iPAS 初級必考術語
這份清單收錄 19 個初級必考術語，依科目分類整理，點一下看白話定義，需要時再看完整說明。
初級考試共 2 科，各 75 分鐘、50 題選擇題，總分 100 分。同時報考兩科時總平均 70 分以上且任一科不低於 60 分，分次報考時各科都要 70 分。
L11・科目一
人工智慧基礎概論
涵蓋 AI 定義與分類、治理概念、資料處理、機器學習原理、鑑別式與生成式 AI。這一科是所有 AI 知識的基礎，建議優先讀熟。
-
非監督式學習是機器學習方法，讓模型在沒有標籤的輸入資料中，自行探索隱藏的結構與模式
看完整說明：非監督式學習 -
監督式學習是一種 AI 方法，透過提供帶有正確標籤的輸入資料，訓練模型學習預測新資料的標籤
看完整說明：監督式學習 -
電腦視覺（Computer Vision）讓 AI 從圖像與影片中辨識物件、文字、人臉，廣泛用於自駕車、人臉辨識、醫療影像分析、工廠瑕疵檢測。
看完整說明：電腦視覺 -
模型部署是指將訓練完成的機器學習模型整合到實際應用環境中，使其能夠接收輸入數據並產生預測結果，為業務決策提供支援。
看完整說明：模型部署 -
人工智慧是模擬人類認知能力的電腦技術，透過機器學習與深度學習讓系統能自主學習與決策
看完整說明：人工智慧 -
強化學習是一種讓 AI 透過與環境互動，從獎勵和懲罰中學習，進而找到最佳行動策略的方法
看完整說明：強化學習 -
深度學習是一種機器學習方法，透過多層神經網路自動從原始資料中提取階層特徵，解決複雜問題。
看完整說明：深度學習 -
機器學習讓電腦透過分析大量資料自動找出規律，無需明確程式指令即可完成預測與分類任務
看完整說明：機器學習 -
生成式 AI 是能夠產生新內容（文字、圖像、音訊、程式碼等）的人工智慧系統，基於學習大量訓練資料的分佈特徵來生成符合語境的輸出
看完整說明：生成式 AI -
特徵工程透過創建、轉換與選擇原始資料的代表性特徵，顯著提升機器學習模型的預測效果
看完整說明：特徵工程 -
判別式 AI 學習輸入與輸出之間的條件機率 P(Y|X)，直接預測分類或回歸結果，與生成式 AI 學習資料分佈 P(X) 相對
看完整說明：判別式 AI -
資料隱私是指保護個人資訊不被未授權存取、蒐集或濫用的原則與實踐，在 AI 系統中需遵循 PDPA 等法規要求
看完整說明：資料隱私 -
語音辨識是一種將人類語音轉換為機器可理解的文字或指令的技術，使電腦能夠聽懂並處理人類語言。
看完整說明：語音辨識 -
大數據指規模龐大、速度快速且多樣化的資料集合，傳統資料處理工具難以有效處理，需要專門的技術與架構來儲存、分析與應用
看完整說明：大數據
L12・科目二
生成式 AI 應用與規劃
涵蓋 No Code／Low Code、生成式 AI 工具、提示工程、RAG、AI 導入評估與風險管理。這一科偏應用與實務規劃，情境題比例較高。
-
低程式碼平台讓使用者透過視覺化拖拉介面快速開發應用，大幅降低軟體開發的技術門檻與時間成本
看完整說明：低程式碼 -
成本效益分析是評估 AI 專案投資回報的方法，計算直接節省成本加上間接效益後，扣除導入與維運成本，以判斷專案是否值得執行
看完整說明：成本效益分析 -
RAG（檢索增強生成）讓 AI 回答問題前先查詢外部知識庫，再結合查到的資料生成答案，大幅減少幻覺、提升回答準確性。
看完整說明：檢索增強生成 -
AI 代理是能自主規劃、執行任務並運用工具的 AI 系統，它不只回答問題，更能實際採取行動
看完整說明：AI 代理 -
提示工程是設計與優化輸入給 AI 模型的指令，以引導模型產生更準確、符合需求的回應
看完整說明：提示工程
術語依據
依 經濟部 iPAS AI 應用規劃師評鑑內容範圍（115.02 版） 整理，考前請對照 官方勘誤表，L11 統計定義有多處官方已知錯誤。