初級與中級的核心差異
很多人第一個問題就是：「我該先考初級還是直接挑戰中級？」這取決於你的背景和目標。
考試範圍比較
初級
| 科目 | 內容 |
|---|---|
| 科目一 | 人工智慧基礎概論：AI 歷史、基本概念、機器學習入門 |
| 科目二 | 生成式 AI 應用與規劃：LLM 基礎、Prompt Engineering、應用場景 |
特色：偏重概念理解，不需要寫程式或推導數學公式。適合非技術背景的人。
中級
| 科目 | 內容 |
|---|---|
| 科目一（必考） | 人工智慧技術應用與規劃：進階 ML/DL 概念、模型評估、專案管理 |
| 科目二（擇一） | 大數據處理分析與應用：資料工程、特徵工程、大數據架構 |
| 科目三（擇一） | 機器學習技術與應用：演算法細節、模型調優、實務應用 |
特色：需要理解技術細節，包括演算法原理、數學基礎（線性代數、統計）、模型評估指標。
難度差異
| 面向 | 初級 | 中級 |
|---|---|---|
| 數學需求 | 幾乎不需要 | 需要基礎統計與線性代數 |
| 程式需求 | 不需要 | 需要理解 Python/ML 程式概念 |
| 準備時間 | 2–3 週 | 4–6 週 |
| 通過率 | 約 50–60% | 約 30–40% |
我該選哪個？
適合考初級的人
- 非資工 / 非理工背景
- 想要入門了解 AI
- 產品經理、行銷、業務等想加值的職務
- 在學學生，想提早累積證照
適合直接考中級的人
- 資工、資管、數學、統計等相關背景
- 已經有 Python 和機器學習基礎
- 想要在技術面試中展現專業度
- 已通過初級，想更進一步
兩個都考的策略
如果時間允許，建議先考初級再考中級。初級的準備過程能建立基礎，讓中級的學習更順暢。而且兩張證照都拿到，履歷上更好看。
總結
沒有絕對的好壞，關鍵是選擇適合你當前程度的等級。不確定的話，先做幾回初級的考古題試試水溫，如果正確率超過 80%，可以考慮直接挑戰中級。