iPAS 中級考試範圍

L21101 自然語言處理技術與應用

NLP、文本分類、情感分析、NER、機器翻譯

L21102 電腦視覺技術與應用

圖像分類、物件偵測（YOLO）、語意分割

L21103 生成式 AI 技術與應用

LLM、Diffusion Model、RLHF、生成架構比較

L21104 多模態人工智慧應用

文字、圖像、聲音等

L21201 AI 導入評估

技術或工具效能評估、適用解決方案選擇、成本效益分析

L21202 AI 導入規劃

需求分析、技術應用方案設計、目標設置、資源分配

L21203 AI 風險管理

風險識別、安全與合規性、AI 倫理、負責任 AI

L21301 數據準備與模型選擇

數據收集、數據清洗與預處理、特徵工程、不同模型的優缺點

L21302 AI 技術系統集成與部署

AI 系統架構設計、模型部署技術、效能監控和更新管理、雲端環境建置

L22101 敘述性統計與資料摘要技術

數據的集中趨勢、離散程度與分佈型態、數據清理與剖析

L22102 機率分佈與資料分佈模型

機率理論模型與分佈特性

L22103 假設檢定與統計推論

p 值判斷、Type I/II Error、顯著水準 α、單尾與雙尾

L22201 數據收集與清理

數據預處理、特徵提取

L22202 數據儲存與管理

資料庫架構、儲存機制、模型訓練

L22203 數據處理技術與工具

Apache Spark、Hadoop、Kafka、批次 vs 串流處理

L22301 統計學在大數據中的應用

數據轉換、縮放與分佈調整、特徵工程

L22302 常見的大數據分析方法

數據分析演算法、模式識別以及資料不平衡處理策略

L22303 數據可視化工具

資訊呈現的原則、圖表類型的選擇以及視覺化效能

L22401 大數據與機器學習

大數據特性對機器學習演算法產生的底層影響與挑戰

L22402 大數據在鑑別式 AI 中的應用

大數據應用於預測、分類等鑑別式任務

L22403 大數據在生成式 AI 中的應用

生成式模型在處理大規模語料時的技術需求

L22404 大數據隱私保護、安全與合規

數據的安全性與法律合規技術

L23101 機率/統計之機器學習基礎應用

數據的數學分佈特性、變異解釋

L23102 線性代數之機器學習基礎應用

特徵提取、資料降維與壓縮

L23103 數值優化技術與方法

演算法效率與可擴展性評估

L23201 機器學習原理與技術

基礎理論、機率推論與模擬驗證技術

L23202 常見機器學習演算法

演算法技術原理、應用與優化

L23203 深度學習原理與框架

類神經網路架構、層級運算機制與模型效能分析

L23301 數據準備與特徵工程

資料清洗、特徵縮放、類別編碼（One-Hot）、缺失值處理

L23302 模型選擇與架構設計

模型架構的定義、層級設定以及訓練前的核心配置

L23303 模型訓練、評估與驗證

模型訓練、泛化能力與穩定性評估

L23304 模型調整與優化

訓練過程參數調整策略、優化控制與效能提升策略

L23401 數據隱私、安全與合規

資料安全性、隱私保護以及符合法規要求

L23402 演算法偏見與公平性

識別資料或模型中潛在的偏誤來源與調整策略