剛開始準備 iPAS AI 應用規劃師，最常遇到的不是資料太少，而是太多。官方簡章、評鑑範圍、影片、文章和題庫都找得到，每一份看起來都有用。可是還沒決定級別就開始讀，很容易同時讀到不同級別、不同科目的內容；名詞背了不少，遇到情境題還是不知道怎麼選。
問題通常不在資料，而在順序。我的做法分成三步：
- 先決定考什麼：初級還是中級，要考哪幾科。
- 再確認範圍：用官方簡章和評鑑內容範圍，列出要準備的主題。
- 最後才決定怎麼讀：用模擬題找出缺口，再讓文章、影片各自補上一種缺口。
這就像規劃自助旅行：先選國家，再看地圖，最後才挑攻略、排行程。差別在於，考試的範圍和日期由官方決定，不能邊走邊改，所以「看地圖」這一步更不能省。下面依這三步展開；文末有 6 個步驟的清單，可以直接拿來排你的讀書計畫。
第 1 步：先決定考初級還是中級
初級和中級的準備方向不同。剛接觸 AI、還不熟悉機器學習、生成式 AI、資料與風險治理的人，先看初級。初級要你理解三件事：AI 能處理哪些問題、資料為什麼重要，以及使用生成內容時為什麼要查證。站上的初級準備方向整理了科目與學習步驟，可以用來對照自己已經懂了哪些、還缺哪些基礎。
已經有 AI 工具、資料分析、流程改善或專案規劃經驗的人，可以評估中級。中級要你把需求、資料、模型、部署、維運與治理串成一條線，在具體情境裡判斷問題出在哪個環節、有哪些做法可選。
中級題目常把這條線放進一個專案。假設一家公司想用 AI 自動分類客服信件，選模型之前，要先問清楚幾件事：
- 真正要解決的問題是什麼？是回覆太慢，還是信件常被分給錯的部門？
- 現有資料夠不夠？過去的信件有沒有標好正確分類？
- 導入的成本與效益是否值得？
- 模型上線後由誰監控？分錯時誰負責處理？
- 哪些決定仍然需要人工覆核？
中級常見的 PoC、ROI、MLOps 和資料漂移，各自回答其中一個問題：
| 名詞 | 在這個專案中處理什麼 | 沒想清楚會發生什麼 |
|---|---|---|
| PoC（概念驗證） | 先用一小批信件試做，確認 AI 真的能分對 | 還沒確認可行就全面導入，投入成本後才發現效果不如預期 |
| ROI（投資報酬） | 比較導入成本與省下的人力、時間 | 技術做得到，花費卻比省下的還多 |
| MLOps | 模型上線後持續部署、監控與更新的做法 | 上線後沒人追蹤，分類變差也沒有人發現 |
| 資料漂移 | 上線後收到的信件和訓練時不同，例如顧客用詞改變或新產品上市 | 模型仍照舊資料學到的方式判斷，錯誤逐漸增加 |
讀這些名詞時，先想它在專案的哪一步、處理哪個問題。只背定義的話，題目把客服信件換成請假單審核，就很難認出來；知道每個名詞負責哪個環節，換了情境也找得到對應的做法。
要拿中級證書，科目一是共同科目，再依路線準備科目二或科目三。兩條路線差在哪，可以先看中級科目選擇。
第 2 步：先列出官方範圍，再找教材
排讀書計畫前，先確認三件事：當年度簡章、要準備的科目，以及最新的評鑑內容範圍。入口在 AI 應用規劃師官方專區，再對照官方考試資訊與學習資源。
官方範圍決定讀什麼，其他文章、影片和題目幫你讀懂。例如讀到自然語言處理，跟著教材弄懂用途與限制就夠了，不必把整個領域的研究讀完，才回來準備下一章。
我的做法是把範圍列成清單，每一項標上「已理解」「還模糊」「沒讀過」，再替後兩類找資料。這樣每加一份教材，都知道它要解決哪一項。
第 3 步：用熟悉的經驗、影片和模擬題補缺口
範圍列好之後，才輪到怎麼讀。文章、影片和模擬題各有分工：文章和影片幫你理解，模擬題幫你找出還沒理解的地方。
非資訊背景：把名詞放回專案的五個步驟
做過企劃、管理或專案工作的人，對需求、流程、成本和風險並不陌生。這些經驗正好可以拿來理解 AI 的應用情境，再補上資料與模型的概念，例如訓練資料、標籤、分類、生成式 AI 和評估指標各自做什麼。
只記定義還不夠。假設一個專案想用 AI 分類文件，要先確認分類結果給誰用、分錯會造成什麼影響，再檢查有沒有合適的文件和標記資料。模型建好後，還要測試表現、安排人工覆核，並決定怎麼更新。
把這個過程整理成「需求確認、資料準備、模型選擇、測試評估、部署維運」五步，名詞就有了位置。隱私、安全與責任則是每一步都要檢查，不能等到最後才補。
回頭看客服信件的例子：ROI 屬於需求確認，PoC 屬於測試評估，MLOps 和資料漂移落在部署維運。下次讀到新名詞，先問它處理的是哪一段的問題，會比只抄一行定義更容易理解。
影片看懂流程，再回文字核對細節
有些概念第一次讀不懂，是因為看不出資料怎麼流動、步驟怎麼相接。這時先看影片裡的案例，再回文章和官方資料核對細節。站上的備考影片整理了幾支入門內容，其他影片可以到 YouTube 頻道找。
看影片介紹一項 AI 應用時，我會試著回答這四個問題：
- 原本的工作遇到什麼困難，為什麼考慮使用 AI？
- 現有資料是否足以支持這個做法？
- 哪些結果需要人來覆核，出錯時如何處理？
- 導入後要觀察什麼，才能判斷是否有幫助？
答不出來，就回到相關段落重看或查資料。答得出來，才算從「聽過這個名詞」走到「說得出它怎麼用」。
模擬題要找的是判斷錯在哪，不只是分數
做模擬題時，除了記分數，也要記下自己怎麼判斷。答對但說不出理由的題目，一樣要回頭看；答錯的題目，先分清楚是哪一種錯：概念不熟、看漏條件，還是把兩個方法混在一起。
例如把「準確率高」直接當成「模型表現好」，就該補問：兩種類別的比例差不多嗎？少數類別是不是幾乎都被漏掉了？把錯誤原因寫清楚，回教材補上相關概念，再換一題確認自己真的會用。
解析裡其他選項為什麼不適合，也要看。題目換了條件時，靠的就是這份理解。
只剩一週：只補缺口，不再加教材
已經讀過一輪的人，先停止增加教材。對照官方範圍和錯題紀錄，找出反覆混淆或還沒理解的內容，把時間留給這些缺口，再用幾份練習確認。這比不斷換資料更容易掌握進度。
如果考綱裡還有主題完全沒讀過，基本概念仍要補上。幾乎從零開始的人，一週的安排不保證能完成中級準備；先算清楚剩下的時間能處理哪些重點，再調整計畫。
複習清單要寫得具體，例如「分辨訓練集與測試集的用途」「解釋兩個容易混淆的指標」。看得出要完成什麼，才知道缺口有沒有補上。
證書之外，能帶走的是判斷方法
準備證照的過程，也是在練習怎麼討論 AI 應用。面對一項工具或專案，除了問「能不能用」，還會接著問：要改善哪個流程、資料適不適合、結果怎麼驗證，以及哪些決定需要人工覆核。
證書替代不了實際經驗，但這些問題可以帶回工作和日常。我覺得最值得留下的就是這套判斷方法，之後遇到不同工具，也能用同樣的步驟查證和評估。
6 個步驟，排出你的讀書計畫
回到開頭「資料很多，不知道先讀什麼」的問題，可以照這個順序安排：
- 確認級別與科目，對照自己已有的基礎。
- 閱讀官方簡章與評鑑範圍，列出要準備的主題。
- 先了解各主題的關係，再補細節。
- 用文章與影片處理不熟悉的概念。
- 用題目檢查判斷，記錄錯誤原因。
- 依錯題與範圍缺口安排考前複習。
先從手上的資料挑一份，寫下它要幫你理解什麼、對應哪個主題。說得出用途，再決定要不要補其他材料。
讀完試試看
假設你在教材裡讀到「特徵工程」這個沒看過的名詞，照這篇的方法，第一步該做什麼？
想好再往下看。參考答案：先想它落在專案的哪一步。特徵工程是把原始資料整理成模型能使用的欄位，屬於資料準備；確認位置後，再回官方範圍看它是否在考綱內，最後才找文章或影片補細節。
本文是個人自學與備考方法整理，非 iPAS 官方教材。正式考科、報名方式、題型、通過標準及最新規則，請以官方最新公告為準。