AITerms 登入

給老師與培訓講師

在課堂使用 AITerms:iPAS 初級 AI 概念

免費、不用登入,學生用手機就能做,每個單元都有固定網址、版本與來源,可以直接放進你的課程,不需要我們到場。

90 分鐘課程範例

時間做什麼怎麼做
0–10 分說明今天要做什麼請學生用手機打開 aiterms.tw/ipas,選「初級」,不用註冊或登入。
10–25 分每人做 10 題初級診斷做完會看到三類主題:需要補強、表現較好、這次沒測到。
25–55 分依結果分組讀補強單元同一個「需要補強」主題的同學一組,讀重點、練 2 題,再討論下面的討論題。
55–70 分各自做 3 題驗證驗證題是同一主題、沒做過的題目,答對 2 題以上算通過。
70–85 分全班討論容易混淆的地方各組分享答錯的題目和原因,老師補充單元裡的「考試陷阱」。
85–90 分回顧與作業沒通過的同學回家重讀單元再驗證一次,把結果畫面截圖交給老師。

只有 60 分鐘的話,把分組閱讀縮成 20 分鐘,討論改成作業。

學生怎麼做

  1. 1打開專區手機或電腦打開 aiterms.tw/ipas,選「初級」。
  2. 2做 10 題診斷每題送出後馬上看解析,做完看結果。
  3. 3讀推薦的補強單元結果頁第一個建議就是要讀的單元,約 15 分鐘。
  4. 4練 2 題、驗證 3 題驗證題不會重複已經做過的題目。
  5. 5截圖交給老師紀錄存在自己的手機,要換裝置繼續才需要登入。

可以用的單元

  • L111 人工智慧概念

    分辨弱 AI、強 AI 與超 AI,說出 EU AI Act 的禁止、高風險與低風險各包含哪些應用,也知道台灣與 AI 相關的規範有哪些。

    /ipas/L1/units/L111・v1・草稿,待第二位審查

    開啟
  • L112 資料處理與分析概念

    說出大數據的 5V,分辨結構化、半結構化與非結構化資料,也分辨 Normalization 與 Standardization,以及特徵選擇與特徵萃取。

    /ipas/L1/units/L112・v1・草稿,待第二位審查

    開啟
  • L113 機器學習概念

    分辨六種學習類型,說出常見演算法屬於哪一類,並從訓練誤差與測試誤差判斷過擬合或欠擬合。

    /ipas/L1/units/L113・v1・草稿,待第二位審查

    開啟
  • L114 鑑別式 AI 與生成式 AI 概念

    分辨 VAE、GAN、Diffusion 與 Transformer 的核心機制,說出 Flash Attention 與 RLHF 各解決什麼問題。

    /ipas/L1/units/L114・v1・草稿,待第二位審查

    開啟
  • L121 No code/Low code 概念

    分辨 No Code 與 Low Code,說出兩者的優勢與限制,以及選平台時要看的條件。

    /ipas/L1/units/L121・v1・草稿,待第二位審查

    開啟
  • L122 生成式 AI 應用領域與工具使用

    分辨 Zero-shot、Few-shot、CoT、ToT 與 RAG 各適合什麼情況,說出 MCP 解決什麼問題。

    /ipas/L1/units/L122・v1・草稿,待第二位審查

    開啟
  • L123 生成式 AI 導入評估規劃

    說出生成式 AI 導入評估要看的面向,分辨 TCO 與 ROI,並分辨風險的緩解、轉移、接受與規避。

    /ipas/L1/units/L123・v1・草稿,待第二位審查

    開啟

目前只有初級,單元改版會出新版本號,舊版網址保留,課程裡的連結不會失效。

討論題

  • L111 人工智慧概念為什麼職場與學校的情緒辨識屬於「禁止」,信用評分卻是「高風險」?兩者差在哪裡?
  • L113 機器學習概念BERT 的預訓練不需要人工標記,為什麼它算「自監督式」,不是「非監督式」?
  • L121 No code/Low code 概念行銷文案適合交給 No Code 工具,法律判決不適合,你會用哪幾個條件判斷一項工作適不適合?
  • L123 生成式 AI 導入評估規劃把含敏感資料的工作外包給第三方 AI 服務,算是風險的「緩解」還是「轉移」?為什麼?

來源、授權與引用

  • 官方考題與答案:© 經濟部產業發展署,本站只作教學引用。
  • 本站的解析、延伸題與補強單元:CC BY-NC-SA 4.0,學校與非營利課程可以直接使用與改作,要註明出處,改作也要用同樣的授權。
  • 收費課程、企業內訓或其他商業用途,要先取得同意,到引用政策頁填商業授權詢問。
  • 每個單元頁都有內容 ID、版本、重點出處、授權與審查狀態。

引用方式

AITerms.tw(2026),L113 機器學習概念補強單元,v1,CC BY-NC-SA 4.0,https://aiterms.tw/ipas/L1/units/L113

試辦與回報

用過的話,請填下面的試辦紀錄,幫我們知道哪裡要改,說明框裡已經列好要記的欄位:

機構日期授課教師使用的單元與版本參與人數完成核心流程的人數老師的準備時間遇到的問題會不會再用

試辦紀錄存在網站的資料庫,只有維護者看得到,不記錄 IP 位址。公開機構名稱、案例或標誌前會先取得你們同意,老師回報的資料和網站量測分開標示。

不方便用表單的話,也可以寄信到 hans@groupg.org,標題寫「AITerms 試辦紀錄」。

驗證分數不能保證通過官方考試,中級的補強單元還沒做。