L21 中級必考
AI 技術應用與規劃
中級必考科目，50 題，90 分鐘，及格 70 分
題數
50
單選題
考試時間
90
分鐘
及格門檻
70
分（兩科均需）
程式題
無
純概念題
中級考試結構提醒
中級共考 2 科：L21（必考）+ L22 或 L23 擇一。兩科都必須 ≥ 70 分才算通過。
⚠️ 115 年新增考點警報
- ▸ AI 專案 ROI 計算框架（直接節省 + 間接效益 - 導入與維運成本）
- ▸ AI 風險評估矩陣（可能性 × 影響程度）
- ▸ 混合雲 AI 部署架構（公有雲 + 私有雲）
- ▸ MLOps 生命週期管理（特徵 store、模型漂移監控）
大量情境規劃題，幾乎沒有純背誦題；需要整合多個概念做最佳方案判斷
知識點地圖（依評鑑範圍）
L211 AI 相關技術應用（預估 12-15 題）
技術選型判斷
- • NLP 適用場景：客服、文件摘要、情感分析
- • Computer Vision 適用：瑕疵檢測、人臉辨識、OCR
- • GenAI 適用：內容生成、程式碼輔助、設計
- • 多模態 AI：同時處理文字+圖像+聲音
技術限制認知
- • 幻覺（Hallucination）風險
- • 資料偏見的來源與影響
- • 模型黑箱 vs 可解釋性需求
L212 AI 導入評估規劃（預估 18-22 題，最多！）
導入評估
- • ROI 計算：直接節省 + 間接效益 - 導入成本
- • 成本效益分析（TCO 全生命週期成本）
- • Build vs Buy vs Partner 決策
- • PoC（概念驗證）→ Pilot → Scale
風險管理
- • AI 治理框架（可解釋性、問責制、公平性）
- • 負責任 AI（Responsible AI）原則
- • 風險矩陣：可能性 × 影響程度
- • PDPA 個人資料保護合規
L213 AI 系統部署（預估 12-15 題）
MLOps 生命週期
- • 資料管線 → 模型訓練 → 部署 → 監控
- • Feature Store：特徵集中管理與重複使用
- • 模型漂移（Data Drift / Concept Drift）監控
- • A/B Testing 模型上線策略
部署架構
- • 公有雲 vs 私有雲 vs 混合雲的選擇
- • Edge AI（邊緣運算）vs 雲端 AI
- • Microservices 架構下的 AI 整合
常見陷阱
⚠️
MLOps vs DevOps：MLOps 額外包含特徵 store 管理和模型漂移監控
⚠️
AI 專案失敗主因：不是技術問題，是資料品質不足 + 組織變革管理失敗
⚠️
AI 治理 vs IT 治理：AI 治理多了可解釋性和演算法偏見的考量
備考計畫
7 天速成
- Day 1：L211 技術選型（NLP vs CV vs GenAI）
- Day 2-3：L212 導入評估（ROI / 風險矩陣）
- Day 4：L213 MLOps + 部署架構
- Day 5-6：做題（每天 25 題）
- Day 7：全科模擬 50 題
學習策略
每個概念都對應「真實企業場景」：考試給你情境讓你選最佳方案，要能判斷「為什麼這個方案優於其他選項」
- • 每個概念問自己「在哪個企業情境下會用到？」
- • ROI 計算題一定要會推導，不只背公式
- • 風險管理題：找出「最根本的風險應對方式」