人工智慧基本概念
AI 基礎概論
AI 發展
- 專家系統 1950-1980
- 機器學習時代 1980-2010
- 深度學習大數據 2010-
- 生成式 AI 與大模型時代 2020-
(ChatGPT 於 2022 年 11 月向公眾推出)
AI 治理
- AI 定義
- 在法規框架中，AI 系統通常需要具備：
- 自主運行能力
- 透過演算法或機器學習運作
- 能產生決策、預測或內容
- 因此 傳統規則式軟體（Rule-based system）通常不被視為 AI。
- 台灣AI基本法草案：以機器為基礎的系統，於不同程度之自主性運作下，並在部署後可能展現適應性，能夠透過感測或輸入，產生足以影響現實或虛擬環境之預測、內容、建議或決策，以達成人為定義的一系列目的。
- AI 類型
- 依技術分類
AI 法規
- 負責任的 A（Resiponsible AI，RAI）
- 公平&無偏見
- 透明&可解釋性
- XAI (Explainable AI, 可解釋 AI)：使 AI 的決策過程透明化，讓人類能理解 AI 為何做出該判斷。
- 安全&穩健性
- 責任與治理
- 台灣 AI
- 台灣人工智慧基本法案(草案)
- 行政院及所屬機關 (構) 使用生成式 AI 參考指引
- 金管會-金融業運用人工智慧指引
- 台灣主權 AI：TAIDE
- 台灣 AI 雲（TWCC）
- Taiwan Computing Cloud
- 台灣由國家高速網路與計算中心建立的國家級 AI 與高效能運算雲端平台。它將超級電腦與雲端服務整合，讓企業、學校與研究機構可以透過雲端方式使用 HPC 與 AI 計算資源，而不需要自行建置昂貴的運算設備。
- 歐盟人工智慧法案
- AI RMF，Risk Management Framework由美國標準與技術研究院發布，提供AI治理的風險辨識、評估、緩解與監控的系統框架
- CCPA 加州消費者隱私法案
- 人在AI決策系統中的角色 HIC、HITL、HOTL
資料處理分析概論
資料基礎
- 統計基本
- 中央趨勢：平均數（Mean）、中位數（Median）和眾數（Mode）
- 分散度之衡量：四分位數（Quartile）、全距（Range）、四分位距（Interquartile Range, IQR）、平均差（Mean Deviation）、變異數（Coefficient of Variation）及標準差（Standard Deviation）等
- 資料類型
- 結構化資料 Structured Data，如 SQL
- 半結構化資料 Semi-structured Data，如 CSV, JSON, XML (用於 API 傳輸)
- 非結構化資料 Unstructured Data，需要透過 NLP、CV 、語音辨識等 AI 技術處理
- 資料型態
資料前處理
- 資料蒐集
- 資料清洗
- 資料轉換
- 資料統一 (Data Intergration/Unification)
- 跨來源合併
- 格式與單位統一
- 主鍵/代碼標準化：唯一識別碼 ID
- 資料探勘
資料分析
資料隱私與安全
機器學習概論
機器學習
機器學習 (Machine Learning)
深度學習
深度學習
電腦視覺
生成式 AI 概論
鑑別式 AI
生成式 AI
生成式 AI 應用與規劃
No code / Low code
GenAI 應用
導入 GenAI 評估規劃