2025年10月7日 星期二

2025 10 07 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人工智慧(AI)相關定義 AI 系統定義: 係指 透過 大量資料學習,利用 機器學習 或 相關 建立 模型 之 演算法,進行 1.感知 2.預測 3.決策 4.規劃 5.推理 6.溝通 等 模 仿人類 學習、思考 及 反應模式 之 系統。生成式 AI 定義: 係指 可以生成 模擬 人類智慧 創造 之 內容 的相關 AI 系統, 其內容形式包括但不限於 1.文章 2.圖像 3.音訊 4.影片 5.程 式碼

 

2025 10 07 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人工智慧(AI)相關定義 AI 系統定義: 係指 透過 大量資料學習,利用 機器學習 或 相關 建立 模型 之 演算法,進行 1.感知 2.預測 3.決策 4.規劃 5.推理 6.溝通 等 模 仿人類 學習、思考 及 反應模式 之 系統。生成式 AI 定義: 係指 可以生成 模擬 人類智慧 創造 之 內容 的相關 AI 系統, 其內容形式包括但不限於 1.文章 2.圖像 3.音訊 4.影片 5.程 式碼

 人工智慧(AI)相關定義

 AI 系統定義:

      係指  透過  大量資料學習利用  機器學習 或

      相關   建立 模型  之 演算法,進行

       1.感知

      2.預測

      3.決策

      4.規劃

      5.推理

      6.溝通

     等 模 仿人類  學習、思考 及 反應模式  之  系統


生成式 AI 定義:

        係指   可以生成    模擬 人類智慧   創造  之  內容     的相關 AI 系統,

        其內容形式包括但不限於

          1.文章

         2.圖像

         3.音訊

         4.影片

         5.程 式碼



AI系統生命週期 

AI 系統的生命週期主要包括以下4個階段: 

          (一) 系統規劃及設計:

               設定  明確的   系統目標 及 需求。 

           (二) 資料蒐集及輸入:

             資料蒐集、處理  並  輸入資料庫  之階段。

           (三)模型建立及驗證:

              選擇 與 建立  模型演算法 及  訓練模型,並對 模型 進行驗證

              以  確保    模型      效能、   安全性 與   機密性

            (四)系統部署及監控:

              將系統應用於實際環境中,且關注模型  是否已 完備

             並  持續監控 以   確認    系統   所帶來之潛在影響




2025 10 07 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI在金融市場之使用 雖具有 1.增進金融業之效率 2.降低成本 3.提升客戶體驗 4.管理風險 5.促進合規 6.防制金融犯罪 7.防 禦資安事件 8.促進永續發展 等功效,參考 1.國際清算銀行(BIS) 2.國際證券管理機 構組織(IOSCO) 3.歐盟、新加坡、美國 等規範或手冊,提供金融業運 用AI之指引。

 

2025 10 07 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI在金融市場之使用 雖具有 1.增進金融業之效率 2.降低成本 3.提升客戶體驗 4.管理風險 5.促進合規 6.防制金融犯罪 7.防 禦資安事件 8.促進永續發展 等功效,參考 1.國際清算銀行(BIS) 2.國際證券管理機 構組織(IOSCO) 3.歐盟、新加坡、美國 等規範或手冊,提供金融業運 用AI之指引。

    鑒於AI在金融市場之使用

    日趨普遍

  

    惟如  導入AI時   未經審慎規畫、 檢視或使用後未能因應

   科技  或 實際成效   校調

   不僅可能背離原本導入 之目的,

   亦   可能衍生金融消費者或金融業之損失、增加業者風險程度,

   甚至危及大眾對金融市場之信心


    為利金融業  辨識  及注意   AI系統生 命週期   宜考量之重點,

    本指引依「金融業運用人工智慧(AI)核心原則 與相關推動政策」內容,

    並參考

      1.國際清算銀行(BIS)

      2.國際證券管理機 構組織(IOSCO)

      3.歐盟、新加坡、美國

     等 規範或手冊,提供金融業運 用AI之指引。




2025年10月5日 星期日

2025 10 05 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI 應用規劃師職能基準 職能基準代碼 SMS2512-002v1 基準級別 5 職業 AI應用規劃師 職類別 科學、技術、工程、數學/數學及科學 職類別代碼 SMS 職業別 資訊及通訊專業人員/軟體開發及程式設計師 職業別代碼 2512

 

2025 10 05 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI 應用規劃師職能基準 職能基準代碼 SMS2512-002v1 基準級別 5 職業 AI應用規劃師 職類別 科學、技術、工程、數學/數學及科學 職類別代碼 SMS 職業別 資訊及通訊專業人員/軟體開發及程式設計師 職業別代碼 2512

 AI 應用規劃師   職能基準  


職能基準代碼 SMS2512-002v1

職業                AI應用規劃師 

職類別            科學、技術、工程、數學/數學及科學 

職類別代碼     SMS 

職業別            資訊及通訊專業人員/軟體開發及程式設計師

職業別代碼     2512

行業別            出版影音及資通訊業/資訊服務業 
 
行業別代碼      J63 

工作描述           了解            AI工具的特性 及  具備使用經驗

                               以協助        企業規劃  與   推動AI技術

                                              工具導入根據 企業部門業務需求,
                                                    
                                                  評估  並  選擇 適合的AI工具

                                            解決方案,應用於   內部流程  或  產品生命週期
                                                     
                                            整合跨部門團隊

                               共同            制定 與 執行   AI導入計畫,

                                                   進行   開 發、部署 及 後續優化

基準級別             5級







 

2025年10月4日 星期六

2025 10 04 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論 人工智慧基礎概論 (L11) L111 人工智慧概念 L11101 AI定義與分類 AI的定義:多來源分析 AI的定義 通常圍繞機器執行 通常需要人類智慧的 任務展開。

 

2025 10 04 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論 人工智慧基礎概論 (L11) L111 人工智慧概念 L11101 AI定義與分類 AI的定義:多來源分析 AI的定義 通常圍繞機器執行 通常需要人類智慧的 任務展開。

 iPAS AI應用規劃師初級能力鑑定-考試樣題 


科目一:人工智慧基礎概論


人工智慧基礎概論 (L11)

    L111 人工智慧概念         

         L11101 AI定義與分類


AI的定義:多來源分析

   AI的定義  通常圍繞機器執行  通常需要人類智慧的  任務展開



Wikipedia(Wikipedia):

AI是   機器    或  計算機     程序思考   和  學習     像人類一樣  的能力

開發這些系統的   學習領域



NASA(NASA)

根據EO 13960   提供了一個更正式的定義,

涵蓋了在  多變  和  不可預測  的情況下  執行任務的系統

無需顯著人類監督,或能  從經驗中學習  並  通過    數據集   改進性能。

它還包括   需要   類似人類

感知、認知、計劃、學習、通信  或物理行動    的 任務解決系統


IBM(IBM)

描述  AI    為使    計算機   和  機器    模擬 人類

學習、理解、解決問題、決策、創造力和自主性

的技術,側重於AI的技術實現


Britannica(Britannica)

AI定義為   數字計算機  或  由計算機控制的     機器執行  與   智能生物    

相關任務的能力,

如      推理、發現意義、概括  或   從過去經驗中學習,  

強調AI的實用功能





2025年10月2日 星期四

2025 10 02 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 透過優化行銷與擴大領域來提升業績 在數位化浪潮中抓住業績增長契機 如何系統性地培育與創造具備關鍵能力的菁英人才 1.行銷活動與業績的正比增幅 1.1精準的目標受眾分析 1.2創新的內容策略 2)領域擴增與業績的正比增幅2.1市場潛力評估2.2差異化競爭策略3)數位市場的業績增長 3.1 電商平台的優化 3.2 數位廣告的精準投放 4)菁英人才的培創模式 4.1 建立人才發展計畫4.2 多元化的招募策略

 

2025 10 02 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 透過優化行銷與擴大領域來提升業績 在數位化浪潮中抓住業績增長契機 如何系統性地培育與創造具備關鍵能力的菁英人才 1.行銷活動與業績的正比增幅 1.1精準的目標受眾分析 1.2創新的內容策略 2)領域擴增與業績的正比增幅2.1市場潛力評估2.2差異化競爭策略3)數位市場的業績增長 3.1 電商平台的優化 3.2 數位廣告的精準投放 4)菁英人才的培創模式 4.1 建立人才發展計畫4.2 多元化的招募策略

四個問題涵蓋了商業增長的關鍵面向:

透過優化行銷與擴大領域來提升業績

在數位化浪潮中抓住業績增長契機

如何系統性地培育與創造具備關鍵能力的菁英人才


這些問題的探討,有助於企業制定更精準的策略,以達成持續的成長目標。

1.行銷活動與業績的正比增幅

     這代表著有效的行銷活動應能直接帶來業績的提升。

    要達成此目標,需

      1.1精準的目標受眾分析

            確認行銷活動是否觸及潛在客戶群,並符合其需求。

      1.2創新的內容策略

            設計吸引人且能引起共鳴的行銷內容,提升品牌關注度和轉換率。

      1.3多通路 渠道的整合傳播

            利用數位平台、社交媒體、實體活動等多樣化的管道,擴大觸及範圍。

      1.4數據化的成效追蹤

            透過分析行銷活動的數據,如點擊率、轉換率、投資報酬率等,

            以優化策略並提升成效。


2)領域擴增與業績的正比增幅

       此概念  是指企業透過進入  新的  市場領域 或 產品線,

       能有效帶動業績的成長。

       關鍵在於:

      2.1市場潛力評估

           選擇具有增長潛力 的 市場 或 產品領域。

      2.2差異化競爭策略

           在 新領域中提供 獨特的產品或服務,區別於競爭者。

      2.3品牌聯名與合作

            與其他企業或品牌合作共同拓展新市場,共享資源。

     2.4新業務的整合與創新

           將  新的領域 與 現有的業務  進行  有效整合,創造協同效應。


3)數位市場的業績增長

        數位市場的業績增長是趨勢,企業應關注:

         3.1 電商平台的優化

              提升使用者體驗,確保購物流程順暢,增加銷售機會。

         3.2 數位廣告的精準投放

              透過大數據分析,鎖定最有可能轉化的潛在客戶,提高廣告效益。

         3.3 內容行銷與社群互動

              創造有價值的數位內容,與消費者建立互動,深化品牌連結。

         3.4善用數據分析工具

              透過追蹤網站流量、使用者行為等數據,了解客戶喜好,

              並據此調整數位策略。


4)菁英人才的培創模式

        這是指企業如何系統性地   培養  和  吸引  具有關鍵能力   的 菁英人才

        以支持業務發展。可採取的模式包括:

        4.1 建立人才發展計畫

            提供系統性的 培訓與學習機會,提升員工的  專業技能  與  領導能力

        4.2 多元化的招募策略

            透過不同的管道,吸引來自不同背景 的頂尖人才。

        4.3建立鼓勵創新的文化

            創造讓員工敢於提出新想法,並能獲得支持與實踐的環境。

       4.4以人為本的獎勵與激勵機制

           提供 具吸引力的 薪資福利,並建立明確的  職涯發展路徑

          以留住優秀人才。




2025年9月29日 星期一

2025 09 29 左永安 顧問/講師/委員 型一錯誤與型二錯誤(Type I Error & Type II Error)表示統計學假說檢定中的兩種錯誤 混淆矩陣(Confusion Matrix): 用於檢視分類型的預測結果,包括: 真正例(TP):正確預測為正的數量。 假正例(FP):錯誤預預測為正的數量。(型Ⅰ錯誤) 真負例(IN):正確預預測為負的數量。 假負例(FN):錯誤預預測為負的數量。(型Ⅱ錯誤) 如果真相是「虛無假設是對的」,實際上數據沒有特色,我們卻判斷數據具有特色,這就犯了型一錯誤 如果真相是「虛無假設是錯的」,實際上數據具有特色,我們卻判斷數據沒有特色,這則是型二錯誤

 

2025 09 29 左永安 顧問/講師/委員 型一錯誤與型二錯誤(Type I Error & Type II Error)表示統計學假說檢定中的兩種錯誤 混淆矩陣(Confusion Matrix): 用於檢視分類型的預測結果,包括: 真正例(TP):正確預測為正的數量。 假正例(FP):錯誤預預測為正的數量。(型Ⅰ錯誤) 真負例(IN):正確預預測為負的數量。 假負例(FN):錯誤預預測為負的數量。(型Ⅱ錯誤) 如果真相是「虛無假設是對的」,實際上數據沒有特色,我們卻判斷數據具有特色,這就犯了型一錯誤 如果真相是「虛無假設是錯的」,實際上數據具有特色,我們卻判斷數據沒有特色,這則是型二錯誤

 混淆矩陣(Confusion Matrix): 

  用於檢視分類型的預測結果,

   包括: 

     真正例(TP) :正確預測為正的數量。 

     假正例(FP):錯誤預預測為正的數量。(型Ⅰ錯誤)

     真負例(IN) :正確預預測為負的數量。 

     假負例(FN):錯誤預預測為負的數量。(型Ⅱ錯誤)





如果真相是「虛無假設是對的」,

實際上數據沒有特色,我們卻判斷數據具有特色,這就犯了型一錯誤 

如果真相是「虛無假設是錯的」,

實際上數據具有特色,我們卻判斷數據沒有特色,這則是型二錯誤








2025年9月28日 星期日

2025 09 28 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 公司營運的目標或關鍵績效指標 (KPI) 涵蓋了財務、庫存管理、物流效率和員工發展等面向。 明星事業(Star) -高成長率、高市占率 來源 金牛事業(Cash Cows) -低成長率、高市占率 問題事業(Question Mark)-高成長率、低市占率 瘦狗事業(Dog) -低成長率、低市占率

 

2025 09 28 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 公司營運的目標或關鍵績效指標 (KPI) 涵蓋了財務、庫存管理、物流效率和員工發展等面向。 明星事業(Star) -高成長率、高市占率 來源 金牛事業(Cash Cows) -低成長率、高市占率 問題事業(Question Mark)-高成長率、低市占率 瘦狗事業(Dog) -低成長率、低市占率

公司營運的目標或關鍵績效指標 (KPI)

涵蓋了財務、庫存管理、物流效率和員工發展等面向。



明星事業(Star)                  -高成長率、高市占率 來源

金牛事業(Cash Cows)      -低成長率、高市占率

問題事業(Question Mark)-高成長率、低市占率

瘦狗事業(Dog)                 -低成長率、低市占率


這些指標的目的

是要在提高營業利潤、減少過多庫存的同時

優化 物流流程   透過教育訓練來提升員工的業績表現,

最終達成整體   企業的成長與獲利。


提高營業利潤

 (Improve operating profit)

這是企業最直接的財務目標,意味著要透過各種方式

(如提高銷售額、降低成本、調整產品組合等)

來增加公司在正常營運中的盈利能力。


大幅降低庫存與去庫存

 (Significantly reduce inventory and destock)


這表明公司目前庫存過多,並期望透過有效的庫存管理策略,

例如減少採購量、加速銷售或  淘汰滯銷品  等,來降低庫存水平。


降低物流成本及作業效率 

(Reduce logistics costs and improve operational efficiency)

著重於物流環節的優化,希望降低從倉庫到客戶手中的各項物流開銷,

並提高物流作業的整體效率,

例如加快訂單處理速度、減少運輸時間等。


教育與業績的正比增幅

 (Positive correlation between education and performance)

這是一個關於人力資本的目標,強調員工的教育訓練應能直接轉化為業績的提升。

換句話說,公司希望投資在員工的教育上能夠帶來顯著的業務成果。


企業追求的價值:

      獲利能力提升:            提高 營業利潤。

      資產效率優化:            降低 庫存,釋放被佔用的資金。

      營運效率增強:            降低 物流成本,提升作業效率。

      人才發展與成果連結:透過教育訓練,直接促進 業績增長。




2025年9月26日 星期五

2025 09 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論公司在整合資料時,發現同一客戶的姓名 在不同系統中拼寫不一致 (例 如「陳大文」與「陳大文先生」), 導致資料無法正確對應。 請問此類 資 料品質問題 應該在ETL(擷取Extract、轉換Transform、載入Load) 哪一個 流程步驟中進行處理? (A) 資料轉換(Data Transformation) (B) 資料擷取(Data Extraction) (C) 資料載入(Data Loading) (D) 型態轉換(Type Conversion)

 

2025 09 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI應用規劃師初級能力鑑定-考試樣題 科目一:人工智慧基礎概論公司在整合資料時,發現同一客戶的姓名 在不同系統中拼寫不一致 (例 如「陳大文」與「陳大文先生」), 導致資料無法正確對應。 請問此類 資 料品質問題 應該在ETL(擷取Extract、轉換Transform、載入Load) 哪一個 流程步驟中進行處理? (A) 資料轉換(Data Transformation) (B) 資料擷取(Data Extraction) (C) 資料載入(Data Loading) (D) 型態轉換(Type Conversion)

 iPAS AI應用規劃師初級能力鑑定-考試樣題 


  科目一:人工智慧基礎概論


下列資料型態,何者最常 用來儲存

員工年齡、員工年資、貨品銷售量等 資料?

    (A) 文字型(Text) 

    (B) 數值型(Numeric)

    (C) 日期型(Date)

    (D) 布林型(Boolean) 


   某行銷公司  欲針對新客戶 進行「行銷活動推播」

   目前擁有資料包含:

   客 戶基本資料(尚未有購買紀錄)、

   客戶過往點擊行為(未標記是否完成購 買)、

   類似客戶是否曾購買過(已標記「有/無購買」標籤)。

   若該公司希 望預測新的單一客戶是否可能完成購買行為,

   下列哪一種  學習方式 與  資 料搭配   最合適? 


 (A) 使用非監督式學習,分析所有客戶點擊路徑進行異常偵測

 (B) 使用非監督式學習,將客戶分群後預測其轉換率 

 (C) 使用監督式學習,針對未標記資料直接預測轉換可能性

 (D) 使用監督式學習,以已知購買結果作為標籤進行訓練 


在品質管理中,若一產品的生產過程中  標準差顯著偏大

通常意味著什 麼? 

 (A) 資料點高度集中,產品質量穩定 

 (B) 生產過程波動大,產品品質不穩定 

 (C) 資料無法反映產品實際狀況 

 (D) 中位數數值高,品質良率較高 


   某AI團隊在分析一組  連續型數據  時,發現部分紀錄的

   數值明顯高於其 他資料點。若 專案目標 是 識別高價值客戶

   的行為模式,下列哪一種處理 方式最為合適?

    (A) 立即刪除離群值,以避免模型訓練時出現偏差 

    (B) 視為錯誤值並全部替換為平均值 

    (C) 保留離群值並標註為高價值異常點,納入後續模型訓練考量 

    (D) 將離群值全數轉換為中位數,避免影響平均計算 4 題號 答案 題目 


   在檢視資料品質時,可參考資料變異程度及資料的

   集中趨勢。下列何 者不屬於  資料集中趨勢衡量  的方法?

     (A) 平均數(Mean)

     (B) 中位數(Median)

     (C) 眾數(Mode)

      (D) 標準差(Standard Deviation)


某醫院研究特定心血管疾病的成因,

收集了50名  病患  與  150名正常人 

年齡、血壓、血型等三項屬性變數。

此研究適合使用下列  哪一種機器 學習模型  來建立?

(A) 決策樹(Decision Tree) 

 (B) 線性廻歸(Linear Regression) 

 (C) 基於密度之含噪空間聚類法

     (Density-Based Spatial Clustering of Application with Noise, DBSCAN) 

 (D) K-means聚類(K-means Clustering) 


 公司在整合資料時,發現同一客戶的姓名

 在不同系統中拼寫不一致

(例 如「陳大文」與「陳大文先生」),

 導致資料無法正確對應。

 請問此類  資 料品質問題

  應該在ETL(擷取、轉換、載入) 哪一個  流程步驟中進行處理?

 (A) 資料轉換(Data Transformation) 

 (B) 資料擷取(Data Extraction) 

 (C) 資料載入(Data Loading)

 (D) 型態轉換(Type Conversion)


 銀行想建立聊天機器人,可透過下列哪一種領域技術來達成?

      (A) 資料庫管理技術

      (B) 機器學習與自然語言處理 

      (C) 網頁開發技術 

       (D) 網路安全技術 


線性迴歸模型最適合解決哪種類型的問題? 

     (A) 圖像分類

      (B) 銷售額預測

      (C) 聚類分析 

      (D) 遊戲策略學習



ETL(擷取、轉換、載入)流程

  是一個將資料從來源系統移動到目標系統的過程,

   包含三個主要步驟:

    1.擷取 原始資料,

    2.轉換 資料使其  符合  特定格式並進行驗證,

    3.最後將載入資料  至 目標儲存位置如資料倉儲或資料湖。

    此過程旨在  確保資料  的準確性、一致性,以便後續

     進行分析  和  商業智慧應用。 

 1. 擷取 (Extract)

    目標從一個或多個來源系統中提取資料。 

    資料來源來源可能非常多樣,包括資料庫、API、檔案、IoT 日誌、文件、

                        電子郵件和應用程式等。 

     處理在擷取階段,主要目的是將資料移至一個中繼區域(如暫存區)

                 以進行下一步的處理。 

   2. 轉換 (Transform)

      目標對擷取的資料進行必要的處理,使其符合目的儲存的格式和業務規則。 

      處理

          清理:移除重複、不完整或明顯錯誤的資料記錄。

          格式化:將資料轉換為統一的通用格式,例如調整

                          資料型態、 欄位合併或分割等。

          驗證:根據業務邏輯驗證資料的準確性與可靠性。

          聚合:將資料進行匯總或整理。 

     3. 載入 (Load)

          目標:將轉換後的資料傳送至目的地系統進行儲存。 

          處理將資料載入到目標資料倉儲、資料庫、資料湖或資料儲存庫中。

                      此步驟可包含初始載入所有資料,或只載入自上次流程執行以來

                      新增的增量變更。載入可以是即時的,也可以是按計劃分批進行的。 

結論

             ETL 流程透過「擷取」、「轉換」和「載入」三個步驟,

             將分散且格式各異的原始資料,轉化為可用於進階分析的

             乾淨、結構化資料,從而支援企業做出更好的決策。 




2025年9月23日 星期二

2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 RAG (Retrieval-Augmented Generation) 是一種自然語言處理模型, 它結合了檢索(retrieval)和生成(generation)的技術。

 

RAG 的原理與進行方式是什麼?可以解決什麼困難?


RAG (Retrieval-Augmented Generation) 的基本結構

包括一個生成器(generator)和一個檢索器(retriever)

生成器   負責生成文本,而

檢索器   則用來   檢索與生成   相關  的  外部知識


檢索(Retrieval): 

在這一階段,RAG 模型使用檢索模型,

通常是一個   檢索式記憶體網絡(Retriever)

從龐大的資料庫  中   檢索相關訊息。

這個模組  能夠根據  輸入的  提示 或  查詢

從  文本資料庫   中找到    相關的資訊片段。

檢索模組的目標是

確保   提取的資訊  與  輸入文本    有高度的 相關性 和 完整性

生成(Generation): 

獲取到  的  檢索資訊  接著被傳遞到生成模組中,

通常是一個語言生成模型(如 GPT,BERT 等)。

生成模組    利用這些檢索到的資訊,

以  更有   邏輯 和 意義  的方式    生成  回答、文章或其他形式的內容

這讓模型能夠  更好地理解   檢索到的   上下文資訊  並生成  更精確的回應

整合和調整(Integration and Adjustment): 

檢索到的  資訊片段  會與   生成模型中的內部資訊   相互結合

以產生  最終的輸出

這個過程可能包括   整合檢索到的訊息 以及  根據 生成模型的內部機制   進行調整

以  確保  生成的內容   具有   合適的邏輯  和  完整性


2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 iPAS AI 應用規劃師 應用規劃師 初級 能力鑑定 科目一 人工智慧基礎概論 (L11)

 iPAS  AI 應用規劃師 初級 能力鑑定

 AI應用規劃師(初級) 

  科目一 人工智慧基礎概論 (L11)      

       L111 人工智慧概念   


1.關於 AI ,下列 敘述何者正確 

(A) AI 僅能處理結構化數據的分析 

(B) AI 涵蓋 多種專業 領域 與技術

(C) AI 系統只能在學術研究中應用 

(D) AI 無法應用於金融領域





2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 線性迴歸linear regression 是一種 透過尋找 自變數 和 依變數 之間的線性關係, 以建立預測模型來預測未知值的統計分析方法。

 

2025 09 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 AI應用規劃師(初級) 人工智慧基礎概論 (L11) L111 人工智慧概念 線性迴歸linear regression 是一種 透過尋找 自變數 和 依變數 之間的線性關係, 以建立預測模型來預測未知值的統計分析方法。

 AI應用規劃師(初級) 

  人工智慧基礎概論 (L11)      

       L111 人工智慧概念   

 

線性迴歸linear regression

    是一種  透過尋找    自變數 和 依變數  之間的線性關係,

    以建立預測模型來預測未知值的統計分析方法。

   它假設兩個變數之間存在線性關係,

    通常可以用一條直線或一個平面近似表示。

    簡單線性回歸     只有一個自變數

  而多元線性回歸   則有多個自變數。 

 主要概念

    自變數(Independent Variable)

    用來預測依變數的值的已知變數,也稱為特徵(feature)或預測因子。 

    依變數(Dependent Variable)

    被預測的目標變數,其值會受到自變數的影響。 

     線性關係

    自變數和依變數之間存在一種直線或平面近似的關係。 

     最佳擬合線

    在數據點中找到一條最能代表整體趨勢的直線,用於預測。 

    截距(Intercept)和斜率(Slope)

    在簡單線性回歸中,截距是y軸上的點,斜率則表示自變數每改變一個單位,

    依變數會改變多少。 

     誤差項(Error Term)

    表示  實際觀測值  與  模型預測值  之間的差異。 


線性回歸的應用

     1.預測模型

       基於過去的數據,建立模型來  預測未來的  銷售額、房價、或特定數值。 

     2.找出變數關係

      量化  自   變   數  如何影響   依 變 數,理解它們之間的   依賴關係。 


簡單線性與多元線性回歸

   簡單線性

    只有 一個自變數 和 一個依變數,其關係可以表示為一條直線,

    如 y = a + bx + e。 

   多元線性

    包含兩個或兩個以上自變數,其迴歸方程可以是一個平面或超平面,

    如 y = a + b1x1 + b2x2 + ... + e。 


如何確定模型

    最小二乘法(Least Squares Method)

    一種常用方法,旨在最小化每個數據點到擬合線的平方距離總和,

    以此找到最佳的截距和斜率。 

注意事項

     對異常值敏感

     異常值(outliers)可能會對線性迴歸模型產生很大的影響。 

     線性關係假設

     線性的前提是自變數與依變數之間存在線性關係。

     若數據關係是非線性的,則需要考慮  其他模型

     如多項式歸。 




2025年9月21日 星期日

2025 09 21 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 指標5:訓練規劃及經營目標達成的連結性(滿分5分)列舉適當佐證資料項目 1.說明 如何 連 結 組織目標、需求 及 訓練發展方向。 2.展現 如何 連 結 訓練發展方向 與 訓練行動計畫 及 (策略性)重點課程。

 

2025 09 21 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 指標5:訓練規劃及經營目標達成的連結性(滿分5分)列舉適當佐證資料項目 1.說明 如何 連 結 組織目標、需求 及 訓練發展方向。 2.展現 如何 連 結 訓練發展方向 與 訓練行動計畫 及 (策略性)重點課程。

 指標5:訓練規劃   及

            經營目標達成   的  連結性  (滿分5分)


列舉適當佐證資料項目 

       1.說明  如何  連 結   組織目標、需求  及  訓練發展方向。   
  
       2.展現  如何  連 結   訓練發展方向 與  訓練行動計畫  及  (策略性)重點課程



指標意涵說明 

  此指標   強調    組織的願景策略目標經營需求 與  訓練需求

  必須有完整的關聯。 

  通常      透過   組織績效分析結果  與  訓練機能   展開連結,

  並 針對  組織人力   的   職能不足。 

  發展   訓練方針   訓練行動計畫  與  (策略性)重點課程。 


常見參考佐證資料

   1.員工訓練  與  組織年度事業計畫  與  員工訓練規劃   連結  的  證明。 

   2.訓練課程體系訓練重點  與  組織業務   策略方向    連结  的  證明。 

   3.訓練規劃  與  達到  組織訓練   績效目標                      連結   的  證明。

  4.其他  有關  訓練規劃   與  經營目標                               有效連結  的  證明





      


2025年9月20日 星期六

2025 09 20 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 指標3:明確的PDDRO訓練體系及明確的核心訓練類別(滿分5分) 才發展品質管理迴圈(PDDRO)的運 作 1.訓練體系 圖解 及 核心訓練類別 名稱。 2.展示 完整之 教育訓練體系 規劃。3.體系 適當反映 訓練發展 重點 及 核心能力。

 

2025 09 20 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 指標3:明確的PDDRO訓練體系及明確的核心訓練類別(滿分5分) 才發展品質管理迴圈(PDDRO)的運 作 1.訓練體系 圖解 及 核心訓練類別 名稱。 2.展示 完整之 教育訓練體系 規劃。3.體系 適當反映 訓練發展 重點 及 核心能力。

 

2025 09 20 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 指標3:明確的PDDRO訓練體系及明確的核心訓練類別(滿分5分) 才發展品質管理迴圈(PDDRO)的運 作 1.訓練體系 圖解 及 核心訓練類別 名稱。 2.展示 完整之 教育訓練體系 規劃。3.體系 適當反映 訓練發展 重點 及 核心能力。


 指標3:明確的PDDRO訓練體系   及

            明確的核心訓練類別  (滿分5分)


列舉適當佐證資料項目 

1.展示  完整之   教育訓練體系  規劃。 

2.體系   適當反映   訓練發展   重點  及  核心能力。 


指標意涵說明 

依據  組織經營  與  發展需求·  建置 教育訓練體系  並

確保  人才發展品質管理迴圈(PDDRO)的運 作,

同時  必須能夠   明確充份  的  展現   達成經營績效

所需的  訓練發展重點  及  核心訓練類別



常見參考佐證資料

1.訓練體系   圖解   及  核心訓練類別  名稱。 

2.員工訓練 與 組織事業發展  相關的證明。 

3.員工  訓練核心類型  與   促進關鍵績效指標(KPI)  的  關係

4. 其他  能展現明確  PDDRO訓練體系 與  核心訓練類別   的

   員工訓練      與  員工職務  相稱   的證明...等書面文件。