周國華老師會計教學網站：人工智慧概念及會計應用

人工智慧概念及會計應用(會計三甲、乙，選修，114學年度第一學期，2025年9月~2025年12月)

公佈欄

上課教室及時間：屏商校區教學一館S1305教室，星期三第2、3、4節

課程資料

評量方式及配分：期中考、期末考，各佔30%；平時成績(含各項作業及課程互動)，佔40%；iPas AI 鑑定考試(初級)每通過一科，加8分
授課資料及進度
- 第一週：生活中隨處可見的AI應用
  - 生成式AI：ChatGPT、Google Gemini、DeepSeek、Anthropic Claude ，排名：AI Analysis
  - AI語音助理：Apple Siri、Google Assistant、Amazon Alexa、MS Cortana、小米小愛音箱
  - 照相指引：Google Pixel 10 (拍照指導、Pro Res Zoom 100x)
  - AI智慧型眼鏡：Google Android XR、HTC Vive Eagle、Meta AI 眼鏡
  - 影像辨識：手機解鎖(Face ID)、Google 照片搜尋及分類、停車場車牌辨識
  - 自動駕駛：賓士Drive Pilot、Google Waymo、Tesla Robotaxi、蘿蔔快跑、小馬智行、文遠知行，SAE：自動駕駛分級制
- 第二、三、四、五週：人工智慧基礎概論 (iPas AI應用規劃師[初級]考科一)
  - 經濟部產發署：初級能力鑑定學習指引-人工智慧基礎概論
  - iPas AI應用規劃師：114年度考試簡章
  - 附：學習指引勘誤表
  - AI 資料分析平台：KNIME、Dataiku
  - AI 教育機構：台灣人工智慧學校、美國：Alpha School (維基介紹：連結)
- 第六、七、八週：生成式AI應用與規劃 (iPas AI應用規劃師[初級]考科二)
  - 經濟部產發署：初級能力鑑定學習指引-生成式AI應用與規劃
  - No code 平台：Bubble、Thunkable、Glide 、Landbot 、AppSheet、Wix
  - Low code 平台：OutSystems、Power Apps、Mendix
  - 文本生成與編輯：AI Writer、Copy.ai
  - 圖像生成：Midjourney、DALL.E、Stable Diffusion
  - 自動化設計、修圖與圖像生成：Fotor AI
  - 行銷素材與視覺故事板生成：Canva AI (文生圖 + 文生設計)、RunwayML (文生影像)、Jasper AI (文生文)
  - 商業設計與創意內容生成：Adobe Firefly
  - 圖像藝術化處理與風格轉換：Deep Dream Generator
  - 語音合成與個性化助手：ElevenLabs、Voice.ai
  - 語音識別與轉錄：Otter.ai (會議語音轉文字及摘要)、Descript (整合錄音、轉錄與影音剪輯)
  - 自動生成影片與剪輯：Pictory、Lumen5
  - 影片字幕與自動化處理：Trint、Sonix
  - AI生成虛擬主持人影片：Synthesia
  - AI音樂生成：Soundraw
  - RAG (檢索增強生成)：AWS、Google Cloud、Orcale、MS Azure
  - 背景音樂與音樂作品生成：Jukedeck (已被抖音收購)、Amper Music (已被Shutterstock收購)
  - Google Gemini 教師認證：官方網站，簡介網站
- 第九週：期中考(2025/10/29)
- 第十週(1)：11/1第四次「iPas AI應用規劃師-初級」測驗考題檢視
  - 參考資源：11/1考後分析(連結至憶筆M.S. YouTube)，11/1考試分析 (連結至 CCChen 方格子專欄)
  - E4考後重要概念補充說明：科目一，科目二 (需密碼)
  - 重要概念詳解：COT/TOT，Graph Prompt，MCP，MLOps，MMLU，One Shot/Few Shot，RAG，Temperature
  - 周老師本次考試成績：參考1，參考2
- 第十週(2)：機器學習及建模操作概念
  - ML平台：Hugging Face，Kaggle，scikit-learn
  - ML訓練用資料集：
  - 本課程資料集：人臉，硬幣
  - No code ML平台：
    - Google Teachable Machine: 圖像 / 聲音辨識
    - Orange: 分類 / 聚類 / PCA / 視覺化
    - Hugging Face Spaces: NLP / 圖像模型測試
    - Kaggle AutoML: 真實競賽、資料預測
- 第十一、十二週：使用Orange平台建立ML模型
  - Orange平台下載：可攜版(下載後解壓縮，免安裝，點選Orange即可執行)
  - 建模案例：
    - 線性迴歸：
      - 講義：線性迴歸模型基本概念
      - 案例1：學生成績預測(訓練集，測試集)，已完成檔案(建模流程圖示，欄位選擇設定 [欄位設定說明]，成績預測OLS模型 [模型解說]，模型評估表 [評估表解說])，後續參考流程(使用測試集進行預測)
      - 案例2：屏東縣房價預測(訓練集，驗證集，測試集)，已完成檔案(建模流程圖示，模型評估表，驗證集XY散佈圖，房價預測模型檔)
    - 羅吉斯迴歸：
      - 案例1：電信客戶流失預測(訓練集，驗證集，測試集)，已完成檔案(建模流程圖示及模型評估表)
      - 案例2：糖尿病罹病預測(訓練集，驗證集，測試集)，已完成檔案(建模流程圖示及模型評估表)
    - 支援向量機(SVM)：
      - 講義：SVM模型基本概念
      - 案例1：鐵達尼號旅客生還預測(訓練集 [資料字典]，驗證集，測試集)，已完成檔案(SVM模型 [模型解說]，建模流程圖示及模型評估表)
      - 案例2：心臟病罹病預測
      - 案例3：MNIST手寫數字辨識
- 第十三、十四週：AI 在會計、審計及稅務作業上的應用方向及實例探討
  - 基本觀念：LLM 不會因對話而調整模型，台積電為何禁止員工向LLM詢問工作問題
  - 建模案例：
    - 授課案例
      - 案例1：梯度提升
        
        講義：Gradient Boosting (梯度提升) 概念簡介及應用解析
        
        逃漏稅風險分析(訓練集 [資料字典])，已完成檔案(欄位選擇設定，GB模型參數 [模型參數解說]，建模流程圖示及模型評估表 [模型評估結果分析])
      - 案例2：XGBoost 極限梯度提升
        
        講義：Logit、XGBoost及Shap 概念及應用解析，One-hot 編碼轉換解說
        
        費用申報異常偵測(使用Orange)：
        
        資料集：原始資料集 [資料字典]，分切資料集(8比2)
        
        XGBoost建模：XGB模型參數，建模流程圖示及模型評估表
        
        測試：建模及預測完整流程，測試集預測結果表格
        
        費用申報異常偵測(使用Python Idle介面)：
        
        資料集：同上
        
        Python程式碼：pip安裝及XGBoost程式碼
        
        SHAP分數：SHAP value 分布圖，SHAP value 圖表解說
    - 備用案例
      - 案例3：總帳異常交易偵測(訓練集 [資料字典])
      - 案例4：應收帳款違約預測(訓練集 [資料字典])
      - 案例5：發票自動分類(訓練集 [資料字典])
- 第十五週：RPA、Google NotebookLM
  - 主題一：RPA
    - 講義：數位轉型鐵三角-RPA、AI及BI
    - 工具：Power Automate Desktop：下載安裝 (Win 10, 11系統已預設安裝)
    - 範例檔案：AR資料檔(Excel檔) ，PAD流程範例_逾期AR提醒
  - 主題二：Google NotebookLM
    - 講義：Google NotebookLM功能簡介
    - 工具：NotebookLM
    - 範例檔案：TSMC、ASIC 與 NVidia的攻防(YouTube影片)
- 第十六週：期末考(2025/12/17)
  - 參考資料：簡答題會考的10個重要觀念
- 線上補充教學(6小時)：
  - iPAS AI中級檢定考科內容探討(必考科)：人工智慧技術應用與規劃 (3小時)
  - iPAS AI中級檢定考科內容探討(選考科之一)：機器學習技術與應用 (3小時)