工研院產業學習網

【地圖介紹】

本學習地圖以三個平行維度呈現人工智慧人才養成路徑。其一是「基礎知能」，涵蓋 AI通識、程式語言、軟體工程與工具應用，協助不同背景的學習者建立共通語言。其二是「技術模組」，包含資料與AI決策、生成式AI與代理、邊緣智慧系統、AI運算與晶片、AI導入與治理，對應資料分析師、AI 工程師、軟體開發者、嵌入式工程師、晶片與高效能運算人才、AI 專案管理與治理角色。其三是「應用場景」，包含跨域應用與產業應用，強調 AI 進入能源、低碳製程、服務業與製造業時，必須理解資料來源、流程限制、營運指標與風險責任。

【核心專業】

人工智慧核心職能可視為多個平行專業群組的組合。資料與AI決策處理資料蒐整、視覺化、特徵工程、模型訓練與決策優化；生成式AI與代理，包含大型語言模型、多模態、RAG、MCP、AI Agent 與自動化工作流；邊緣智慧系統處理嵌入式系統、邊緣AI(Edge AI)與裝置端推論效能；AI運算與晶片主要以 AI 晶片開發、CUDA、量子電路與矽光子等高階運算能力；AI導入與治理包含可信任 AI、ISO/IEC 42001 與 AI 應用規劃。學習者可依職務任務、既有背景與企業需求選擇能力模組，而非依單一路徑前進。

1. 資料與AI決策

資料與AI決策的價值在於把原始資料轉化為可驗證、可追蹤、可支援營運判斷的模型與決策依據。此模組適合資料分析師、資料科學家、AI 工程師、營運分析與研發管理人才，重點能力包含資料工程、商業數據分析、資料視覺化、深度學習、圖神經網路、知識圖譜與決策優化。

• ① 資料工程：AI與大數據應用開發養成、AI數據分析產業應用養成。

• ② 數據分析：Orange Data Mining、Power BI Desktop 大數據分析、Tableau與AI的高效應用、Excel × AI 商業數據分析、資料視覺化與特徵工程。

• ③ 建模與決策：Python AI人工智慧資料分析師、PyTorch深度學習CNN與Transformer影像辨識與生成實作、進階PyTorch深度學習模型策略與部署、圖神經網路應用-從圖資料到AI建模解決方案、從AI模型到決策-資料建模與決策優化、AI推理及知識圖譜的構建與應用。

2. 生成式AI與代理

生成式AI與代理聚焦企業如何把 AI 從單次問答延伸為可串接資料、工具與流程的任務系統。語言模型與多模態能力協助學習者理解本地端部署、Gemini 應用整合、向量資料庫與多模態情境；AI代理能力則進一步對應 MCP、RAG、企業內部知識查詢、自動化工作流與軟體開發場景。此模組適合知識管理、客服自動化、研發流程改善、軟體開發、企劃營運與跨部門流程優化人員。

基礎知能中的「工具應用」主要面向非技術背景或跨部門協作需求，協助學習者掌握生成式 AI 工具、辦公室應用、自動化流程與內容產製；生成式AI與代理則聚焦語言模型、多模態、RAG、MCP、AI Agent 與企業流程串接。

• ① 語言模型與多模態：用Ollama部署本地端大型語言模型實作、Google Gemini多元應用整合、RAG向量資料庫與多模態AI應用。

• ② AI代理：AI Agent開發與MCP應用、RAG技術實戰：打造內部知識查詢系統、AI Agent x MCP x 自動化工作流實作、Claude Code 韌體開發-AI自動化程式設計、Agent Skills 新手實戰全攻略-使用 Antigravity、AI智能自動化實戰–從Workflow到AI Agent、Spring AI 企業應用開發。

3. 邊緣智慧系統

當 AI 進入智慧裝置、製造現場、機器人、能源系統與即時判斷場景，模型準確率之外，延遲、功耗、記憶體限制、硬體介面、通訊穩定性與現場維運能力都會成為導入門檻。邊緣智慧系統對應韌體工程師、嵌入式系統工程師、Edge AI 導入人員、機器視覺與裝置端推論人才，協助學習者把 AI 模型落到可運作的現場系統。

• ① 嵌入式系統：ARM Cortex-M7周邊控制與系統韌體開發、Azure RTOS ThreadX 即時系統整合與應用、嵌入式Linux系統程式設計與應用、嵌入式Linux 驅動程式開發、嵌入式Linux網路通訊與多媒體整合應用、FPGA Verilog 數位邏輯設計與核心控制、STM32H750 FreeRTOS 移植與多任務整合(規劃中)。

• ② 邊緣AI(Edge AI)：FPGA 圖像處理與加速應用、FPGA HLS 電腦視覺加速與系統最佳化設計、STM32 MCU Edge AI × GenAI系統整合設計、嵌入式Linux × GenAI系統整合設計、FPGA Verilog HDL 系統設計與硬體控制。

• ③ 加速與效能優化：NVIDIA Jetson Nano電腦視覺與地端模型應用、NVIDIA Jetson機器人控制與智慧決策系統、MCU Endpoint AI實務應用班-以Cortex-M55×Ethos-U55來推論實作。

4. AI運算與晶片

AI運算與晶片支撐更高效能、更低延遲與更具能源效率的人工智慧系統。此模組適合半導體、電子電機、高效能運算、晶片設計、EDA、GPU 平行運算與新興運算技術相關人才。對企業而言，這類能力不只關係到模型能否跑得動，也關係到成本、效能、供應鏈韌性與產品差異化。

• ① AI晶片開發：視覺AI神經網路運算系統與晶片設計、積體電路實體設計自動化：流程、演算法與應用。

• ② AI運算技術：量子電路設計與應用、NVIDIA CUDA GPU高速平行運算程式開發、矽光子技術系列。

5. AI導入與治理

AI 導入不只需要模型與工具，也需要可信任、可稽核、可管理的制度設計。Stanford HAI《2026 AI Index Report》指出，負責任 AI 發展仍落後於能力進展，AI 事件數持續增加；這意味著 AI 專案若缺乏治理設計、風險盤點與責任分工，將難以長期維運。ISO/IEC 42001:2023 是人工智慧管理系統標準，規範組織建立、實施、維護與持續改善 AI 管理系統的要求，有助於企業以結構化方式管理 AI 風險與機會。

• ① 國際標準與法規：可信任AI趨勢與發展、ISO/IEC 42001: 2023 人工智慧管理系統主導稽核員訓練。

• ② 規劃與管理：AI應用導入規劃認證班、AI應用規劃師初級能力培訓、AI應用規劃師中級能力培訓。
  
  

AI導入與治理模組適合 AI 專案負責人、資訊治理、內控稽核、法遵、產品管理、數位轉型與產業應用推動者。學習重點包含需求盤點、場景評估、ROI、風險評估、責任分工、流程整合、成效追蹤與持續改善，其中「AI應用導入規劃認證班」學員通過相關考核更可取得少數由工研院產業學院所核發的認證證書。

【基石：基礎知能】

基礎知能不是低階課程，而是所有 AI 導入與跨部門協作的共同底座。非技術背景學習者可透過 AI通識與工具應用理解生成式 AI、資料分析與辦公室自動化；技術背景學習者可透過程式語言與軟體工程補強模型開發、系統整合、測試設計與雲端部署能力。此模組協助不同職能在需求盤點、資料治理、模型評估、風險討論與系統導入時具備共同語言。

• ① AI通識：人工智慧原理與核心技術、不寫程式也能玩資料分析、AI應用於圖像處理基礎與案例、生成式AI與提示工程：學會問，才有好答案、CompTIA AI Essentials、Microsoft AI-900 考證輔導班、Microsoft AI-901 考證輔導班。

• ② 程式語言：數據分析應用實務(Python)、Python程式語言、C#程式設計基礎、Python x vibe coding AI程式設計。

• ③ 軟體工程：軟體架構應用實作、敏捷軟體需求分析與驗證、AI輔助軟體開發、AI輔助軟體測試設計、強韌型AI K8S實戰。

• ④ 工具應用：生成式AI工具應用與實作、AI Agent自動化流程工具實作、Vibe Coding 應用實務(規劃中)、非技術人員生成式AI辦公室應用、生成式AI人機協作文案實務、n8n自動化與生成式AI整合應用、AI加速研發與生產力提升實務、NotebookLM AI工作助理、AI視覺賦能工作坊：全流程行銷內容產製、Claude Skills工作流程自動化實作、Google AI Studio 應用、生成式 AI 程式開發與 Vibe Coding 實務、Google Antigravity Vibe Coding 應用、零程式Open WebUI RAG打造內部查詢系統、Microsoft PL-900考證輔導班。
  
  

【實務：跨域應用】

AI 的價值不只來自模型能力，而是能否進入真實場域並解決具體問題。跨域應用需要理解場域資料來源、設備限制、流程瓶頸、營運指標、合規責任與維運成本，這也是「域內知識(domain knowledge)」的重要性：同樣是資料分析或 AI Agent，在能源管理、低碳混凝土、服務營運與製造現場中，資料脈絡與決策責任並不相同。課程主題如：

• ① 電力數據分析與應用管理

• ② AI智慧能源整合系統

• ③ AI智慧配方於低碳混凝土製程優化
  
  

【結語：ITRI 賦能個人化職涯】

人工智慧職涯不是單一路線，而是以能力組合建立差異化定位。非技術背景人才可從 AI通識、生成式AI工具應用與實作、資料視覺化、NotebookLM、n8n 與辦公室應用切入；資料與軟體背景人才可深化 Python、PyTorch、圖神經網路、RAG、AI Agent、軟體架構與測試設計；硬體與嵌入式背景人才可聚焦 ARM Cortex-M7、STM32、嵌入式Linux、Edge AI、FPGA、Jetson、CUDA 與 AI 晶片；管理與產業導入人才可強化可信任AI、ISO/IEC 42001、AI應用導入規劃與跨域應用。工研院產業學院透過人工智慧學習地圖，將快速變動的 AI 技術轉譯為可選擇、可組合、可對應職務需求的學習架構，協助學習者建立在AI領域的長期競爭力。