.png?table=collection&id=2ba70f01-9634-81f4-8376-000b1aff7bf1&t=2ba70f01-9634-81f4-8376-000b1aff7bf1&width=1080&cache=v2)
機器學習到底在學什麼？從演算法選擇到 MLOps 維運一次看懂
面對 iPAS AI 規劃師科目一（L113），光背名詞很容易考完就忘。這份筆記用生活比喻拆解機器學習的建模流程：從資料清洗、演算法選擇、模型訓練調參，到上線後的 MLOps 監控與飄移處理，每個概念都搭配圖解和考試常見陷阱提醒，幫你把零散考點串成一張完整地圖。
別讓 AI 吃垃圾！一次搞懂資料清洗、特徵工程與統計
AI 再聰明，吃到垃圾資料一樣廢掉。這篇用白話文拆解資料清洗、特徵工程、統計檢定到視覺化的完整流程，從「資料該冰冰箱還是丟倉庫」到「怎麼用 p-value 判斷廣告到底有沒有效」，每個概念都附生活比喻和圖解。準備 iPAS AI 規劃師考試或想補資料科學基礎的人，讀這篇就夠。
你信任 AI 的判斷嗎？人機協作、透明度與 AI 治理入門
iPAS AI 規劃師 L111 備考筆記。這篇整理了人機協作的三種失效模式（橡皮圖章、虛假安全感、倫理紅線），拆解 AI 為什麼需要「可解釋性」才能被監督，以及歐盟 AI Act 如何用風險分級管住它。給非技術背景的人看，用白話講完一整條「信任 → 透明 → 治理」的邏輯鏈。
