本簡報以 16:9 橫向為主
請旋轉手機
或改用平板 / 桌機觀看
CH8 邁向中級之路 · CH9 模擬測驗 · 30 小時整套收束。從這裡走出考場、也走向下一站。
考過不是終點。
是把這 30 小時的共同語言，
帶回你的工作場景，開始用。
看懂中級長什麼樣、知道初→中跳躍點，拿到一份進階路線圖。
完成 80 題模擬考、找出章節弱項，把錯題複習一輪。
看見整套學習弧線，知道下一站怎麼走（不一定是中級）。
不在考綱、不影響準備、不必硬背。本章是「給已經考完想看更遠」的人準備的延伸閱讀。
CH8 完全超出初級範圍，不會出現在你即將要考的題目裡。
即使完全跳過本章也不影響準備。CH0–CH7 + CH9 已是完整應考內容。
如果 CH9 模擬還沒過 70%，請先回頭把 CH0–CH7 再讀一遍，再來看本章。
中級官方學習指引尚未公開。本章為非官方銜接素材，僅供方向參考。
兩階用同一份菜單，但深度差了一層。
對應初級 CH1 + CH4，深化技術細節與規劃落地。
對應初級 CH2，深化進階統計與架構選擇。
對應初級 CH3，深化演算法、評估、部署。
Python / numpy / sklearn · 科二 + 科三
檢定方法選擇、ROC AUC 計算 · 科二
電腦視覺 4 大任務圖示題 · 科一
Pruning / Quantization · 科一
多模型協同測試 · 科一
MapReduce / 串流處理 · 科二
Sigmoid / Softmax 用途 · 科三
給你一段 sklearn pipeline 或 numpy 操作，問執行結果。
給 4 張電腦視覺任務示意圖，分辨哪張是 Object Detection。
給具體數字，要你算 Z-score、Accuracy、IQR 範圍。
列 4 種 CNN 變體，選「哪個是把卷積層加寬而不是加深」。
這就是為什麼這些題目「不在初級」。
中級要求認得 RNN 具體變體名稱（Elman / Jordan / LSTM / GRU）。
中級給數字直接套公式。Z = (90 − 70) / 10 = 2。
初級完全不考程式碼。中級至少要看得懂 sklearn / numpy 輸出。
考程式實作流程（fit / predict）不是商業 4 階段。
NumPy / Pandas + sklearn 工作流。沒 Python 等於先丟兩個科目。
t / F / 卡方檢定、ROC / AUC / 混淆矩陣。科二大量考實作。
CNN 變體 / RNN 應用 / Self-Attention。科一深化架構辨識。
模型壓縮、API 服務化、邊緣部署。從概念進入落地。
MapReduce、Kafka、Spark Streaming、圖論。科二大數據架構。
對抗性攻擊、供應鏈攻擊、差分隱私實作。
中級價值是「能規劃 AI 落地」，
不是「考過一張紙」。
如果你只要在工作上應用 AI，
初級已經足夠。
官方樣題 70 + 自編延伸 10。涵蓋 CH1–CH7 全範圍，完成後給你章節弱項分析與錯題詳解。
官方樣題 70 + 自編延伸 10
70% 達標即可 · 建議目標 ≥ 80%
分鐘 · 平均每題 67 秒
第一輪 30min 做一看就會的；第二輪 20min 回頭；第三輪 10min 檢查。
含「只能 / 完全不可能 / 100%」絕對化字眼的選項八成是錯的。意思相反的兩個選項通常正解在其中。
題幹寫「何者非 / 不屬於」時，先把每個選項當作正確的逐一評估，最後反向選那個錯的。
不要慌。讀 2 遍找關鍵字，刪 1-2 個明顯離題的選項再猜。iPAS 沒有倒扣，寧可猜也不要空著。
不需滿分，70% 達標即可。難題先跳過。相信第一直覺，沒有強烈證據不要改答案。
做完一看就會的（約 70-80%）。不確定的標記跳過、絕不卡題。
回頭處理標記題。用刪去法、情境推理，不要重新從頭讀題。
檢查答題卡、確認沒漏題。不要改答案，除非有強烈證據。
看到「何者非」直覺往「正確」方向選，整題報廢。請逐題確認題幹。
第一輪寫對的，第二輪糾結到改錯。沒有新證據不要改。
iPAS 沒有倒扣。空白等於送分給對手。完全沒看過也要用四分之一機率猜。
一題 = 約 2.86 分。不值得卡 5 分鐘。
五個 Stage 走完一輪 — 從 0 基礎走到能應考。回頭看這條學習弧線。
考試格式 / 三大 AI 類型 / 治理 6 原則
ETL / 統計 / ML 三類型 / 評估指標 — 重點章
P(y｜x) vs P(x,y) / 深度學習三大模型 / 平台選型
提示工程 / 4 階段流程 / ROI / 風險 6 策略
中級對照 / 進階路線 / 80 題模擬 — 你正在這裡
六週 · 含模擬考
Stages · 對應 5 份簡報
CH0–CH9 · 含附錄與模擬
官方 70 + 自編 10 · 全範圍
考試格式 + 學習方法
分析 / 預測 / 生成 三大 AI
ETL / 統計 / 假說檢定 H₀ H₁ α p
監督 / 非監督 / 強化 + 評估指標
P(y｜x) 鑑別 vs P(x,y) 生成
NC / LC 6 大評估 + AI 民主化
Temperature + 提示工程基礎
準備 → 設計 → POC → 實施 + 風險
中級對照 + 進階學習路線圖
80 題模擬 + 章節弱項分析
這 30 小時不是讓你變專家。
是讓你不再害怕聽到 AI 的詞，
能在會議上說得出意見，
能在工作上提得出方案。
CH9 80 題完整跑一次。記下章節弱項分數。
回 CH2 / CH3 / CH7 三章重看，把錯題的原章節讀一遍。
CH9 計時 90 分鐘 · 整卷交卷模式。達 80% 才安心。
只看每章速查卡。早睡。不要再做新題。
挑自己公司一個流程，套 CH7 的 4 階段（準備 / 設計 / POC / 實施）寫成 1 頁 A4。
把工作中常用的 5 個 prompt 收成一份 Notion 表，每月補一次。CH6 的角色 + 任務 + 格式。
Make.com / n8n 串一個 GPT 應用（CH5）。從每週重複的小事開始。
列 5 個你工作場景中 AI 可能出包的點 + 對應的 6 大策略（CH7）。
把 AI 用在工作上。CH6 / CH7 兩章重讀，挑一個流程實作。不必再考認證。
先學 Python 基礎（NumPy / Pandas / sklearn）。Coursera Andrew Ng + 李宏毅 YouTube。
等 iPAS 中級官方指引公開後再評估。先別衝。中級價值是落地能力 — 不是紙。
考過了 — 帶走那張票去工作場景試試看。沒考過 — 回頭把 CH2 / CH3 / CH7 再讀一遍，下次見。