人工智慧概論: iPAS AI應用規劃師 初級能力養成 | 誠品線上

人工智慧概論: iPAS AI應用規劃師 初級能力養成

內容簡介

內容簡介 本書依據 iPAS「AI 應用規劃師（初級）」能力鑑定之學習範圍規劃，系統性涵蓋「人工智慧基礎概論」與「生成式 AI 應用」兩大核心領域，協助學生在建立理論基礎的同時，培養應檢所需之關鍵能力。內容包含 AI 定義與分類、資料處理與分析、機器學習模型、鑑別式與生成式 AI 原理，以及生成式 AI 工具應用、導入評估與風險管理等主題，完整對應官方評鑑內容架構。本書採取由淺入深的教學設計，強調概念理解與應用連結，並於各章結尾整理重點知識，搭配教學評量題目與應試模擬試卷，協助讀者進行學習檢核與考試準備。適合作為大專院校課程教材，亦可作為報考 iPAS 證照之自學參考書。

產品目錄

產品目錄 Part 1 人工智慧基礎概論第1章 AI的定義與分類1-1 人工智慧的發展1-2 人工智慧的技術演進1-3 生成式人工智慧1-4 人工智慧的定義第2章 AI 治理概念2-1 AI 治理的必要性2-2 AI 偏誤與公平性2-3 可信任 AI2-4 可解釋 AI2-5 AI 治理框架與政策第3章 資料基本概念與來源3-1 人工智慧與資料的關係3-2 資料型態3-3 結構化與非結構化資料3-4 資料來源3-5 機器學習中的資料概念3-6 大數據的特性與意涵第4章 資料整理與分析流程4-1 資料處理與分析流程4-2 常見資料品質問題4-3 ETL資料處理流程4-4 資料分析方法與視覺化4-5 資料分析結果的應用與決策第5章 資料隱私與安全5-1 資料隱私與個人資料概念5-2 資料隱私的主要風險5-3 資料保護的基本原則與方法5-4 AI 時代的隱私挑戰與偏誤問題5-5 隱私保護技術與實務應用第6章 機器學習基本原理6-1 機器學習的概念6-2 機器學習的基本流程6-3 訓練資料、特徵與標籤6-4 模型評估與模型表現第7章 常見的機器學習模型7-1 監督式學習7-2 非監督式學習7-3 半監督式學習7-4 強化式學習7-5 多模態學習第8章 鑑別式 AI 與生成式 AI 的基本原理8-1 鑑別式 AI 與生成式 AI 概念8-2 鑑別式 AI 的原理與應用8-3 生成式 AI 的原理與應用8-4 鑑別式 AI 與生成式 AI 的差異第9章 鑑別式 AI 與生成式 AI 的整合應用9-1 感知與創造的協作架構9-2 跨領域的技術融合9-3 實務應用場域與情境分析9-4 整合應用的關鍵分析Part 2 生成式 AI 應用與規劃第10章 No Code Low Code 的基本概念10-1 軟體開發自主權的釋放10-2 No Code Low Code10-3 LCNC 平台的潛在風險與治理架構10-4 LCNC 與 AI 的整合應用第11章 No Code Low Code 的優勢與限制11-1 LCNC 平台的核心優勢11-2 導入 LCNC 的限制與挑戰11-3 生成式 AI 與 LCNC 的整合11-4 生成式 AI × LCNC 的應用案例第12章 生成式 AI 應用領域與常見工具12-1 文本生成12-2 圖像生成12-3 語音與音樂生成12-4 影片生成12-5 多模態生成第13章 如何善用生成式 AI 工具13-1 Prompt 的基本概念與原則13-2 提示工程13-3 RAG第14章 生成式 AI 導入評估14-1 效能評估14-2 適用解決方案選擇14-3 成本效益分析14-4 生成式 AI 導入前評估第15章 生成式 AI導入規劃15-1 AI 導入六步驟15-2 需求分析15-3 資料盤點與治理15-4 技術選型15-5 PoC 驗證15-6 規模化導入與持續改善第16章 生成式 AI 風險管理16-1 生成式 AI 的風險16-2 模型與資料風險16-3 技術防護機制16-4 風險治理與管理機制【學後評量】各章習題iPAS 模擬試題

商品規格

最佳賣點

最佳賣點 : 1.完整對應 iPAS 評鑑範圍
依官方能力鑑定架構設計內容，涵蓋 AI 基礎概念、資料處理、機器學習、生成式 AI 應用與導入規劃等重點，學習方向明確。
2.理論 × 應用 × 應試並重，三位一體的學習設計
不僅說明 AI 核心原理，也結合實際應用情境與工具操作，同時掌握考試重點與實際運用能力。