1.建立NN核心概念,領會ML模型技術,掌握機器學習方法與AI應用技術的實作基礎。
2.探索AI動能之源:資料(Data),理解資料整理、模型訓練與效果驗證之法。
3.認識AI倫理與資料偏見議題,培養打造人人可信任的AI系統。
4.完整對應IPAS-AI應用規劃師能力鑑定的最新命題方向,並結合AIE人工智慧專業能力國際認證:AI基礎概論與GenAI規劃的核心知識架構。
想考國際認證嗎?
點選連結
專為現代考生設計的免到考場、免監考的高效認證方式,只要完成章節測驗並通過認證考試,即可下載電子證書,快速取得專業學習認證!

第一篇 人工智慧概念
第1章 AI的定義與分類
第2章 AI治理概念
第二篇 資料處理與分析概念
第1章 資料基本概念與來源
第2章 資料整理與分析流程
第3章 資料隱私與安全
第三篇 機器學習概念
第1章 機器學習基本原理
第2章 常見的機器學習模型
第四篇 鑑別式AI與生成式AI的基本原理
第1章 鑑別式AI與生成式AI的基本原理
第2章 鑑別式AI與生成式AI的整合應用
第五篇 Low code / No code概念
第1章 Low code / No code基本概念
第2章 Low code / No code優勢與限制
第六篇 生成式AI應用領域與工具使用
第1章 生成式AI應用領域與常見工具
第2章 如何善用生成式AI工具
第七篇 生成式AI 導入評估規劃
第1章 生成式AI 導入評估
第2章 生成式AI 導入規劃
第3章 生成式AI 風險評估