【115年最新版】iPAS經濟部產業人才AI應用規劃師(中級) (1版)

其他會員也一起購買

【簡介】 　　★★iPAS經濟部產業人才AI應用規劃師(中級)★★ 參考用書 　　AI技術日新月異，我國以四年內培育20萬AI人才為目標，推動AI技術的普及應用，經濟部於2025年正式啟動「AI應用規劃師」國家級證照考試，分為初級、中級二項專業證照，中級證照以具資通相關技術能力或具備AI相關技術開發經驗或參與與企業AI應用專案的導入與實施人員為對象，若參加初級測驗合格具備AI相關基礎知識者，亦可挑戰中級測驗。 　　中級證照測驗科目有三： 　　●人工智慧技術應用與規劃。 　　●大數據處理分析與應用。 　　●機器學習技術與應用。 　　文、法、商背景的人士均歡迎報考，以壯大AI生態，可以讓更多人了解AI工具的應用，企業能加快導入AI提升創造力與服務品質。 　　東展文化事業禮聘AI專家向宏博士依主辦單位公布之範圍為藍本，以深入淺出方式編輯本書，希望能做到「不用上課，就能看懂」的理想，協助讀者一方面順利取得證照，另一方面也具備「AI應用」的知識。  【目錄】 L21人工智慧技術應用與規劃 ◆L211 AI相關技術應用 ◆L212 AI導入評估規劃 ◆L213 AI技術應用與系統部屬 L22大數據處理分析與應用 ◆L221機率統計基礎 ◆L222大數據處理技術 ◆L223大數據分析方法與工具 ◆L224 大數據在人工智慧之應用 L23 機器學習技術與應用 ◆L231 機器學習基礎數學 ◆L232 機器學習與深度學習 ◆L233 機器學習建模與參數調校 ◆L234 機器學習治理 精選綜合模擬試題  

【115年最新版】iPAS 經濟部產業人才 AI應用規劃師(初級) (1版)

其他會員也一起購買

【簡介】 　　★★iPAS 經濟部產業人才AI應用規劃師測驗★★ 參考用書 　　AI技術日新月異，我國以四年內培育20萬AI人才為目標，推動AI技術的普及應用，經濟部於2025年正式啟動「AI應用規劃師」國家級證照考試，分為初級、中級二項專業證照，初級證照以非資工專業人士為目標，著重在「AI工具應用」。以下列三者為學習目標： 　　●掌握AI的基本概念與應用場景。 　　●熟悉資料處理與機器學習的基礎知識。 　　●了解生成式AI的應用，包括導入評估、規劃與風險管理。 　　文、法、商背景的人士均歡迎報考，以壯大AI生態，可以讓更多人了解AI工具的應用，企業能加快導入AI提升創造力與服務品質。 　　東展文化事業禮聘AI專家編寫本書，著重在觀念的建立，尤其對非專業資訊專業人士而言，許多專有名詞頗為艱深，本書以深入淺出的方式，逐一介紹，以主辦單位公布之命題範圍為藍本，希望能做到「不用上課，就能看懂」的理想，協助讀者一方面順利取得證照，另一方面也具備「AI應用」的知識。  【目錄】 第一篇 人工智慧基礎概論 第一章    人工智慧概念 第二章    資料處理與分析概念 第三章    機器學習 第四章    鑑別式AI與生成式AI 第二篇 生成式AI應用與規劃 第一章    No-Code/Low-Code 的概念 第二章    生成式AI應用領域與工具使用 第三章    生成式AI導入評估規劃 全真模擬試題  

【115年最新版】iPAS 經濟部產業人才淨零碳規劃管理師經典講義與試題 (1版)

類似書籍推薦給您

【簡介】 　　★★iPAS 經濟部產業人才淨零碳規劃管理師能力鑑定★★ 參考用書 　　淨零減碳已成為企業進軍國際市場的入場券，綠領人才也炙手可熱，目前國內有二張官方認可綠領人才證照：永續發展基礎能力測驗及iPAS淨零碳規劃管理師能力鑑定。 　　本公司113年出版的「永續發展基礎能力測驗講義與試題」一書頗受好評，以協助很多讀者朋友順利取得證照，此次再出版「淨零碳規劃管理師能力鑑定經典講義與試題」，希望能協助有志成為綠領人才的朋友，順利完成自己的夢想。  【目錄】 第一篇 淨零碳規劃管理基礎概論 第一章    極端氣候下國際因應歷程與趨勢 第二章    淨零碳管理基礎概論 第二篇 淨零碳盤查規範與程序概論 第一章    ISO14064-1：2018 組織溫室氣體盤查 第二章    ISO14067：2018 碳足跡量化標準與規範 全真模擬試題  

iPAS淨零碳規劃管理師初級能力鑑定(第二版)｜淨零碳規劃管理基礎概論&淨零碳盤查規範與程序概要 (2版)

類似書籍推薦給您

【簡介】 ★iPAS經濟部產業人才能力鑑定，淨零碳規劃管理師初級能力鑑定，考試參考用書。 ★因應國際法規更動及考題方向變化，調整重點說明內容與模擬試題。 iPAS淨零碳規劃管理師分為初、中、高三級，為重點產業之師級專業人才，經濟部發證具公信力，教育部認可，工研院與經濟部產發署共同推動。不僅企業認同推廣，大學院校也針對永續ESG議題開設相關課程，此證照為企業實務上及人力就業市場所需之證照。 iPAS淨零碳規劃管理師-初級能力鑑定，考試項目： 考科1.淨零碳規劃管理基礎概論 L111 極端氣候下國際因應歷程與趨勢 L112 淨零碳管理基礎概論 考科2.淨零碳盤查規範與程序概要 L121 ISO14064-1:2018組織型溫室氣體盤查 L122 ISO14067:2018標準與規範 【目錄】 研究團隊 寫在前面 考試簡介 第一篇 淨零碳規劃管理基礎概論 ch01 聯合國氣候變化大會締約方大會（COP） 　　　1-1 聯合國氣候變化綱要公約（UNFCCC） 　　　1-2 締約方大會（COP） ch02 國內外極端氣候變遷治理與因應作法 　　　2-1 氣候變遷 　　　2-2 政府間氣候變化專門委員會 　　　2-3 氣候變遷治理 ch03 國際重要倡議內容 　　　3-1 聯合國永續發展目標（UN SDGs） 　　　3-2 碳揭露計畫（CDP） 　　　3-3 科學基礎減量目標倡議（SBTi） 　　　3-4 RE 100 國際倡議 　　　3-5 GRI 準則 　　　3-6 SASB 準則 　　　3-7 TCFD 準則 3-8 TNFD 準則 3-9 IFRS S1/S2 ch04 國際碳稅關貿政策 　　　4-1 碳關稅 4-2 歐盟碳邊境調整機制 4-3 英國碳邊境調整機制 　　　4-4 我國 CBAM ch05 臺灣 2050 淨零排放路徑及轉型策略作法 5-1 臺灣 2050 淨零目標 5-2 2050 淨零路徑 5-3 2050 淨零四大策略、兩大基礎 5-4 2050 淨零二大基礎 5-5 2050 淨零轉型十二項關鍵策略 5-6 國家減碳新目標 　　　5-7 淨零路徑：臺灣總體減碳行動計畫 ch06 碳資產交易管理架構導論 6-1 碳權 　　　6-2 碳交易市場 　　　6-3 我國碳費制度 　　　6-4 我國自願減量機制 ch07 ISO 14068-1 碳中和標準 　　　7-1 碳中和 　　　7-2 碳中和的標準 第二篇 淨零碳盤查規範與程序概要 ch08 ISO 14064-1:2018 組織型溫室氣體盤查 8-1 溫室氣體 8-2 ISO 14064 系列 8-3 氣候變遷因應法 8-4 碳盤查 8-5 溫室氣體盤查作業程序 8-6 補充說明 ch09 ISO 14067:2018 標準與規範 9-1 生命週期評估 9-2 碳足跡標籤 9-3 ISO 14067 　　　9-4 補充說明 試題解答

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