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

電動車概論（含機電整合）－Ipas電動車機電整合工程師考照題庫精析 (1版)

類似書籍推薦給您

【簡介】 本書特色 1.內容結構化：每章節分條呈現，層層遞進，讀者可以快速瀏覽核心要點，避免因冗長的敘述而分散注意力。 2.查閱高效性：條列式寫法特別適合需要快速查找特定資訊的情境，無論是學術研究還是實務應用，都能節省時間。 3.多面向覆蓋：本書涵蓋電動車發展史、國際與各國法規、電池技術、充電樁規範、車載網路、自動控制、電力電子與電機學等領域，條列式寫法有效避免了不同主題之間的混淆，便於讀者整體掌握知識。 4.適合多層次讀者：從電動車技術的初學者，與從事相關領域的專業人士，本書都能滿足他們不同的需求。條列式內容既可作為學習指南，也可作為工作參考。 內容簡介 在當前全球能源轉型浪潮中，電動車技術已成為未來交通運輸的核心。本書《IPAS 電動車機電整合工程師考照題庫精析》專為科大車輛系學生及有志於考取 IPAS 證照者設計，助您高效掌握「電動車概論」與「機電整合概論」兩大核心科目。 　　有別於傳統敘述方式，本書以條列式精煉寫法，將電池技術、電力電子、充電規範、車載網路與國際法規等跨領域知識點結構化呈現。這使得複雜的機電整合概念一目了然，讀者能快速鎖定考試重點、建立清晰的知識框架。 　　本書不僅是您備考的最佳學習指南，亦是專業參考手冊。透過高效率的條列式內容，讀者可迅速吸收精華，在短時間內構築完整的電動車專業知識體系，為您的學術研究與職涯發展奠定堅實基礎。 【目錄】 第一篇　電動車概論 CH1 電動車發展概況 CH2 電動車發展現況 CH3 電動車簡介 CH4 混合動力車 CH5 混合動力車的附屬裝置 CH6 電池 CH7 電池管理系統 CH8 電動車充電系統 CH9 先進駕駛輔助系統 CH10電動車動力學 第二篇　電動車機電整合概論 CH11電動車基本電學 CH12電動機 CH13電力電子學簡介 CH14微處理機 CH15自動控制概論 CH16車載網路系統

iPAS經濟部產業人才能力鑑定AI應用規劃師（初級、中級適用）講義與仿真試題 (1版)

類似書籍推薦給您

【簡介】 iPAS AI應用規劃師證照旨在強化全民的人工智慧素養，提升整體社會在AI應用上的競爭力與發展潛力。隨著AI廣泛滲透教育、醫療、製造、金融等產業，各界皆需能理解並善用AI的專業人才。本證照不僅面向技術人員，更強調全民參與，使不同背景的學習者皆能掌握AI基礎知識與實務應用。 透過本書，學習者可循序漸進地建立知識架構，從人工智慧與機器學習核心概念，到AI規劃與應用的實務操作，皆能有效掌握。同時，結合作者設計的ChatGPT小助手，考生在練習題與模擬測驗中可獲得即時引導與答題技巧，提升學習效率與熟練度。 本書亦特別強調AI倫理與風險管理，涵蓋資料隱私、安全性與公平性，確保AI應用符合社會期待與永續發展。透過本書的學習與演練，考生不僅能順利取得證照，更能成為推動全民AI力的重要力量。 【目錄】 目　錄 A. 考試規則與內容說明 A.1 考試時間 A.2 應考科目說明 A.3 考試範圍與內容說明 A.4 考情分析 B. 初級考科一：人工智慧基礎導論 B.1 人工智慧概念 B.2 初級資料處理與分析概念 B.3 機器學習 B.4 鑑別式AI與生成式AI C. 初級考科二：生成式AI應用與規劃 C.1 No-Code/Low-Code概念 C.2 生成式AI應用領域與工具使用 C.3 生成式AI導入評估規劃 D. 中級考科一：人工智慧技術應用與規劃 D.1 AI相關技術應用 D.2 AI導入評估規劃 D.3 AI技術應用與系統部署 E. 中級考科二：大數據處理分析與應用 E.1 機率統計基礎 E.2 大數據處理技術 E.3 大數據分析方法與工具 E.4 大數據在人工智慧之應用 F. 中級考科三：機器學習技術與應用 F.1 機器學習基礎數學 F.2 機器學習與深度學習 F.3 機器學習建模與參數調校 F.4 機器學習治理 F.5 機器學習運作流程 F.6 機器學習運作流程仿真考題 G. 推薦讀書書目 H. 使用ChatGPT5.0複習考題和內容 H.1 AI應用規劃師GPT小幫手 附錄Ⅰ 各家AI工具比較說明 附錄Ⅱ Google機器學習詞彙表 附錄Ⅲ 精選AI 100字

iPAS-AI應用規劃師初級應鑑指南(人工智慧基礎概論、生成式AI應用與規劃)含AIE國際認證：AIAP人工智慧應用 (1版)

類似書籍推薦給您

【簡介】 　　1.建立NN核心概念，領會ML模型技術，掌握機器學習方法與AI應用技術的實作基礎。 　　2.探索AI動能之源：資料(Data)，理解資料整理、模型訓練與效果驗證之法。 　　3.認識AI倫理與資料偏見議題，培養打造人人可信任的AI系統。 　　4.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：AIAP人工智慧應用規劃師的核心知識架構。 　　想考國際認證嗎？ 　　mosme.net/mosme/book_detail/nSV00121 　　專為現代考生設計的免到考場、免監考的高效認證方式，只要完成章節測驗並通過認證考試，即可下載電子證書，快速取得專業學習認證！  【目錄】 第一篇 人工智慧概念 第1章 AI的定義與分類 第2章 AI治理概念 第二篇 資料處理與分析概念 第1章 資料基本概念與來源 第2章 資料整理與分析流程 第3章 資料隱私與安全 第三篇 機器學習概念 第1章 機器學習基本原理 第2章 常見的機器學習模型 第四篇 鑑別式AI與生成式AI的基本原理 第1章 鑑別式AI與生成式AI的基本原理 第2章 鑑別式AI與生成式AI的整合應用 第五篇 Low code / No code概念 第1章 Low code / No code基本概念 第2章 Low code / No code優勢與限制 第六篇 生成式AI應用領域與工具使用 第1章 生成式AI應用領域與常見工具 第2章 如何善用生成式AI工具 第七篇 生成式AI 導入評估規劃 第1章 生成式AI 導入評估 第2章 生成式AI 導入規劃 第3章 生成式AI 風險評估