L21 人工智慧技術
應用與規劃
聚焦 AI 技術認知、導入策略、風險管理與系統部署，強調將技術轉化為商業價值的規劃能力。情境模擬題佔比高，常考企業導入場景。
L211AI 相關技術應用
L21101 自然語言處理（NLP）技術與應用 必考 ▾
分詞/斷詞將文字切分為詞彙單位（Tokenization），中文無空格需特殊處理必考
詞嵌入Word2Vec、GloVe — 將詞彙轉為向量，捕捉語義關係
TransformerSelf-Attention 機制，BERT（雙向）與 GPT（單向自回歸）架構差異必考
應用場景機器翻譯、情感分析、問答系統、文本摘要、命名實體辨識（NER）
考點：「將接續文本轉換為詞彙單位」= 分詞（Tokenization）；RNN 適合序列資料；BERT 為雙向理解。
L21102 電腦視覺（CV）技術與應用 必考 ▾
圖像分類對整張圖片分類，輸出單一標籤（如 CNN、ResNet、VGG）
物件偵測辨識圖中多個物件並給出邊界框（YOLO、Faster R-CNN）必考
語義分割對每個像素分類（同類物件視為同一個體）必考
實例分割同時偵測 + 分割，區分同類的不同個體（Mask R-CNN）必考
114.09 版新增視覺分析題：需能配對四種 CV 技術與對應的示意圖，務必分清語義分割 vs 實例分割的差異。
L21103 生成式 AI 技術與應用 必考 ▾
GAN生成對抗網路：Generator 與 Discriminator 對抗訓練，用於圖像生成
VAE變分自編碼器：學習潛在空間分佈，生成新樣本
LLM大型語言模型：GPT、Claude、Gemini — Prompt Engineering 重要性必考
倫理風險幻覺（Hallucination）、偏見歧視、版權爭議、深偽（Deepfake）必考
倫理風險題佔比約 15%：AI 生成內容帶有偏見 = 倫理風險（非運營/成本風險）。
L21104 多模態人工智慧應用 新增 ▾
CLIPOpenAI — 同時理解圖片與文字，進行圖文對應與搜尋必考
多模態架構Transformer 架構整合多種輸入（影像+文字+音訊）
模型壓縮參數剪枝（Pruning）、知識蒸餾（Knowledge Distillation）、量化（Quantization）
114.09 新增：需識別圖像分類/物件偵測/語義分割/實例分割的技術示意圖。
L212AI 導入評估規劃
L21201 AI 導入評估 情境題 ▾
可行性評估技術可行性、資料可用性、成本效益（ROI）、組織準備度必考
ROI 計算投資報酬率 = (效益 − 成本) / 成本 × 100%；需能計算並判讀計算題
風險評估技術風險、資料風險、法規風險、組織變革風險識別與應對
情境題：給定企業現況，判斷 AI 導入優先順序與資源配置策略。
L21202 AI 導入規劃 情境題 ▾
導入階段POC（概念驗證）→ Pilot（試行）→ 規模化部署的流程與決策點必考
MLOps模型監控、版本管理、CI/CD for ML、模型漂移偵測114新增
系統整合AI 模型與 ERP、CRM 系統整合前的系統整合測試（SIT）重點
架構選擇即時監控 → 串流處理（Streaming）；大量歷史資料 → 批次處理（Batch）必考
AI 治理法規：需熟悉 EU AI Act 風險分級、台灣 AI 基本法原則。
L213 AI 技術應用與系統部署 ▾
L21301數據準備與模型選擇 — 訓練資料品質要求、模型選型依據
L21302AI 技術系統集成與部署 — API 整合、容器化部署、系統整合測試
系統部署題常結合科目二的架構選擇知識（批次 vs 串流），跨科出題機率高。
備考提醒：L21 為中級必考科目，無論搭配 L22 或 L23，皆需通過 L21。建議優先掌握此科再分配時間準備第二科。