【技能修煉】IPAS AI 應用規劃師 初級- 三十天準備計畫

各位冒險者，轉眼就進入了倒數 30 天的衝刺期。

面對這場挑戰，我不建議你一開始就拿起書硬啃，或是拿著考題死記硬背。 這種「體力活」式的準備方式，往往會讓你在考試結束後就忘光所有內容。

相反地，我建議從最基本的邏輯與概念開始建立。在這個 AI 技術爆炸的時代，我們擁有的資源非常豐富，關鍵在於如何系統化地吸收。

這份計畫的設計核心，是希望透過優質的學習資源與階段性的目標，讓你不只是拿到證照，更是建立起一套屬於自己的 AI Mindset。 當你掌握了這套思維，未來無論 AI 工具如何更迭，你都能在職場中快速找到對應的解法。

以下是我的 30 天規劃建議：

第一週：基本概念建立

• 重點：觀看台大李弘毅老師的 YouTube**【生成式人工智慧與機器學習導論2025】(可參考上一篇[【技能修煉】 IPAS AI 應用規劃師初級- 學習資源](https://medium.com/@a9999/技能修煉-ipas-ai-應用規劃師初級-學習攻略-f47d060f1db0)**)
• 使用理解的方式，瞭解生成式人工智慧與機器的基本概念，不要一開始就拿起書來啃或是筆記硬背。
• 將不懂的關鍵字記下來，之後要回頭搞清楚。
• 實作的部分可以先跳過，但是強烈建議跟著實作，這才是之後你擁有這張證照最大的優勢。

第二週：建立你的學習夥伴

• 重點：跟著鯊魚老師的教學**【公會任務】召喚你的 AI 冒險夥伴**，建立自己的陪讀夥伴，接下來三週都需要靠它！
• 找最近一份考古題出來寫，不用擔心答錯，將看不懂的觀念都記下來，找到之後兩週要加強的部分。
• 準備好進入最後兩週的衝刺。

第三週：科目一「人工智慧基礎概論」

重點在於建立正確的 AI 名詞定義與資料處理流程概念。

• 第 1 天：人工智慧概念與治理
• 研讀 AI 的定義、分類，以及人在迴圈（Human-in-the-loop）等監督機制。
• 掌握 AI 治理的核心原則，如透明性、公平性與風險評估。
• 關鍵字：人機協作模式（HITL/HOTL/HOCL）、AI 治理原則、弱人工智慧 vs 強人工智慧。
• 第 2 天：資料處理與分析基礎
• 釐清 ETL（擷取、轉換、載入）流程及其各階段目的。
• 學習資料整合、清理與不同來源資料的格式統一。
• 關鍵字：ETL 流程目的、資料整合挑戰、資料清理技巧。
• 第 3 天：特徵工程與統計基礎
• 理解特徵交叉、One-hot 編碼及資料正規化的適用場景。
• 複習常態分布、Z 分數以及處理極端值的對數轉換（Log Transformation）。
• 關鍵字：對數轉換（處理偏態）、One-hot 編碼、Z 分數（異常值檢測）。
• 第 4 天：機器學習基本原理
• 區分監督式、非監督式（如分群）及強化學習（如圍棋、自動駕駛）的差異。
• 掌握 L1、L2 正則化如何降低過擬合（Overfitting）問題。
• 關鍵字：強化學習（動態互動）、L1/L2 正則化、過擬合解決方案。
• 第 5 天：鑑別式與生成式 AI 原理
• 釐清兩者基本原理，如鑑別式專注分類/迴歸，生成式專注數據生成。
• 學習 GAN（生成對抗網路）的生成器與鑑別器組件。
• 關鍵字：GAN（生成器與鑑別器）、鑑別式 vs 生成式（P(y|x) vs P(x,y)）。
• 第 6–7 天：第一週複習與實戰
• 快速瀏覽科目一學習指引勘誤表，確保統計名詞（如平均差、抽樣變異）理解正確。
• 練習 114 年與 115 年科目一公告試題，針對錯誤題目回頭查閱指引。
• 關鍵字：抽樣變異、第一型與第二型錯誤、考古題錯題彙整。

第四週：科目二「生成式 AI 應用與規劃」

重點在於實務工具運用、企業導入規劃及風險管理。

• 第 8 天：No-Code / Low-Code 概念
• 理解 Low-Code 平台中「模型」的角色及其抽象化資料結構的功能。
• 掌握企業利用此類平台進行營運系統開發的測試性與維護性。
• 關鍵字：模型抽象化、可測試性、Low-code 開發週期。
• 第 9 天：生成式 AI 工具與 PEFT 技術
• 學習不同應用領域（文本、圖像、語音）的工具特性。
• 重點研讀 PEFT（如 LoRA）技術如何在運算資源受限下微調模型。
• 關鍵字：PEFT/LoRA（低參數微調）、多模態工具應用。
• 第 10 天：企業導入評估與架構
• 學習導入 AI 的步驟排序：設定目標、評估問題、基礎設施建置。
• 區分 RAG（檢索增強生成）與 MCP（模型上下文協議）在擴展模型能力上的差異。
• 關鍵字：導入五階段、RAG vs MCP（靜態知識 vs 動態工具）。
• 第 11 天：提示工程與模型評測
• 掌握思維鏈（CoT）提示設計以提升邏輯性。
• 認識模型評測指標，如 MMLU（多領域理解）、GSM8K（數學推理）等。
• 關鍵字：CoT（推理透明度）、MMLU 指標、Few-shot prompting。
• 第 12 天：風險管理、倫理與合規
• 區分風險應對策略：規避、轉移（如外包）、緩解與接受。
• 學習 Guardrails（防護機制）在系統設計中過濾危險需求的目的。
• 關鍵字：風險轉移（外包）、Guardrails（安全防護）、AI 倫理偏見。
• 第 13–14 天：總複習與模擬考
• 整合兩科知識點，特別是生成式 AI 的倫理偏見與隱私保護。
• 完整計時練習 114 年與 115 年科目二試題，模擬考試當天的作答節奏。
• 關鍵字：聯邦學習（隱私保護）、模型幻覺、全科目模擬成績。

恭喜你，看完了這份三十天的準備計畫，這代表你已經準備好要踏出舒適圈，正式面對 AI 時代的挑戰。

在進入最後衝刺前，我想提醒各位冒險者：「證照」本身，從來不是這場修煉的終點。

這張證照的真正價值，不在於那張紙，而在於這三十天中，你強迫自己從「旁觀者」轉變為「規劃者」的過程。

• 當你學會了特徵工程，你其實學會了如何從雜亂的資訊中抽絲剝繭，抓出關鍵問題。
• 當你搞懂了模型評估，你其實學會了如何在不確定的環境中，用數據做出最理性的決策。
• 當你思考著 AI 倫理，你其實正在磨練身為 PM 最珍貴的價值：在科技便利與人性溫度之間找到平衡。

請記住：AI 時代不缺寫代碼的人，但極度缺乏「知道 AI 該怎麼用、該用在哪、以及如何解決真實痛點」的人。

這三十天的準備，是為了讓你擁有一套系統性的 AI 概論，更是一場關於「規劃思維」的腦力重構。就算未來技術如何更迭，這套邏輯將會是你立足職場最強大的底氣。

願各位在五月的戰場上，不僅收穫證照這枚勳章，更能帶走一套陪你戰鬥一輩子的 AI 思維。

我們公會大廳見，祝各位通關順利！

「別在 AI 的荒野中獨自摸索，轉型路上你需要最強的後援。」

歡迎加入我們的匿名社群「PM AI Accelerator」。在這裡，我們不只是紙上談兵聊理論，更提供第一手的 AI 資訊、證照資源、實戰活動與工具指南。

🚀 LINE OpenChat 搜尋[PM AI Accelerator]立即加入我們 讓 AI 成為你的加速器，現在就開始你的進化之旅。