概述
候選人應能展現對倫理且永續人工智慧(AI)應用的知識與理解:
-
以
- 人為本的倫理與永續人類與人工智慧(AI);
- 人工智慧(AI)與機器人學;
- 應用人工智慧專案的效益——挑戰與風險;
- 機器學習(ML)理論與實務——建立機器學習(ML)工具箱;
- 與機器的管理、角色與責任——人工智慧的未來。
人類
人工智慧(AI)是一種利用非人類系統從經驗中學習並模仿人類智慧行為的方法論。EXIN BCS 人工智慧基礎認證測試考生對 AI 術語及一般原則的知識與理解。本準備指南涵蓋倫理且永續且穩健的人工智慧(AI)的潛在益處與挑戰;機器學習(ML)基本流程——建構機器學習(ML)工具包;AI 專案相關的挑戰與風險,以及 AI 與人類在職場中的未來。此基礎證書包含並擴展了 EXIN BCS 基礎人工智慧證書所教授的知識。
為什麼選擇 KORNERSTONE
- 經認證、由實務人員主導的專家證書培訓師,提供高品質的培訓
- 官方訓練資料包含
- 實務、情境導向學習——著重應用,而非僅理論
- 優秀的通過率
涵蓋技能
- 描述人工智慧(AI)如何成為「通用設計」與「第四次工業革命」
- 展示對人工智慧(AI)智慧代理描述
- 說明人工智慧(AI
- 說明我們如何從數據中學習——功能、軟體與硬體
- 展示人工智慧(AI)(特別是機器學習(ML))將推動人類與機器合作
- 描述一種「從經驗中學習」的敏捷專案方法
的一部分
的理解
)的好處
的理解
先決條件
- 參加此課程無需先決條件。
目標受眾
- EXIN BCS 人工智慧基礎認證專注於對組織中對 AI 有興趣(或需要實施)的個人,特別是在科學、工程、知識工程、金融、教育或資訊服務等領域工作者。
培訓大綱
模組1:倫理且永續的人類與人工智慧(AI)
1.1 回顧人類與人工智慧(AI)的一般定義
- 智慧代理人的概念。
- 利用羅伯特·迪爾特模型對人類邏輯層次思考的現代方法。
1.2 倫理與可信賴的人工智慧(AI),特別是:
- 倫理的一般定義。
- 以人為本的倫理目標尊重基本權利、原則與價值觀。
- 可信人工智慧(AI)。
- 人為本的倫理目標可信人工智慧(AI)持續被評估與監控。
倫理目標人工智慧採用技術上堅實的
以
1.3 永續性的三大基本領域與聯合國
的十七項永續目標
1.4 人工智慧(AI)是「通用設計」與「第四
次工業革命」的一部分
1.5 機器學習(ML)對
人工智慧(AI)
- 「從經驗中學習」及其與機器學習(ML)的關聯(Tom Mitchell的明確定義)模組
2:人工智慧(AI)與機器人學
2.1 展示對人工智慧(AI)智能代理描述的理解,以及:
- 四種理性代理依賴關係。
- 以效能指標、環境、執行器與感測器
- 代理分為四種類型:反射型、模型型反射型、目標型及效用型。
- 辨識人工智慧(AI)代理與機器學習(ML)之間的關係。
來描述代理。
2.2 什麼是機器人與:
- 機器人範式
2.3 什麼是智慧機器人及:
- 將智慧機器人與智慧代理人連結。
模組 3:人工智慧(AI)優勢的應用——挑戰與風險
3.1 永續性與以人為中心的倫理人工智慧(AI)相關,以及我們的價值觀如何推動人工智慧(AI)的使用,並改變人類、社會與組織。
3.2 人工智慧(AI)的好處 包括:
- 機器與人類與機器系統的優勢。
3.3 人工智慧(AI)的挑戰,以及:
- 人工智慧(AI)提出的一般倫理挑戰。
- 人工智慧(AI)系統
與人類系統相比的限制一般範例。
3.4 展示對人工智慧(AI)專案風險的理解,以及:
-
人工智慧
- (AI)風險的一般範例。
- 特別是人工智慧(AI)專案團隊。
- 領域專家。
- 什麼是「適合用途」?
- 式專案與敏捷專案的差異。
瀑布
3.5 列出人工智慧(AI
)機會 3.6 找出人工智慧(AI)專案的典型資金來源,並與 NASA 技術準備程度(TRLs)
相關聯 模組 4:啟動人工智慧(AI):如何建立機器學習(ML)工具箱 – 理論與實務
4.1 描述我們如何從數據中學習——功能、軟體與硬體
- 列出常見的開源機器學習功能,包括軟體與硬體。
- 機器學習(ML)入門理論。
- 資料準備中的典型任務。
- 機器學習(ML)演算法的典型類型。
- 資料視覺化的典型方法。
- 典型且狹義的人工智慧(AI)能力在機器
中非常有用4.2 典型且狹義的人工智慧(AI)能力在機器
學習(ML)與人工智慧(AI)代理人
的功能模組 5:人機
的管理、角色與責任 5.1 展現了人工智慧(AI)(特別是機器學習(ML))將推動人類與機器合作的理解
5.2 人類與機械未來合作的方向列表
5.3 描述一種「從經驗中學習」的敏捷專案方法
- 敏捷專案所需的團隊成員類型。
日期與地點

考試與認證
EXIN BCS 人工智慧基礎考試。





