fbpx

enginner course

 

ipas banner ML

 

💰  政府補助：適用經濟部「30人以下中小企業數位轉型培力補助」
📌 索取資訊：歡迎企業/學校單位索取輔導考照資訊 ; 培訓內容/時數可以應需求客製化
ipas coporation
課程簡介
本課程培養學員具備 AI 應用規劃師所需的知識與行動能力，為準備 iPAS AI 應用規劃師能力鑑定（初級）做好準備！課程對應最新鑑測範圍，系統性涵蓋機器學習與資料處理、核心演算法與模型評估、深度學習、生成式 AI 與 LLM、Agentic AI 與 MCP、AI 部署與 MLOps，以及 AI 治理、法規與倫理等完整主題，循序建立扎實的 AI 知識地圖。

📌課程範疇

  • 機器學習與資料處理： 掌握 AI 能力分類、資料清洗與特徵工程、探索式資料分析（EDA）、資料洩漏，以及核心演算法與模型評估（MAPE、R²、PR、AUC）。
  • 深度學習： 認識神經網路、啟動函數、卷積神經網路（CNN）與遷移學習等基礎架構。
  • 生成式 AI 與 LLM： 理解生成式 AI 原理、Transformer、提示工程、Context Engineering 與 RAG 檢索增強生成。
  • Agentic AI 與 MCP： 建立代理人三要素、MCP 工具呼叫與多代理系統等最新觀念。
  • AI 部署與導入： 了解 MLOps、邊緣運算、No-Code／Low-Code、AutoML 與 PoC 概念驗證。
  • AI 治理、法規與倫理： 掌握隱私保護、資料偏誤、可解釋性 AI（XAI）與相關法規。
鑑測資訊
 
 
🎯初級
• 鑑測科目
專業級等科目 ( 共2科 )能力指標鑑測資訊
初級 1.人工智慧基礎概論 瞭解該專業的基本知識與技能
具擔任該專業入門水準		 詳見iPAS官網
2.生成式AI應用與規劃
 
專業等級 考試日期 科目時間 題型 鑑定方式 考區
初級

■ 第一次：
115/03/21(六)

■ 第二次：
115/05/16(六)

■ 第三次：
115/08/15(六)

■ 第四次：
115/11/07(六)

■ 第一次：     
09:00~10:15
■ 第二~四次：
13:30~14:45

(科目1：75分鐘)

 單選題 電腦測驗

■ 第一次：
台北、台中、高雄
■ 第二次：
台北、桃園、新竹、台中、
嘉義、台南、高雄、屏東、金門
■ 第三次：
台北、桃園、新竹、台中、
虎尾、台南、高雄、花蓮
■ 第四次：
台北、桃園、新竹、台中、
虎尾、台南、高雄、金門、澎湖

■ 第一次：     
10:45~12:00
■ 第二~四次：
15:15~16:30

(科目2：75分鐘)


(資料來源 : iPAS官網)

• 建議報考對象 (符合任一項):

初級：

1. 具基本AI概念和知識的學習者
2. 熟悉AI工具導入日常工作者

為什麼選擇艾鍗學院

 

  • 艾鍗學院擁有豐富的培訓經驗，是全國首家為iPAS AI能力鑑定量身規劃課程的培訓中心。
  • 本班講師高分通過iPAS AI應用規劃師能力鑑定<初級>、<中級>，帶給學員最有幫助的iPAS應試方針。
鑑定定位 【AI 應用規劃師】
 
iPAS AIAP TA
▲根據iPAS AI應用規劃師能力鑑定簡章重製
 
學習目標
▲本課程目標為培養學員成為合格的AI應用規劃師，具備人工智慧應用的基礎知識、規劃與實施能力，以及解決實際問題的技能，為參加 AI 應用規劃師能力鑑定(初級)做好準備

📌預期效益

  • 學員能夠掌握 AI 與機器學習基本概念，並理解其在產業的應用場景。
  • 學員能夠熟悉資料處理、特徵工程、核心演算法與模型評估方法。
  • 學員能夠理解生成式 AI、LLM、RAG 與 Agentic AI（含 MCP）的原理與應用規劃。
  • 學員能夠認識 AI 部署、MLOps、No-Code／Low-Code，以及 AI 治理、法規與倫理等實務議題。
課程大綱

● 章章精彩、片刻不冷場幫你打穩考取AI應用規劃師能力鑑定所需知識

● 含實體課程12小時 & 線上課程

🎬 課程影片搶先看
精選 4 段單元先睹為快，完整課程內容請見下方課程大綱。
用 40 分鐘快速了解機器學習
機器學習入門｜41:52
用 40 分鐘理解什麼是生成式 AI
生成式 AI 導讀｜38:10
RAG：檢索增強生成技術
熱門主題｜44:58
AI Agent：代理式 AI 入門
最新單元｜26:10
初級
對應 iPAS 最新鑑定範圍，完整涵蓋資料、模型、生成式 AI、Agentic AI 與 AI 治理
階段零、機器學習概念
1. 人工智慧與機器學習基礎概念
2. AI 能力分類（判讀、操作、生成、互動式 AI）
3. 特徵向量化與機器學習基本流程
 
階段一、資料處理與特徵
1. 資料清洗（Data Cleaning）與 ETL 流程
2. 結構化 vs 非結構化資料、大數據 5V 特性
3. 缺失值處理與資料前處理
4. 極端值（Outlier）處理與對數轉換
5. 不平衡資料集處理與分類效能指標
6. 資料標準化與訓練／測試切分
7. 特徵工程（Feature Engineering）
8. 探索式資料分析（EDA）與統計
9. 資料洩漏（Data Leakage）
 
階段二、核心演算法與模型
1. 核心演算法導覽：迴歸與分類模型
2. 監督式／非監督式／半監督式／自監督式學習
3. 決策樹與隨機森林（Random Forest）
4. 非監督式學習：PCA 與分群（Clustering）
5. 強化學習（Reinforcement Learning）
6. 偏差–變異權衡與避免過度擬合（Overfitting）
7. 迴歸模型評估指標：MSE、MAPE 與 R²
8. 分類效能指標：混淆矩陣與 PR 曲線
9. AUC–ROC 曲線
 
階段三、深度學習（Deep Learning）
1. 深度學習基礎：神經網路與 RNN 概覽
2. 啟動函數（Activation Function）
3. 卷積神經網路（CNN）架構詳解
4. 遷移學習（Transfer Learning）與預訓練模型
 
階段四、生成式 AI（Generative AI）與 LLM
1. 鑑別式 AI vs 生成式 AI
2. 生成式 AI 原理：GAN 與 Autoencoder
3. LLM 與 Transformer 核心、Encoder-Decoder vs Decoder-only
4. 生成一致性：Temperature 等生成參數
5. 模型優化：知識蒸餾與量化
6. 提示工程（Prompt Engineering）：Zero-Shot、Few-Shot 與 CoT
7. Context Engineering（上下文工程）
8. RAG（檢索增強生成）
9. AI 生成內容認證：C2PA / SynthID
 
階段五、Agentic AI 與 MCP
1. Agentic AI 概論：代理人三要素
2. MCP（Model Context Protocol）與工具呼叫
3. Context-aware Agent 與多代理系統（Multi-agent）
4. 推理設計模式、Vibe Coding 與 AI 程式碼輔助
 
階段六、部署、MLOps 與 No-Code / Low-Code
1. AI 部署與 MLOps 流程、模型監控
2. 推論策略、負載平衡與多實例部署
3. 邊緣運算（Edge Computing）與端側 AI 部署
4. No-Code / Low-Code 平台與 AutoML
5. PoC 概念驗證與 Token Economics／TCO／ROI
 
階段七、AI 治理、法規與倫理
1. AI 治理：隱私保護與去識別化
2. 資料偏誤（Data Bias）與偏見偵測／緩解
3. 可解釋性 AI（XAI）：SHAP 與特徵歸因
4. 法規與監管、人類監督機制
5. CRISP-DM 跨行業資料探勘標準流程
 
附錄、重點觀念補強
1. 二元分類損失函數：BCE 原理
2. 梯度消失問題與 Sigmoid 的侷限

  ※ 本課程以AI觀念與實作為導向，精確考試範圍以iPAS官方網站為準

講師介紹
Joseph老師

 

●  經歷：上市網通科技公司/資深軟體工程師/大學兼任講師/
             台北市職能發展學院講師/經濟部工業局智慧電子人才應用發展推動計畫講師

●  專長： ▪資料處理與分析   ▪機器學習   ▪深度學習   ▪AI邊緣運算

●  證照：
     - 經濟部iPAS AI應用規劃師初級能力鑑定通過
     - 經濟部iPAS AI應用規劃師(機器學習)中級能力鑑定通過
     - 經濟部iPAS AI應用規劃師(數據分析)中級能力鑑定通過

補助說明【經濟部數位轉型培力補助】

 

  • 誰可以申請？
    • 企業任一項營業登記項目符合製造類別
    • 投保勞工人數 30人以下
  • 補助內容
    • 每位受訓員工補助 1萬元 (課程全額補助)
    • 每家企業補助上限 10萬元
  • 申請管道
    • 補助懶人包：👉點此查看
    • 補助申請：👉線上申請
    📌 亦開放個人單位報名，另享課程優惠方案
培訓佳績
 

專業培訓iPAS考照單位，已有超過200多位的學員通過

certificate ml

 

 
課程諮詢