2025 11 15 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定 科目一:人工智慧基礎概論 1. XAI (可解釋 AI) / 黑箱 (Black Box) 2. LIME (局部可解釋模型) 3. Q-learning / Deep Q-learning4.貝氏分類器 (Naive Bayes Classifier)5.L1 / L2 正則化 (Regularization)

 

2025 11 15 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定 科目一:人工智慧基礎概論 1. XAI (可解釋 AI) / 黑箱 (Black Box) 2. LIME (局部可解釋模型) 3. Q-learning / Deep Q-learning4.貝氏分類器 (Naive Bayes Classifier)5.L1 / L2 正則化 (Regularization)

 

經濟部 iPAS AI應用規劃師初級能力鑑定

科目一:人工智慧基礎概論

1. XAI (可解釋 AI) / 黑箱 (Black Box) 解釋：

讓 AI 的決策過程透明化、可被人類理解。

XAI 的目標是打開 AI 的「黑箱」，

這在醫療、金融等高風險領域至關重要。 2. LIME (局部可解釋模型) 解釋：

一種 XAI 技術。它不解釋整個複雜模型，而是針對

「某一個」預測結果

（例如 AI 為什麼判斷「這張」X 光片有問題），

給出一個局部的、簡化的解釋。 3. Q-learning / Deep Q-learning 解釋： 兩者都屬於「強化學習」。

Q-learning

是傳統方式

Deep Q-learning

則是結合了深度學習（神經網路），

使其能處理更複雜的（如影像）高維度資料。 4.貝氏分類器 (Naive Bayes Classifier) 解釋：

一種基於「貝氏定理」的簡單分類演算法，

它「天真地 (Naive)」假設所有特徵彼此獨立。 5.L1 / L2 正則化 (Regularization) 解釋：

這是「模型訓練」時用來「防止過度擬合 (Overfitting)」

的技術。

L1 (Lasso) 傾向讓不重要的特徵權重變為 0 (可用於特徵篩選)；L2 (Ridge) 則使權重變小。