人工智慧：智慧型系統導論 (3版)

相關熱銷的書籍推薦給您

書名：人工智慧：智慧型系統導論(第三版) 作者：李聯旺 出版社：全華 ISBN：9789862800959

機器學習：類神經網路、模糊系統以及基因演算法則 (4版)

相關熱銷的書籍推薦給您

書名：機器學習：類神經網路、模糊系統以及基因演算法則(第四版) 作者：蘇木春、張孝德 出版社：全華 出版日期：2016/05/00 ISBN：9789864632060 內容簡介 ■ 本書優點特色 1.將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。 2.以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 3.每一種理論都儘可能配合書中範例及圖表加以說明。 ■ 內容簡介 本書將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。此外，作者以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 目錄 第1章 類神經網路之簡介 第2章 感知機 第3章 多層感知機 第4章 非監督式類神經網路 第5章 聯想記憶 第6章 增強式學習 第7章 模糊集合 第8章 模糊關係及推論 第9章 模糊系統 第10章 基因演算法則

神奇AI探祕: 人工智慧大對決 (1版)

類似書籍推薦給您

【簡介】 ★ 作者印刷親筆簽名頁 ★ ★ 超值附贈大海報：銀河市人工智慧研究所導覽地圖 ★ 在人工智慧快速改變世界的時代，孩子也需要從小認識 AI 透過生動有趣的圖文故事，讓科學知識變得輕鬆又好懂 陪伴孩子在閱讀中開啟對科技與未來世界的好奇與想像 ▍ 驚奇推薦 顏志豪｜兒童文學作家 Tey｜「小學生都看什麼書」版主 ▍ 關於本書 什麼是人工智慧？使用 AI 的正確方式是什麼？ 「人工智慧和元宇宙等尖端技術的起點是人性。」 這是一部結合豐富知識、生動插圖的AI科學的圖文故事， 帶你輕鬆認識人工智慧的原理與應用， 一起探索、思考，開啟屬於未來的全新世界！ 什麼是人工智慧？我們該如何正確使用人工智慧？ 在這場由小男孩「宇宙」與伙伴們展開的科學大冒險中，你將找到所有答案！ 在銀河小學的「金老師科學社」， 某一天，人工智慧機器人「機器玩偶」突然來訪，它希望能和大家成為好朋友。 然而，小男主角宇宙卻第一時間拒絕了它。 金老師看到後提醒孩子們：「如果你們只是一味對立與爭吵， 未來可能真的會誕生攻擊人類的人工智慧！」 就在此時，銀河市工智慧研究所的壞蛋邪惡所長，也正偷偷策劃著危險的陰謀…… 為了阻止壞所長、改變充滿惡意AI的未來， 科學社團的三位小朋友將和金老師一起踏上刺激又驚心動魄的科學冒險！ 你知道人工智慧的原理是什麼嗎？ 你知道生活中有哪些看不見卻一直陪伴你的AI嗎？ 你知道人類與人工智慧，其實能成為互相合作的好夥伴嗎？ 也許孩子不知道答案，其實很多大人也說不清楚！ 這本書由韓國知名認知科學家金相均教授親自帶領， 以最親切的方式解說AI的基礎知識、正確使用方式，以關淤AI科技的應用概念。 喜歡科學的孩子，會再這個故事裡得到更多有趣且多面向的收穫！ 現在就一起走進人工智慧的世界，展開銀河小學的決戰大冒險吧！ ▍ 本書特色 1. 韓國頂尖認知科學家監製，用故事搭配插圖讓孩子輕鬆理解AI科學。 2. 以小學生能懂的語言解釋艱深科技詞彙，閱讀零負擔、知識秒吸收。 3. 透過精彩科幻情節引導孩子思考科技與倫理，理解AI未來的關鍵。 學習領域：科技 議題教育：品格、科技 適讀年齡：8歲以上，附注音 【目錄】 獻給懷抱夢想的孩子 小學生一起學習的人工智慧 序幕 人物角色 第一章 特別的朋友，機器玩偶！ ‧金老師！我有問題 你知道生活中有哪些人工智慧嗎？ 你知道「AI 自動機器人」是什麼嗎？ 第二章 人工智慧背叛人類？艾拉的登場 ‧金老師！我有問題 人工智慧也會有各種情感嗎？ 人工智慧能自主思考和判斷嗎？ 第三章 研究所長的魔掌、機器人軍團的突擊 ‧金老師！我有問題 人工智慧會說謊嗎？ 人工智慧的正確使用方式是什麼呢？ 第四章 突擊研究所，阻擋巨大機器人！ ‧金老師！我有問題 人類和人工智慧能夠成為珍貴的夥伴嗎？ 人類和人工智慧應該建立什麼樣的關係呢？ 尾聲

資安法到ISO 27001的稽核攻防：AI神隊友助力 (2版)

類似書籍推薦給您

【簡介】 章節主題包含： 1.核心業務及其重要性 2.資安政策及推動組織 3.專責人力與經費配置 4.資訊資產盤點風險評估 5.資通系統服務委外辦理 6.資安維護計畫及績效 7.資安防護及控制措施 8.資通系統發展維護安全 9.資安事件通報應變 10.資通系統防護基準檢核 11.圍棋布局 vs. ISO 27001 12.ISO 27001新增控制項 13.ISO 27001證書不等於保證 14.鑑往知來CI X DG X AI 【目錄】 推薦序 1. 核心業務及其重要性 1.1 稽核項目關聯法規 1.2 探討稽核項目變更意義 1.3 稽核經驗分享 1.4 以AI 強化BCP 演練的提案 2. 資安政策及推動組織 2.1 稽核項目關聯法規 2.2 探討稽核項目變更意義 2.3 稽核經驗分享 2.4 以NotebookLM 強化資安政策落實與追蹤 3. 專責人力與經費配置 3.1 稽核項目關聯法規 3.2 資安專職人員的職務內容 3.3 善用AI 提升資通安全教育訓練之籌劃 3.4 一般人員需要對CIA 有概念 3.5 經由比喻更能理解密碼與帳號安全的重要性 3.6 辨識社交工程手法、認識即時通訊的不安全 3.7 常見的惡意軟體與勒索攻擊 3.8 區分個人使用與公務使用的設備責任與規範 3.9 認識IoT 物聯網安全 3.10 面對雲端服務風險應有的認知 3.11 人為疏失與制度防線 3.12 離職交接與內部人員風險 3.13 以NotebookLM 強化制度對應與文件補強 4. 資訊資產盤點風險評估 4.1 稽核項目關聯法規 4.2 探討稽核項目變更意義 4.3 稽核經驗分享 4 -17 4.4 以NotebookLM 或ChatGPT 強化稽核前評估 5. 資通系統服務委外辦理 5.1 稽核項目關聯法規 5.2 探討稽核項目變更意義 5.3 稽核經驗分享 5.4 以NotebookLM 完善設計委外RFP 資安要求 6. 資安維護計畫及績效 6.1 稽核項目關聯法規 6.2 善用AI 進行資安維護計畫滾動修正 6.3 稽核經驗分享 6.4 以NotebookLM 協助滾動修訂資安維護計畫 7. 資安防護及控制措施 7.1 稽核項目關聯法規 7.2 資安防護應辦事項執行原則(教育體系宣導) 7.3 稽核經驗分享 7.4 請ChatGPT 協助判讀檢測報告 8. 資通系統發展維護安全 8.1 稽核項目關聯法規 8.2 探討稽核項目變更意義 8.3 稽核經驗分享 8.4 請ChatGPT 指點OWASP Top 10 開發迷津 8.5 針對SSDLC 的情境化學習 9. 資安事件通報應變 9.1 稽核項目關聯法規 9.2 稽核經驗分享 9.3 請ChatGPT 指點系統日誌管理方案 10. 資通系統防護基準檢核 10.1 對資通系統防護基準有更多認識 10.2 資通系統防護基準之存取控制 10.3 資通系統防護基準之事件日誌與可歸責性 10.4 資通系統防護基準之營運持續計畫 10.5 資通系統防護基準之識別與鑑別 10.6 資通系統防護基準之系統與服務獲得 10.7 資通系統防護基準之系統與通訊保護 10.8 資通系統防護基準之系統與資訊完整性 10.9 以AI 協作開發落實資通系統防護基準要求 10.10 醫療領域資通系統資安防護基準 11. 圍棋布局vs. ISO 27001 11.1 從「金角銀邊」認識ISO 27001 起手式 11.2 一盤棋的每一個戰場都是關注方的投射 11.3 全局意識決定資訊安全管理系統之範圍 11.4 全局視野與戰略協同的資訊安全管理系統 11.5 資訊安全政策之「勢」 11.6 資安目標應具全局價值與可量測性 11.7 風險評鑑如何展開 11.8 文件化資訊控制是資安管理的「一本道」 11.9 運作規劃與控制：積小勝成就資安大勝 11.10 監督、量測、分析及評估 11.11 內部稽核即是進行「階段性全局分析」 11.12 管理審查是資安管理的「收官階段」 11.13 落實「覆盤」精神的矯正預防與持續改善 12. ISO 27001 新增控制項 12.1 ISO 27001:2022 新增11 個控制項 12.2 威脅情資(A.5.7) 12.3 使用雲端服務之資訊安全(A.5.23) 12.4 營運持續之ICT 備妥性(A.5.30) 12.5 實體安全監視(A.7.4) 12.6 組態管理(A.8.9) 12.7 資訊刪除(A.8.10) 12.8 資料遮蔽(A.8.11) 12.9 資料洩露預防(A.8.12) 12.10 監視活動(A.8.16) 12.11 網頁過濾(A.8.23) 12.12 安全程式設計(A.8.28) 13. ISO 27001 證書≠保證 13.1 形式合格≠防禦到位 13.2 資訊備份(A.8.13) 13.3 存錄(A.8.15) 13.4 營運持續之ICT 備妥性(A.5.30) 13.5 監視活動(A.8.16) 13.6 組態管理(A.8.9) 13.7 變更管理(A.8.32) 13.8 使用者端點裝置(A.8.1) 13.9 資料洩露預防(A.8.12) 13.10 網路區隔(A.8.22) 14. 鑑往知來CI × DG × AI 14.1 「農業領域關鍵基礎設施」的資安風險 14.2 資安的前提應先釐清「資料治理」 14.3 農業場域的AI 應用vs.資料治理 14.4 農業AI 與資料契約架構 14.5 可信任AI 14.6 探討ISO 42001 重點控制項與LLM 攻擊模式

全球生成式AI著作權訴訟攻防戰 (2版)

類似書籍推薦給您

【簡介】 【專業推薦】 陳碧莉／台積電副法務長暨首席智權律師 黃欽勇／《大椽-DIGITIMES》暨IC之音董事長 ．新版重點：新增兩則生成式AI合理使用的實體即席判決 ．本書係國內第一本針對迄今全球侵害案例，綜合技術和法律二個角度進行整理分析 　　ChatGPT問世以來，生成式AI熱浪席捲全球，帶來破壞式創新的科技突破，但同時也引發前所未有的著作權爭議。截至目前全球已出現近50起的AI侵權訴訟，涵蓋小說書籍／新聞報導、繪畫／攝影、音樂詞曲、視聽影片乃至開源碼等多元領域，被告多為美國AI大咖如OpenAI、Microsoft、Meta、Google、Nvidia、Midjourney與Anthropic、Perplexity AI等！ 　　訴訟戰火最先集中美國，隨即延燒至英、德、法、加拿大、中國、印度與韓國，而既有著作權法難於規範AI核心爭議，例如：生成式AI產生的內容是衍生著作？AI訓練過程大量爬取資料與向量嵌入轉化是否非法複製？生成式AI前階段資料探勘之複製是否合法？使用RAG會構成侵害？生成式AI的使用者是直接侵權人？生成式AI工具提供者，除直接侵害也構成代理侵害或輔助侵害？刪除CMI違反DMCA法？生成式AI吐出實質相似的內容（AI反芻）是否構成侵害？AI訓練資料是否構成轉化性合理使用？再加上DeepSeek爭餾技術、GPT4o吉卜力（擴散+自迴歸演算）等爭議，反映生成式AI對智財權體制帶來之挑戰！ 　　為呼應最新趨勢，本次改版新增兩則美國加州生成式AI合理使用、一則最新的英國高院與德國慕尼黑地院之實體判決，及一則美國RAG相關之程序判決，期能提供更具價值之參考。 【目錄】 推薦序／陳碧莉 推薦序／黃欽勇 再版序／陳家駿 ◆總論 生成式AI著作權最新爭議 ．從ChatGPT到Grok 3之AI模型爭議談OpenAI指控Deepseek侵權─剽竊 v. 創新？／3 ．GPT-4o吉卜力風格引爆著作之侵權爭議／27 ◆各論 全球生成式AI著作權訴訟案 【美國篇】 『開源碼』 ．全球首宗生成式AI開源碼爭訟 　─OpenAI、微軟與GitHub著作侵權案之程序裁決出爐 　─Doe 1~5 v. OpenAI , Github & Microsoft／53 『卡通畫家和插畫家』 ．插畫家控告Stability生成式AI工具著作侵權案 　─首波程序判決出爐原告鎩羽而歸 　─Andersen et al v. Stability AI, Midjourney & DeviantArt／77 ．插畫家控訴DeviantArt生成式AI著作侵權 　─首輪程序判決被告占上風／90 ．插畫家告Midjourney生成式AI工具著作侵權案 　─原告首戰程序判決吞敗／102 『小說作家』 ．作家控告Meta生成式AI LLaMA著作侵權案首波程序判決兼談Google生成式AI Gemini著作侵權案 　─Kadrey, Silverman & Golden v. Meta Platforms, Inc.／115 　─Leovy v. Google & Zhang v. Google／126 ．美國首宗小說家控告OpenAI生成式AI著作侵權案程序判決出爐─Tremblay v. OpenAI／132 『新聞媒體』 ．美國新聞媒體巨擘控告ChatGPT著作侵權案 　─New York Times v. Microsoft & OpenAI／155 ．紐約時報告微軟／OpenAI訴訟案（一）─原告指控生成式AI逐字抄襲構成侵權／187 ．紐約時報告微軟／OpenAI訴訟案（二）─生成式AI之合理使用抗辯／198 ．新聞媒體控告生成式AI侵害著作權管理資訊案判決─Raw Story v. OpenAI／217 『音樂歌詞』 ．全球首宗音樂出版商控告生成式AI Claude歌詞著作侵權案─Concord Music Group. v. Anthropic／236 『唱片錄音』 ．全球首宗生成式AI錄音著作侵權案 　─美國唱片業巨頭控告SUNO／258 　─UMG, et al, v. Suno & John Does 1-10 　兼談：配音演員聲音著作侵權案Lehrman, Sage v. SLovo／283 『法律資料庫』 ．美國知名法律資料庫控告AI新創著作侵權之即席判決出爐─Thomson Reuters v. Ross／286 『影片與作家』 ．GPU巨擘Nvidia在美國被控侵害YouTube著作權訴訟案 　─Millette（YouTube影片）v. Nvidia 　─Nazemian v. Nvidia; Dubus v. Nvidia／315 【加拿大篇】 ．從加拿大三件著作侵權案 　─談生成式AI訴訟之核心爭辯：向量嵌入 v. 複製&公平使用 　法律資料庫─CanLII v. Caseway AI 　媒體與廣播─Canadian News Media (CBC, The Globe　& Mail et al) v. OpenAI 　新聞廣播媒體─Advance Local Media v. Cohere／334 【歐洲篇】 『圖形影像』 ．英國首宗生成式AI圖形影像智財侵權案─Getty Images v. Stability AI／368 『音樂』 ．歐洲首宗生成式AI著作侵權官司 　─德國音樂仲團GEMA起訴OpenAI和Suno 　─GEMA v OpenAI & Gema v Suno／398 『作家』 ．法國首宗生成式AI之Meta被告著作侵權訴訟案─SNE, SGDL and SNAC v Meta 　兼談歐盟人工智慧法／424 『資料探勘』 ．從生成式AI談德國漢堡法院判決LAION資料探勘構成著作侵權豁免─Kneschke v. LAION e.V.／436 　兼談荷蘭阿姆斯特丹法院案─DPG et al v. HowardsHome／465 【亞洲篇】 ．中國大陸生成式AI首宗著作侵權案 　─北京與廣州法院判決與美國案例比較／470 　兼談江蘇與武漢生成式AI著作侵權案／506 ．印度與韓國之生成式AI著作侵權案─ANI Media v. Open AI; KBA, MBC & SBS v. Naver／510 【我國修法展望】 ．因應生成式AI我國應修改著作權法嗎？─以美國、日本與歐盟模式為例／527 【合理使用最新判決】 ．美國生成式AI侵權訴訟案／543

人工智慧基礎概論：AI規劃師我也可以成功做到 (1版)

類似書籍推薦給您

【簡介】 ＼AI時代除了工程師，更需要能將技術轉化為價值的「AI規劃師」／ ⊙「AI應用規劃師」證照考試參考書：本書解析AI規劃師的核心價值、界定跨領域必備職能與考照重點，適合企業決策者、產品經理（PM）、專案經理，以及所有渴望從零開始建立AI應用藍圖之專業人士。 ⊙以終為始的實踐框架：說明從技術理論，到如何發掘商業痛點、評估導入效益、設計落實路徑，提供系統化的規劃框架與31個跨產業案例，讓讀者能將願景轉化為具體的開發藍圖。 ⊙技術洞察力 × 商業決策力 × 溝通協調力：打造AI規劃師必備的跨領域能力。內容涵蓋從硬體GPU算力配置、深度學習框架選型到AIoT架構，強調如何將複雜的演算法轉化為清晰的商用語言，成為技術團隊與高層決策者之間不可替代的橋梁。 「從『AI旁觀者』轉身成為『AI領航員』」 　　本書解析人工智慧（AI）規劃的基礎概念、核心技術與其廣泛應用。強調「以終為始」的策略思維，帶領讀者從AI開發流程的基礎理論技術，一路深入到教育、工商、軍事等31種業態的實務應用案例。書中不僅介紹GPU、CUDA與深度學習框架等核心技術，更著重於「發掘價值」與「設計路徑」的規劃深度。無論你是想掌握AI規劃師的跨領域職能、考取專業證照，還是為企業打造AI競爭力，本書都將是你跳脫技術細節、掌握AI宏偉藍圖的最佳策略夥伴。 【目錄】 第一章 AI規劃師 1-1　前言 1-2　AI規劃師的考照 1-3　AI規劃師需具備之關鍵專業能力 1-4　許多企業都著手應用AI來提升競爭力 1-5　AI政策的實施 1-6　AI開發流程幾個主要步驟 1-7　AI專案 1-8　AI專題實作可以涵蓋許多有趣的領域 1-9　如何成功規劃AI的專案 第二章 AI基本概念 2-1　何謂AI 2-2　生成式AI的應用 2-3　何謂機器學習 2-4　機器學習的演算法 2-5　何謂物聯網（IoT） 2-6　機器人 2-7　專家系統：人工智慧的早期成功典範 2-8　AI與統計學的關係 第三章 AI系統架構的軟體、硬體 3-1　AI硬體架構 3-2　AI伺服器 3-3　AI系統的架構中常用的軟體及工具類型 3-4　常用的AI資料庫 3-5　AI/ML演算法種類繁多 3-6　何謂AIOT 3-7　AI物聯網（AIoT）系統的軟體架構 3-8　AI物聯網（AIoT）系統的硬體架構 3-9 市面主要的雲端平台（Cloud Computing Platforms） 第四章 AI在教育業的規劃重點 4-1　AI在教育領域的應用 4-2　AI在教學上的應用 4-3　生成式AI在教學領域的應用 4-4　課程設計中之AI應用 4-5　AI在運動及體育產業的應用 4-6　AI在幼兒園的應用 4-7　使用AI增強自主學習、自我效能的三個面向 第五章 AI在商業的規劃重點 5-1　AI在企業五管中的應用 5-2　AI在物流領域及供應鏈的應用 5-3　AI在會計領域的應用 5-4　AI在金融業的應用 5-5　AI在資訊業的應用 5-6　AI在零售業的應用 5-7　AI在交通運輸業的應用 5-8　AI在海運業的應用 5-9　AI在倉儲業的應用 5-10　AI在不銹鋼產業的應用 5-11　AI在娛樂業的應用 5-12　AI在仲介業的應用 5-13　AI在護理的應用 5-14　AI在中醫的應用 5-15　AI在老人照顧的應用 第六章 AI在工業的規劃重點 6-1　如何提升工業競爭力 6-2　應用AI增強工業競爭力 6-3　AI在半導體產業的應用 6-4 台灣憑藉著其在半導體及資通訊（ICT）產業的強大基礎 6-5　AI在電腦製造業的應用 6-6　AI在電腦製造業軟體中的應用 6-7　AI在塑化業（塑膠及化學工業）的應用 6-8　AI在汽車業的應用 6-9　AI在土木的應用 第七章 AI在軍事的規劃重點 7-1　AI在軍事領域的應用 7-2　著名的AI軍事武器 7-3　AI在無人機產業的應用 第八章 AI系統的大整合 8-1　5G及AI的整合 8-2　物聯網（IoT）及AI的整合 8-3　大數據及AI的整合 8-4　機器人及AI的整合

iPAS - AI應用規劃師中級應鑑指南(人工智慧技術應用與規劃、機器學習技術與應用)含AIE國際認證：MLAE機器學習應用工程師(Expert Level) (1版)

類似書籍推薦給您

【簡介】 1.完整知識架構：涵蓋AI基礎概念、機器學習、深度學習、生成式AI、多模態AI與大數據應用。 2.理論與實務並重：結合理論講解、實務案例與操作流程，培養實際應用能力。 3.掌握AI模型的架構和推理行為：建立優秀的模型建構、訓練與調校的能力。 4.導入規劃導向：包含AI專案評估、POC驗證、模型選擇、資料準備與部署流程；並重視AI治理、風險管理與國際治理規範。 5.大量範例與圖解：透過圖表與情境說明，降低學習門檻、提升理解效率。 6.完整對應IPAS－AI應用規劃師能力鑑定的最新命題方向，並結合AIE人工智慧專業能力國際認證：MLAE機器學習應用工程師的核心知識架構。 【目錄】 第1 篇 人工智慧技術應用與規劃（ iPAS 中級科目1 ） 主題1 AI 相關技術應用 第1 章 自然語言處理（NLP）技術與應用 1-1 認識自然語言（NLP） 1-2 GenAI、LLM 和NLP 三重奏 1-3 GenAI、LLM 和NLP 三合一的魅力 1-4 展現更多商業價值 1-5 RAG 的角色與使用要點 1-6 實務應用 模擬試題   第2 章 電腦視覺技術與應用 2-1 介紹電腦視覺（Computer Vision） 2-2 電腦視覺的發展歷史 2-3 正在崛起的視覺GenAI 2-4 電腦視覺的應用 2-5 電腦視覺技術的未來發展 2-6 實務應用 模擬試題   第3 章 生成式AI 技術與應用 3-1 生成式AI 的內涵 3-2 大型語言模型（LLM） 3-3 LLM 的幻覺問題 3-4 LLM 搭配RAG：降低幻覺 3-5 RAG、微調與提示工程 3-6 GenAI 的常見應用 3-7 GenAI 的未來發展 3-8 實務應用 模擬試題   第4 章 多模態人工智慧應用 4-1 簡介多模態AI 4-2 流行的多模態AI 模型 4-3 多模態AI 應用情境 4-4 多模態AI 提升人機介面（HCI） 4-5 多模態AI 提升人的決策力 4-6 多模態AI 的未來發展 4-7 實務應用 模擬試題   主題2 AI 導入評估規劃 第5 章 AI 導入評估 5-1 什麼是「AI 導入評估」 5-2 AI 導入評估的主要內容 5-3 概念驗證（Proof of Concept, POC）方法 5-4 快速原型（Rapid Prototyping）驗證方法 5-5 實務應用 模擬試題   第6 章 AI 導入規劃 6-1 AI 專案規劃包含哪些內容 6-2 了解問題，訂定專案目標（Goal） 6-3 挑選優先用例（Use Case），進行用例評估 6-4 模型（Model）選擇 6-5 收集高品質的資料（Data） 6-6 組成多元團隊，並制定風險管理計劃 6-7 模型訓練& 部署（Train & Deploy） 6-8 實務應用 模擬試題   第7 章 AI 風險管理 7-1 為什麼AI 導入需要風險管理 7-2 AI 專案風險管理的範圍 7-3 常見AI 風險類型 7-4 風險評估流程 7-5 對應的控管策略 7-6 實務應用 模擬試題   主題3 AI 技術應用與系統部署 第8 章 數據準備與模型選擇――以生成式AI 為例 8-1 數據準備（Data Preparation）的涵意 8-2 數據準備的六項關鍵任務 8-3 數據準備實施中的注意事項 8-4 模型選擇（Model Selection） 8-5 開發原型，快速驗證 8-6 實務應用 模擬試題   第9 章 AI 技術系統集成與部署—以生成式AI 為例 9-1 AI 系統整合（集成）架構 9-2 AI 部署與挑戰 9-3 AI 部署的流程：以GenAI 為例 9-4 實務應用 模擬試題   第2 篇 機器學習技術與應用（ iPAS 中級科目3 ） 主題1 機器學習基礎數學 第1 章 機率/ 統計之機器學習基礎應用 1-1 統計學是現代AI 的起點 1-2 使用sigmoid 函數讓迴歸線輸出機率 1-3 簡單的線性迴歸分析 1-4 從線性迴歸到多類分類 1-5 範例說明 模擬試題   第2 章 線性代數之機器學習基礎應用 2-1 迴歸線的本質就是線性代數 2-2 空間映射：資料穿越空間，成為智慧 2-3 機器學習（ML）的邏輯步驟 2-4 範例說明 模擬試題   第3 章 數值優化技術與方法 3-1 模型優化的重要概念 3-2 優化器的種類 3-3 反向傳播（BP）與優化器的完美協作 3-4 ML 的數值優化流程 3-5 範例說明 模擬試題   主題2 機器學習與深度學習 第4 章 機器學習原理與技術 4-1 機器學習（Machine Learning）的原理 4-2 從資料樣本提取特徵（Feature） 4-3 AI 從特徵中學習其規律 4-4 範例說明 模擬試題   第5 章 常見機器學習演算法 5-1 鑑別式AI 演算法 5-2 生成式AI 演算法 5-3 介紹邏輯迴歸模型 5-4 介紹神經網路模型 5-5 介紹卷積神經網路（CNN）模型 5-6 範例說明 模擬試題   第6 章 深度學習原理與框架 6-1 介紹深度學習 6-2 深度學習框架 6-3 使用PyTorch 框架：分辨「水果」圖片 6-4 範例說明 模擬試題   主題3 機器學習建模與參數調校 第7 章 數據準備與特徵工程 7-1 數據準備與特徵工程之關係 7-2 數據準備與資料預處理 7-3 特徵工程 7-4 認識分類型特徵 7-5 展開特徵工程，並訓練模型 7-6 範例說明 模擬試題   第8 章 模型選擇與架構設計 8-1 模型選擇 8-2 ML 架構設計 8-3 模型選擇與架構設計之迭代過程 8-4 遷移學習：復用ResNet50 模型 8-5 範例說明 模擬試題   第9 章 模型訓練、評估與驗證 9-1 模型訓練與評估 9-2 四項基本評估指標 9-3 模型驗證與測試 9-4 範例說明 模擬試題   第10 章 模型調整與優化 10-1 模型調整的涵義 10-2 模型調整方法 10-3 模型優化技術 10-4 模型微調（Fine-tuning）：以LoRA 為例 10-5 範例說明 模擬試題   主題4 機器學習治理 第11 章 數據隱私、安全與合規 11-1 資料隱私與資料安全之關係 11-2 資料隱私 11-3 數據安全 11-4 數據合規與AI 治理 11-5 範例說明 模擬試題   第12 章 演算法偏見與公平性 12-1 ML 偏見導致不公平性 12-2 ML 演算法的偏見 12-3 ML 演算法的公平性 12-4 細說可解釋性 12-5 範例說明 模擬試題