成式AI相關法規、智財權議題、判例案例、違規 風險。
4.4隱私保護和資料安全 例如，風險管理、個人資料在生成式AI應用中的保護措施。
在資料治理、倫理的部分考很多是考試很重要的重點
建議可以去買資策會線上模擬考題（藏題閣390$3個月）
當時覺得自己都讀差不多了，在考前兩天想說試試看資策會出題風格
所以卡就刷下去（雖然上面目前說可能要幾個工作天，當時我有打電話問，他說刷信用卡就可以馬上開通了，實測馬上開通(到email收信CoreLab連結)，有疑慮可以打電話問看看，不然想說等到開通我都考完試了🤣）
資策會的考題風格我有點難駕馭，有些題目沒有很說的很詳細，比較籠統一點(?)，但是還是得選答案，所以就花兩天時間一直做題目培養資策會的出題風格（？）(個人感受)
我覺得這對我蠻重要的，因為有些題目我雖然懂概念，但是資策會的語言我比較不容易理解（？），需要花時間培養那個邏輯概念～
而且因為跟考試系統也很類似，所以算是提前熟悉考試手感？
並且有兩三題類似概念是有出現在我當時正式考試上，就毫不猶豫選下去了～
蠻建議想準備更周全可以試試藏題閣
(有更多問題可以email我sharabbit0406@gmail.com)
我其實一直很糾結要不要花錢來準備考試
基本上個人覺得可以免費讀不一定需要付費也能通過考試，網路很多免費資源(在最下面有我的學習歷程)，我有報名巨匠的課程，不過上完後個人覺得不太需要，實質上沒有太大幫助(只是去拿教材的?XD 只要有我下面列出的考點去網路上找資源就夠了)，除了資策會考試報名費外，可以以免費通關的我相信，如果沒有太大把握，我覺得只需要再多做線上考題熟悉資策會出題風格就可以了(我真的駕馭不了XD)，但是不要抱太大期望，因為個人覺得這個系統也沒有很完善。(考完不會解釋為什麼錯，我使用有時候跑很慢，個人覺得UIUX也沒有很好，以上純屬個人體驗)
考試當天我是去巨匠電腦的考試場地考的（當初是透過巨匠報名資策會考試）
不過考試現場個人覺得品質沒有太好，有同學手機反覆響起，也有同學遲到進來，個人覺得受很大干擾(氣)，這部分有待加強(當初貪圖方便但不推薦...)
並且資策會的考試系統也有一些問題，我自己遇到四、五題，是在同一題中，題目重複寫在選項裡（本來是題目+四個選項，變成題目+五個選項，其中第一個選項是題目再複寫一次），雖然不影響正確答案，但是也會有點干擾，並且蠻多同學都有反應的。
再來是我個人有遇到有一題（第40題還記得很清楚）是完全沒有題目的！！！！ !
我當下真的很錯愕，這一題"只有選項"，我的題目的位置變成我的第一個選項（選項+四個選項），真的「完全沒有題目」，不知道要考什麼，但幸好我這題四個選項都是敘述，所以我有看出來三個選項敘述有誤，而選擇了敘述正確的那個選項，當下也有反應給監考官，但是也只說幫我註記在他那邊而已，簡而言之這題還是得算分？（我的理解）
因為考試是當下按提交、確定交卷後就會馬上顯示「通過」或未通過
(更新:在1/28有收到道歉通知並告知此題送分!很高興他們有做後續處理:)不過沒送分情況下仍然是通過考試的😚讚讚)
不過很慶幸憑藉著我兩個禮拜的努力，還是有看到「通過」兩個字: ]
雖然蠻有把握自己能考過（因為在練習線上試題基本上都100分或錯一兩題而已），但是當下按交卷後還是很緊張！
大家最關心的考點!
以下考試重點(要去了解這些名詞是什麼，考試就都沒問題)：
📚 核心考點清單
1. 生成式 AI 基礎知識
核心定義：生成式 AI 與 決策式 AI 的差異 。
生成式 AI (Generative AI)：研究歷史數據，學習歸納並創造「全新內容」 。
決策式 AI (Discriminative AI)：專注於「歸納、分類、分析」現有資料 ，例如分類垃圾郵件。
技術模型：
Transformer：自注意力機制 (Self-Attention) 。
NLP 、BERT（Transformer架構、語言模型）、GPT（OpenAI 開發）。
圖像模型：GAN（生成器與鑑別器對抗）、Diffusion Model（反向擴散生圖）。
自迴歸模型 (AR)、自編碼器 (VAE) 、RNN、LSTM、CNN
評估指標：F1 Score 、MSE (均方誤差) 、BLEU (翻譯品質) 。優化器 (Optimizer)：SGD（隨機梯度下降）、Adam（動態調整學習率，考試問好的就選他）、RMSProp、AdaGrad。(大概知道就好，實際上沒遇到這樣考題)
訓練方式：監督式、非監督式（未標記資料）、強化學習(RL) 。預訓練、微調((Fine-tune)。溫度(T)越低越保守。
模型過度擬合 (Overfitting)、損失函數 (Loss Function)、深度學習 (DL)
通用大模型、專用小模型(垂直產業應用)
「MediaTek DaVinci｣ （達哥）支援包含由聯發科創新基地研發之繁中大語言模型（LLM）。
臺灣特有模型：國科會開發的 TAIDE-7B 模型 。
AIGC(Artificial Intelligence Generated Content利用人工智慧分析歸納「已有數據」生成新的內容)
BYOG(Build Your Own GPT透過輸入企業的知識庫來「定製化」企業專屬的 GPT)
2. 生成式 AI 能力強化
進階提示詞工程 (Prompt Engineering):具體、明確!!(明確目標、目標受眾、給特定角色、足夠上下文、指定產出格式...)
不使用艱澀專用術語(除非給予解釋)
In-Context Learning：基於上下文示例學習，無需額外訓練 。
Zero-shot、Few-shot
Reason and Act (ReAct)：結合"推理與行動"的 know-how 產生器 。
Chain-of-Thought (CoT)：思考鏈，提供"逐步思考"步驟以解決複雜問題 。
Tree-of-Thought (ToT)：思維樹，進行多路徑探索並找出"最佳方案" 。(基於CoT)
資料治理與預處理：(為了資料"品質"!)
完整性、一致性、準確性
資料預處理：包含去除重複值、缺失值處理(平均、中位數等方法填補或直接刪除)、噪音過濾與資料標準化 。
資料探勘步驟：資料萃取、資料標註、特徵萃取、資料轉換 。
模型解釋性與透明度：確保 AI 決策過程可被理解且公開 。
3. 生成式 AI 應用技能(例如:會考圖片生成工具有誰...)
文字生成：ChatGPT、Claude...
圖片生成：Midjourney、Stable Diffusion、Leonardo AI 。
影片生成：Sora、Runway Gen-2
音樂生成 : Suno
簡報生成 : Gamma、Canva
程式生成 : GitHub Copilot
多模態AI(考定義)
4. 倫理與法律(重要考點!)
歐盟議會發布《可信賴人工智慧倫理準則》可信任 AI 三大要素：合法性、倫理性、穩健性 。(會考!哪一個不是三大要素?)
四大倫理原則：尊重人類自主權、避免傷害、公平性、可解釋性 。(會考!哪一個不是四大倫理原則?)
七大關鍵需求：人類自主監控、技術穩健安全、隱私與資料治理、透明度、多樣不歧視、社會福祉、問責制 。
線上試題有遇到說(敘述錯誤:四大要素三大倫理八大關鍵，這樣的考題...，個人覺得內容應該比較重要啦，不是著重在數字上...)
演算法偏誤：如亞馬遜招聘系統的性別偏見 。(因為當初訓練資料的偏誤)
著作權挑戰：目前法律（如台灣、美國）傾向"不"承認 AI 為「著作權人」 。"不"給予AI創作出來的產品著作權。
包含AI生成資料的作品屬於「人類心智創作的成果」或「純粹機械生產複製的資料」，應根據個案中人類參與的程度判斷。
個資保護:
隱私保護實踐：資料去識別化(匿名)、存取控制(從根源)、資料加密、數據最小化(只收集必要的最小資料集) 。
深偽技術 (Deepfake)
法規發展：歐盟《人工智慧法案》(EU AI Act) 的風險分級管理
不可接受->用於社會信用評分、潛意識操控等，將被禁止。
高風險->用於醫療、交通、教育、執法等領域，需符合嚴格的合規要求。
有限風險->如聊天機器人，需具備透明度義務，讓使用者知曉正在與AI互動。
最小風險->大部分AI系統屬於此類，如垃圾郵件過濾器，規範較少。
個資保護法律:
歐盟:GDPR一般資料保護規定(發生資料洩漏時、處理高風險個人資料時，要進行資料保護影響評估(DPIA)。(很常考)
美國:CCPA加州消費隱私法、HIPPA健康保險可攜與責任法(保護病患健康資訊和個人隱私)、COPPA兒童網路隱私保護法(收集13歲以下兒童資訊必須先取得監護人許可)
提醒🔔
我在線上考題有遇到想是問說RNN的英文全名是什麼？GAN的英文全名，所以要大概知道一下(雖然不清楚考這個的意義...)
希望以上對大家都有幫助!祝大家都能順利通過考試!:)
資源補充:
資策會:生成式AI能力認證。通過心得分享CCChen (#AI學習 #生成式AI #ChatGPT)
以下是我的學習歷程:
(除了我付費去巨匠上課和藏題閣外，基本上都是免費資源!)
2026/01/11
- 李宏毅(共4小時15分鐘)
- 80分鐘快速了解大型語言模型（01小時32分鐘）
- 〈生成式AI導論2024〉：第0講-4講（2小時43分鐘）
2026/01/12(共7小時9分鐘)
- Google skills Introduction to Generative AI (約1小時17分鐘) 完成生成式 AI 簡介 Introduction to Generative AI | Google Skills
- Google skills Introduction to Large Language Models (約55分鐘) 已完成大型語言模型簡介！ Introduction to Large Language Models | Google Skills
- Google skills Introduction to Image Generation (約31分鐘) 已完成圖像生成簡介！ Introduction to Image Generation | Google Skills
- Google skills Attention Mechanism(約39分鐘) 已完成注意力機制！ Attention Mechanism | Google Skills
- Google skills Encoder-Decoder Architecture(約1小時22分鐘) 已完成編碼器-解碼器架構！ Encoder-Decoder Architecture | Google Skills
- 李宏毅 〈生成式AI導論2024〉：第5講 (約25分鐘)
- 練習考題 (約2小時)
2026/01/13 (共10小時)
- 20250113 李宏毅 〈生成式AI導論2024〉：6-8講 (約1小時50分鐘)
- 練習考題(約2小時)
- 20250113 李宏毅 [機器學習2021] (共6小時11分鐘) 9-14(4小時23分鐘) 1-2 (1小時48分鐘)
2026/01/14 (約8小時)
- 資策會文件閱讀(約1小時) 下載專區｜資策會 生成式AI企業大腦開發指引.pdf 47頁
- 考題練習(約5小時) 練習300題 ChatGPT - 佛卡夏的資策會AI模擬考官
- Youtube 資策會生成式AI能力認證(合集) (共44分鐘)
- Youtube iPAS AI應用規劃師單元一~單元七(合集) (約1小時)
2026/01/15 (6小時)
- 資策會文件閱讀(約1小時) 下載專區｜資策會 生成式AI輔助之軟體開發指引.pdf 52頁
- 李宏毅youtube (約2小時) 【機器學習2021】類神經網路訓練不起來怎麼辦 (一)： 局部最小值 (local minima) 與鞍點 (saddle point) 【生成式AI時代下的機器學習(2025)】第十二講：語言模型如何學會說話 — 概述語音語言模型發展歷程
- 考題練習(約3小時)
2526/01/16 (5小時33分鐘)
- 考題練習(約3小時)
- Youtube 李宏毅 〈生成式AI導論2024〉: 第9講：以大型語言模型打造的AI Agent (24分鐘)
- Youtube 李宏毅 〈生成式AI導論2024〉第10講：今日的語言模型是如何做文字接龍的 — 淺談Transformer (38分鐘)
- Youtube 李宏毅 〈生成式AI導論2024〉第11講：大型語言模型在「想」什麼呢？ — 淺談大型語言模型的可解釋性 (45分鐘)
- Youtube 李宏毅 〈生成式AI導論2024〉第12講：淺談檢定大型語言模型能力的各種方式(46分鐘)
2026/01/17 (約4小時)
- Youtube 李宏毅〈生成式AI導論2024〉第13講：淺談大型語言模型相關的安全性議題 (上) — 亡羊補牢、語言模型的偏見、有多少人用 ChatGPT 寫論文審查意見 (32分鐘)
- Youtube 李宏毅〈生成式AI導論2024〉第14講：淺談大型語言模型相關的安全性議題 (下) — 欺騙大型語言模型 (15分鐘)
- 考題練習(3小時)
2026/01/18 (9小時)
- 巨匠上課6小時 344頁pdf (付費)
- 考題練習3小時
2026/01/19 (9小時)
- 資策會3.5小時影片課程(總耗時6小時) CoreLab (付費，還是給2024年版本的..😭😭)
- 考題練習3小時
2026/01/20 (6小時47分鐘)
- Youtube 李宏毅〈生成式AI導論2024〉第15-17講(1小時47分鐘) 〈生成式AI導論2024〉第15講：為什麼語言模型用文字接龍，圖片生成不用像素接龍呢？— 淺談生成式人工智慧的生成策略(45分27秒) 〈生成式AI導論2024〉第16講：可以加速所有語言模型生成速度的神奇外掛 — Speculative Decoding(12分42秒) 〈生成式AI導論2024〉第17講：有關影像的生成式AI (上) — AI 如何產生圖片和影片 (Sora 背後可能用的原理)(49分30秒)
- 考題練習2小時
- 巨匠AI-900上課 3小時 (AI-900課程)
2026/01/21
- 考題練習
- google 線上引導課程Generative AI for Educators (2小時) Generative AI for Educators
2026/01/22
- 考題練習(藏題閣)
- 巨匠AI-900上課 3小時(AI-900課程)
2026/01/23
- 考題練習(藏題閣)
- Youtube AI常見術語50選/ 50 Common AI Terms You Should Know
- 巨匠x資策會 pdf (344+25頁) (付費)
- 題庫補充pdf (付費)
2026/01/24
資策會考試當天-通過!
