經濟部 iPAS AI應用規劃師初級能力鑑定
科目一:人工智慧基礎概論
1. XAI (可解釋 AI) / 黑箱 (Black Box) 解釋：
讓 AI 的決策過程透明化、可被人類理解。
XAI 的目標是打開 AI 的「黑箱」，
這在醫療、金融等高風險領域至關重要。 2. LIME (局部可解釋模型) 解釋：
一種 XAI 技術。它不解釋整個複雜模型，而是針對
「某一個」預測結果
（例如 AI 為什麼判斷「這張」X 光片有問題），
給出一個局部的、簡化的解釋。 3. Q-learning / Deep Q-learning 解釋： 兩者都屬於「強化學習」。
Q-learning
是傳統方式
Deep Q-learning
則是結合了深度學習（神經網路），
使其能處理更複雜的（如影像）高維度資料。 4.貝氏分類器 (Naive Bayes Classifier) 解釋：
一種基於「貝氏定理」的簡單分類演算法，
它「天真地 (Naive)」假設所有特徵彼此獨立。 5.L1 / L2 正則化 (Regularization) 解釋：
這是「模型訓練」時用來「防止過度擬合 (Overfitting)」
的技術。
L1 (Lasso) 傾向讓不重要的特徵權重變為 0 (可用於特徵篩選)；L2 (Ridge) 則使權重變小。
