卷一：AI 基礎 - AI證照考試 ACE

AI Capability Evaluation (ACE) Standard 介紹與概覽:

卷一：AI 基礎 - AI證照考試 ACE

「卷一：AI 基礎（AI Essentials）」是環球 AI 能力評測基準考試（ACE）的入門核心科目，為不同背景的學員建立系統而扎實的人工智能與機器學習根基。這一卷由淺入深，首先帶領考生掌握機器學習的基本概念、問題類型與實際應用場景，繼而進入深度學習、神經網絡及 Transformer 等現代大型模型架構，最後延伸至模型評估、部署與監控的完整實務流程，讓學員真正具備把 AI 理論轉化為可落地方案的綜合能力。 ​

在內容結構上，卷一首先從「機器學習導論」展開，清晰界定甚麼是機器學習，說明監督式與非監督式學習的差異，以及分類、回歸、聚類等常見問題類型，並結合實際生活與商業場景示例，幫助考生理解 AI 如何在金融、零售、營銷、醫療等不同領域中創造價值。透過這一部分，學員可以建立一套由概念到應用的整體視角，不再只是零散地理解某個演算法，而是知道它在整個 AI 生態中的角色。 ​

在監督式學習部分，課程會重點講解「有標註數據」的概念，以及訓練集與測試集的劃分原則，讓學員理解何謂「用歷史數據學習預測未來」。考綱涵蓋線性回歸等回歸模型，以及邏輯回歸、決策樹與支援向量機（SVM）等常見分類演算法，並介紹混淆矩陣與準確率等基礎評估指標，幫助考生理解「模型表現好不好」應該如何量化與比較。透過這些內容，學員可以掌握從建模、訓練到基本評估的一整套監督式學習流程。 ​

在非監督式學習方面，卷一聚焦於「在沒有標籤的數據中發現模式」，包括 K-means 及階層式聚類等聚類方法，以及主成分分析（PCA）作為降維工具，幫助簡化高維數據與提取關鍵特徵。同時亦會介紹關聯規則（例如 Apriori 思想），讓學員理解如何從大量交易或行為數據中挖掘出有價值的組合與關聯。這部分的學習有助於提升考生在客戶分群、行為分析及資料探索方面的實戰思維。 ​

在深度學習基礎部分，卷一由感知器與多層感知器（MLP）出發，講解神經網絡的基本結構與運作機制，說明輸入層、隱藏層與輸出層的角色，以及激活函數、前向傳播與反向傳播等關鍵概念。透過這些內容，學員可以理解為何深度學習能夠自動學習複雜特徵，並對「多層網絡比傳統演算法更具表達力」有直觀認知，為後續進階架構打好理論與直覺基礎。 ​

卷一亦特設一節介紹常見神經網絡架構，包括主要用於圖像處理的卷積神經網絡（CNN），以及擅長處理序列資料的循環神經網絡（RNN）及其改良版本如 LSTM、GRU 等。透過講解這些架構的設計理念與典型應用場景，考生能夠理解為何不同數據類型需要不同網絡結構，例如圖像分類、語音辨識、時間序列預測與自然語言處理等，從而在面對實際問題時能做出更合理的技術選擇。 ​

在現代 AI 模型部分，卷一會簡要引介 Transformer 的核心概念，特別是自注意力（Self-attention）與序列建模的基本思路，讓學員理解為何這一架構能在長序列處理與語言理解上取得突破性進展。課程會以 BERT 與 GPT 作為代表模型，說明它們在文本分類、問答系統、語言生成與對話機械人等場景中的典型應用，讓考生在基礎卷就建立對大型預訓練模型的初步認知，為日後學習生成式 AI 打下基礎。 ​

在模型選擇與評估層面，卷一強調過擬合與欠擬合的概念，說明模型複雜度、資料量與泛化能力之間的平衡，並介紹交叉驗證等常用評估方法。考生需要理解如何在多個模型之間作出選擇、如何設定合理實驗設計，以及如何根據評估結果調整模型或資料處理流程。這一部分不僅考核理論理解，也評估學員是否具備「用數據說話」與「解讀模型表現」的實務能力。 ​

最後，在模型部署、維護與監控部分，卷一將視野由開發階段延伸至生產環境，說明機器學習與深度學習模型如何嵌入實際系統、如何與現有業務流程整合，以及在長期運行中需要注意的效能監控、資料漂移（Data drift）、模型更新與風險管理等考量。透過這些內容，考生可以理解 AI 專案不僅是「訓練一個模型」，而是從需求定義、開發驗證到部署維運的一個完整生命週期。 ​

整體而言，「卷一：AI 基礎」的預期成果，是讓學員能夠全面理解機器學習的核心概念，熟悉多種經典演算法與神經網絡架構，並掌握模型評估與實際部署的基本原則。完成本卷所對應的學習與評核後，考生應能將合適的技術方法匹配到不同的實際問題，具備設計與解釋 AI 解決方案的能力，並能清晰地向技術與非技術持份者溝通相關決策與影響，為進一步挑戰生成式 AI、商業應用及倫理治理等進階卷別奠定堅實根基。

 

關於 ExtranAI
ExtranAI 是總部位於新加坡的頂尖人工智能集團，也是 ACE Standard 考試及環球AI學院（Global AI Academy）的創始力量。集團擁有數千個部署於各行各業的 AI 應用案例，致力於推動 AI 時代的非凡轉型。

更多詳情請瀏覽：

「環球AI能力評測基準考試」（AI Capability Evaluation Standard，簡稱 ACE）: https://extranai.com/ace/standard.php

ExTran AI Global Academy（環球 AI 學院）:  https://extranai.com/ai_academy/standard.php