M10.01｜iPAS AI 應用規劃師考試全攻略
搞懂考試架構、題型與策略 — 讓備考時間減半、通過率倍增
本講學習重點
初級考 AI 基礎知識（L1）+ AI 應用規劃（L2），中級加考 AI 技術應用 + AI 系統部署
每科 50 題選擇題，120 分鐘，60 分及格（部分考次含申論）
高頻考點：AI 偏差與公平性、資料品質、ROI 計算、風險矩陣
先刷歷屆題、弄懂錯題概念、模擬考計時練習
遇到不確定題目先用刪去法，別在單題卡太久
AI 倫理與法規近年比重上升，必考
計算題配分約 20%，ROI 和準確率計算要熟
🎙️ Podcast（中文）
一句話搞懂
iPAS AI 應用規劃師是台灣勞動部推動的官方 AI 職能證照，分初級與中級，考的不是寫程式，而是「如何規劃、評估、落地一個 AI 專案」。它是目前台灣職場公信力最高的 AI 應用證照，也是企業採購 AI 方案、政府機關評估 AI 導入時，最常被指定的資格認證之一。
白話解說
什麼是 iPAS？
iPAS 全名是「產業人才投資方案（Industry Personnel Advancement Scheme）」，是台灣勞動部勞動力發展署主導的職能認證體系。其中，AI 應用規劃師是近年最熱門的認證項目，旨在培育能夠有效規劃與推動 AI 應用的跨領域人才。
與坊間許多 AI 課程證書不同，iPAS 的特色在於：
- 官方背書：由政府機關監督，企業主對其公信力認可度高
- 考試客觀：有明確的職能基準，考核方式標準化
- 實務導向：考題著重在「如何用 AI 解決商業問題」，而非純學術理論
- 可抵稅訓練費：企業派員參加通過認可的培訓課程，訓練費用可申請補助
初級 vs 中級：差異解析
iPAS AI 應用規劃師分為初級與中級兩個層次：
初級（Junior Level）
- 目標對象：剛接觸 AI 應用的職場人士、想轉型的傳統產業從業者
- 考試科目：
- L1 — AI 基礎知識：AI 概念、機器學習原理、常見演算法、資料處理基礎
- L2 — AI 應用規劃：需求分析、可行性評估、專案規劃、溝通協作
- 通過標準：每科滿分 100 分，達 60 分及格
- 適合準備時間：自學 2-3 個月，有相關背景者 1 個月
中級（Intermediate Level）
- 目標對象：具備初級資格或相關工作經驗者
- 考試科目（在初級科目基礎上加考）：
- L3 — AI 技術應用：模型評估、特徵工程、工具選型、API 串接
- L4 — AI 系統部署：MLOps、雲端架構、監控維運、安全性
- 通過標準：四科均達 60 分
- 建議在通過初級後，再準備 3-6 個月應考中級
考試題型與配分
選擇題（主要題型）
- 每科 50 題，各題 2 分，滿分 100 分
- 時間：120 分鐘（每科）
- 題型：單選題為主，部分考次含多選題（扣分制）
計算題（嵌入在選擇題中）
- 佔比約 15-20%
- 常見計算：準確率（Accuracy）、精確率（Precision）、召回率（Recall）、F1 Score、ROI（投資回報率）
情境題（Scenario-based Questions）
- 給定一個企業情境，問最適合的 AI 方案
- 考核「整合判斷能力」，無法死背答案
高頻考點整理
以下是歷屆考試中出現頻率最高的主題，備考應優先掌握：
| 科目 | 高頻主題 | 出現頻率 |
|---|---|---|
| L1 | 偏差（Bias）與公平性 | ★★★★★ |
| L1 | 資料品質的五個維度 | ★★★★★ |
| L1 | 監督式 vs 非監督式學習 | ★★★★☆ |
| L1 | 過擬合（Overfitting）與欠擬合 | ★★★★☆ |
| L2 | ROI 計算與成本效益分析 | ★★★★★ |
| L2 | AI 倫理原則（可解釋性、公平性） | ★★★★★ |
| L2 | 風險矩陣（影響 × 可能性） | ★★★★☆ |
| L2 | 利害關係人分析 | ★★★☆☆ |
| L3 | 混淆矩陣與模型評估指標 | ★★★★★ |
| L4 | MLOps 流程與工具 | ★★★★☆ |
備考策略：四個階段
第一階段：摸底（第 1-2 週） 先做一套歷屆考題（不用準備，就直接做），記錄哪些題目根本看不懂、哪些題目有印象但沒把握。這份「錯題清單」就是你備考的地圖。
第二階段：補漏（第 3-6 週） 根據錯題清單，針對性地看教材。建議閱讀順序：
- 官方職能基準手冊（勞動力發展署網站免費下載）
- iPAS 指定教材（考試單位公告）
- 補充閱讀：AI 倫理白皮書、企業 AI 導入案例
第三階段：刷題（第 7-9 週） 每天做 25-30 題選擇題，計時練習。特別注意「情境題」，這類題目沒有公式可背，要靠理解商業邏輯來判斷。
第四階段：模擬考（考前 2 週） 完整模擬考試環境：120 分鐘、不查資料、計時作答。做完後對答案，把錯題的核心概念再複習一遍。
應用場景
| 場景 | 報考層級 | 備考重點 | 注意事項 |
|---|---|---|---|
| 企業 IT 部門主管評估 AI 導入 | 初級 | AI 應用規劃、可行性評估 | 重點在溝通框架，非技術細節 |
| 產品經理負責 AI 功能規劃 | 初級 | 需求分析、ROI 計算 | 多準備情境題思維 |
| 資料工程師轉型 AI 規劃師 | 中級 | L3/L4 技術應用與部署 | 技術背景強，重點補商業判斷 |
| 顧問公司承接政府 AI 標案 | 中級 | 風險管理、法規合規 | 政府標案常要求提供證書副本 |
| 傳統製造業員工職能提升 | 初級 | AI 基礎知識、應用案例 | 從產業應用案例切入更容易吸收 |
| 大學生/研究生求職加分 | 初級優先 | 全面均衡準備 | 搭配作品集效果更好 |
| 企業內訓講師認證 | 中級 | 教材設計、學習成效評估 | 部分企業要求內訓師持中級 |
常見誤區
誤區 1：「考 iPAS 要會寫 Python 程式」
這是最常見的誤解，嚇退了很多非技術背景的報考者。事實上，iPAS 初級考的是「如何規劃 AI 專案」，完全不需要實際寫程式。考題中頂多出現虛擬碼（pseudocode）或是演算法的邏輯描述，不會要求你寫出能執行的程式碼。
中級的 L3（AI 技術應用）雖然會涉及更深的技術概念，但也是考「判斷哪種技術方案較合適」，而非要你手寫模型訓練程式。建議非技術背景的考生不要因為「怕技術」而卻步，初級完全可以靠商業思維和系統性學習通過。
誤區 2：「背熟教材定義就能過關」
iPAS 考試愈來愈強調情境判斷能力，特別是近幾年改版後，純靠死背定義只能通過基本題，情境題（佔 30-40%）需要真正理解概念背後的邏輯才能作答。
例如：「某公司要導入 AI 客服系統，已知歷史對話資料中 95% 是正面反饋，你最應該注意什麼風險？」這題考的是「資料不平衡（Class Imbalance）」的概念，但題目不會直接說出這個名詞。死背定義的考生往往看到「95%」就以為答案是「正確率很高沒問題」，但正確答案是「模型可能永遠預測正面，召回率極低」。
誤區 3：「通過初級才能準備中級，要等很久」
有些人誤以為必須等到初級成績公布、確認通過後，才能開始準備中級。事實上，初級和中級的課程內容有相當程度的重疊，完全可以同步準備。如果你的目標是中級，建議從一開始就按照中級的範圍學習，初級考試就會更輕鬆通過，接著很快就能應考中級。
另外，部分考試場次允許同時報考初級和中級（分開場次），可以大幅縮短取得中級的時間。
小練習
練習 1：模擬選擇題（AI 基礎知識）
一家零售商想要預測「哪些商品下個月會缺貨」，他們有過去 3 年的銷售紀錄、庫存資料，以及節慶活動的行銷計畫。請問以下哪個說法最正確？
A. 這是一個非監督式學習問題，因為沒有「正確答案」可供訓練 B. 這是一個監督式學習問題，歷史銷售與實際缺貨紀錄可作為訓練標籤 C. 這個問題資料量太少（只有 3 年），AI 無法有效預測 D. 應該先用聚類分析將商品分群，再各自建立預測模型
練習 2：模擬情境題（AI 應用規劃）
你是一家中型製造業的 IT 主管，老闆要你在 3 個月內完成「AI 品質檢測系統」的導入，預算 500 萬元。你評估後發現：現有設備攝影機解析度不足（需升級）、品管人員擔心 AI 取代其工作、歷史瑕疵影像資料只有 200 張。請問你應該優先處理哪個問題，並說明理由。
查看答案
**練習 1 答案：B** 這是典型的**監督式學習（Supervised Learning）**問題。歷史銷售資料中「某月銷量 X → 最終是否缺貨」提供了明確的標籤，可以用來訓練模型。選項 A 錯誤，因為有明確的目標變數；選項 C 不正確，3 年的每日銷售紀錄通常有上千筆，對表格型 ML 模型已相當足夠；選項 D 的做法不是不可行，但題目問的是「最正確的描述」，而非「最佳的建模策略」。 **重要觀念**：判斷監督/非監督的關鍵是「是否有目標標籤（label）」，而非主觀覺得有沒有正確答案。 --- **練習 2 答案：優先處理訓練資料不足（只有 200 張瑕疵影像）** 理由如下： 1. **這是根本瓶頸**：AI 品質檢測模型的準確率高度依賴訓練資料的數量與多樣性。200 張圖片遠不足以讓模型學到足夠的瑕疵模式，即使設備升級、人員安撫問題都解決了，模型仍然無法達到實用水準。 2. **影響最終成敗**：設備升級可以另外規劃，人員疑慮可透過溝通和再培訓化解，但資料不足沒有捷徑，需要時間持續收集標記。 3. **建議行動**：立刻開始系統性地收集並標記瑕疵影像，同時評估是否可使用資料增強（Data Augmentation）、遷移學習（Transfer Learning）來彌補資料量不足的問題。向老闆說明「3 個月完成導入」可能需要調整為「3 個月完成試驗 Pilot」，避免倉促上線造成品質事故。備考資源：勞動力發展署 iPAS 官方網站 → 產業人才評量 → AI 應用規劃師，可下載職能基準手冊與歷屆考題