2025 12 13 台海兩岸影視文創交流協會 秘書處 恭喜 蔡昀彤 理事 當 選 第六屆 中華真快樂公益服務協會 理事長

 

2025 12 13 台海兩岸影視文創交流協會 秘書處 恭喜 蔡昀彤 理事 當 選 第六屆 中華真快樂公益服務協會 理事長

 

2025 12 13 台海兩岸影視文創交流協會第三屆第二次會員大會第一次籌備會 日期：2025年 12/13(週六) 時間：15：30報到 16：00開會 地點：Smor Cafe地址：台北市中山區吉林路299巷6號B1(捷運中山國小站3號出口) 備有下午茶茶點及每人1杯現煮咖啡

 

2025 12 13 台海兩岸影視文創交流協會第三屆第二次會員大會第一次籌備會 日期：2025年 12/13(週六) 時間：15：30報到 16：00開會 地點：Smor Cafe地址：台北市中山區吉林路299巷6號B1(捷運中山國小站3號出口) 備有下午茶茶點及每人1杯現煮咖啡

 

2025 11 30 台海兩岸影視文創交流協會-第三屆第四次理監事聯席會議 秘書處會議記錄 時間:114年 11月 30日(日) 15:00-1630 地點:茶聚點-新北市三重區三和路四段121號

 

2025 11 30 台海兩岸影視文創交流協會-第三屆第四次理監事聯席會議 秘書處會議記錄 時間:114年 11月 30日(日) 15:00-1630 地點:茶聚點-新北市三重區三和路四段121號

 

2025 11 09 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 組織事業計畫與訓練需求發展圖 大型 小型 企業人力提升計畫 iCAP職能發展應用平台 職能導向課程 產業人才投資方案 。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

 

2025 11 09 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 組織事業計畫與訓練需求發展圖 大型 小型 企業人力提升計畫 iCAP職能發展應用平台 職能導向課程 產業人才投資方案 。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

   組織事業計畫 與 訓練需求發展圖

2025 11 02 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 TTQS人才發展品質管理系統 【企業機構版 申請單位查檢表】 執行 （Do）執行 （Do）12. 訓練內涵按計畫執行的程度 13.學習成果的移轉及運用 14.訓練資料分類與建檔及管理資訊系統化。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

 

2025 11 02 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 TTQS人才發展品質管理系統 【企業機構版 申請單位查檢表】 執行 （Do）執行 （Do）12. 訓練內涵按計畫執行的程度 13.學習成果的移轉及運用 14.訓練資料分類與建檔及管理資訊系統化。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

  TTQS人才發展品質管理系統

【企業機構版 申請單位查檢表】  

  

   執行 （Do）

12. 訓練內涵按計畫執行的程度                                                                                               

     12a 依據   訓練目標   遴選   學員切合性

     12b 依據   訓練目標   選擇   教材切合性

12c 依據   訓練目標   遴選   師資切合性

12d 依據   訓練目標   選擇   教學方法切合性

12e 依據   課程目標   選擇   教學環境與設備

 展現  學員遴選條件及資格標準切合訓練目標需求。  

      展現  教材評選作業流程及訓練目標之切合性。  

      展現  課程講師遴選作業流程及訓練目標之切合性。     

      展現  教學方法及訓練目標之切合性。 

      展現  合適之教學環境及相關設備，並有定期維護紀錄。           

                                          

參酌資料

        1.學員           遴選條件  及  資格標準。 

       2.教材           評選作業        流程。 

       3.課程講師   遴選作業        流程。

       4.教學方法。

       5.教學環境 與 相關設備，並有 定期維護紀錄。

       6.訓練課程                  講師手冊。 

       7.課程學員   使用的   課程手冊。

       8.訓練課程                  計畫書。 

       9.訓練計畫、訓練目標  與  課程目標   佐證說明。

        其他：

13.學習成果的移轉及運用

       展現  適當  機制與安排，促進受訓學員將課程

             所學運用於工作，或 

       展現  適當的獎懲措施，

             促進 訓練

             達個人、小組團隊及組織績效改善

             之成果。

參酌資料

         1.具有  訓練移轉  行動計畫   與  行動查核表。

         2.部門主管   有創造、參與學習成果  轉移環境  

           的   證明資料。

         3.促進  應用的安排     的   證明資料。

         4.建構 學習心得交流  的   平台或社群。

         5.績效 考核機制。

         6.課後 回饋機制（如行動方案）。

         7.相關人事命令。

            其他：

14.訓練資料分類與建檔及管理資訊系統化

      

     展現  訓練流程相關文件  有適當  系統化紀錄，

           並有  分析 及 運用  紀錄。

           對   訓練流程相關 文件  或 紀錄

            有適當  的  保存及建檔。

參酌資料

     1. 訓練資料 與 訓練過程 及 成果的  紀錄與分類，

        均有系統化 歸納方法  編碼。

     2.訓練 檔案 管理系統。

     3.完整的訓練文件建檔資料。

     4.是否提供查詢功能，並具持續改善機制。

     5.資訊系統化 程度 及 檢索  速度。

      其他

2025 10 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定 人工智慧基礎概論 (L11) 機器學習（Machine Learning）是一種透過 數據訓練 模型，使 機器 具備 預測 與 分類 能力的技術， 常應用於 文字辨識、語音辨識、圖像辨識 等領域。機器學習的 步驟包含： （1）準備訓練資料：（2）訓練模型：（3）測試及評估模型：

 

2025 10 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 經濟部 iPAS AI應用規劃師初級能力鑑定 人工智慧基礎概論 (L11) 機器學習（Machine Learning）是一種透過 數據訓練 模型，使 機器 具備 預測 與 分類 能力的技術， 常應用於 文字辨識、語音辨識、圖像辨識 等領域。機器學習的 步驟包含： （1）準備訓練資料：（2）訓練模型：（3）測試及評估模型：

 

機器學習（Machine Learning）

是一種透過  數據訓練  模型，使 機器  具備   預測  與 分類   能力的技術，

常應用於    文字辨識、語音辨識、圖像辨識  等領域。

一般而言，資料量愈大  且經過  完整的資料處理，

模型的效果通常會更好。 

 簡述  機器學習的  步驟包含：

（1）準備訓練資料：

       包含資料的蒐集、過濾雜訊 及前處理；

（2）訓練模型：

       將前項  準備好  的   訓練資料   輸入  演算法中，並 適度調整 參數，

       使模型儘量符合資料之模式或分佈；

   （3）測試及評估模型：

        測試 並 評估   該 模型的效能，並反覆訓練之；經多次調校仍不佳時，

        或許選用其他模型  再重覆前 述流程。 

 依訓練方式，有以下幾種學習方法： 

 （1）監督式學習（Supervised learning） 

        監督式學習主要應用於  分類（Classification）與  迴歸（Regression）

        任務，透 過   帶有標記（Labeled Data）的訓練數據來訓練模型，

        使其學習  輸入特徵  與  對應標 記   之間的關聯性。

        在訓練過程中，模型不斷調整內部參數，以提高對未知數據的 預測準確度，

        從而   實現   對   未見  數據的   有效分類  或  數值  預測。

         分類模型目標為「如 何將輸入數據   分配至   不同類別」，

          例如 垃圾郵件過濾（辨別郵件是否為垃圾郵件）、 

                    影像識別（辨識圖片中的物件類別）。

          迴歸模型目標為「學習   輸入變數  與  連續數值 之間的映射關係」，

           例如  房價預測（根據房屋特徵預測價格）、

                    銷售額預測（根據 市場數據預測未來銷售）。 

 （2）非監督式學習（Unsupervised Learning） 

            不同於監督式學習，無需使用事先標記好的訓練數據。

            演算法會自動從  未標 記的數據  中   發掘潛在的模式、結構或

            分群（Clustering），進而揭示  數據內部的關聯 性和特徵。

           非監督式學習常用於

           資料探索、特徵提取  和數據降維  等任務，

           廣泛應 用於

          市場區隔分析、異常偵測、推薦系統 和  影像壓縮  等領域。 

 （3）強化學習（Reinforcement Learning, RL） 

             強化學習不同於監督式學習和非監督式學習，

            是一種  基於「回饋（反饋）機 制」的  學習方法，

            透過  評分機制 與  獎勵措施  的制定，讓人工智慧進行自我評估

            並朝  獲取最大獎勵的方向進行學習。

            強化學習的核心在於   讓代理（Agent）透過與環 境  的互動，

            學習如何選擇  最佳行動策略，以獲得最大的累積回報。

            強化學習特別 適合用於

            需要「試錯學習（Trial-and-Error）」和「長期規劃」

            的任務，

           例如   遊戲 AI、 機器人控制  和  自動駕駛等領域。

2025 10 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人工智慧架構 （1）技術底層 A. 資料處理與分析（Data Processing and Analysis）B. 演算法（Algorithm）C. 機器學習（Machine Learning）D. 深度學習（Deep Learning）E. 專家系統（Expert System）。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

 

2025 10 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人工智慧架構 （1）技術底層 A. 資料處理與分析（Data Processing and Analysis）B. 演算法（Algorithm）C. 機器學習（Machine Learning）D. 深度學習（Deep Learning）E. 專家系統（Expert System）。TTQS 人才發展品質管理系統 Talent Quality-management System 若想要追求金牌 國立臺灣大學 臺灣師範大學 EMBA 找左永安顧問輔導 AI-ESG- PMP- HRD- ICAP- IPAS 人力資源管理 專案管理 品牌管理 策略管理 關鍵就業力 共通核心職能 師資 左記歐洲商行 安永經營管理顧問

人工智慧架構

人工智慧  的實現  依賴於   一個多層次的架構，

每一層   都扮演著關鍵角色，

從  基礎技術  到  應用開發，最終落地於   實際場景。

以下為其主要構成：

（1）技術底層

技術底層  是人工智慧  運作的基礎，提供必要  的

計算能力、數據支撐   與  核心演算法。

主要包含以下要素：

A. 資料處理與分析（Data Processing and Analysis）

      AI 的 核心 在於 數據，資料處理 包括  數據  清理、整合、儲存 及 分析。

      關鍵技術

     如   1.ETL（Extract, Transform, Load）流程

            2.資料庫管理  

            3. 大數據處理平台（如Hadoop、Spark 等）。

B. 演算法（Algorithm）

      為AI 的   邏輯基石，用於   解決問題  及   提供決策支援。

      常見的演算法包括

      1.   迴歸分析（Regression Analysis）、

      2.  分類演算法（ClassificationAlgorithms）、

      3.  決策樹（Decision Tree）與

       4. 基因演算法（Genetic Algorithm）等。

C. 機器學習（Machine Learning）

   AI 的  學習過程  透過  資料訓練模型   來  預測  或  分類， 

     常見技術如

     1. 監督式學習（Supervised Learning）、

     2. 非監督式學習（Unsupervised Learning）與

     3. 強化學習（Reinforcement Learning）等。

D. 深度學習（Deep Learning）

    構建於   人工神經網路   基礎之上，適用於  處理   非  結構化數據，

    如

     1. 語音辨識、

     2. 影像 處理與

     3.自然語言處理（NLP）等；

     常見的開發框架   包括   TensorFlow、PyTorch 等。

E. 專家系統（Expert System）

    基於   規則 與 知識庫，模擬    人類專家  的  決策過程，

        廣泛應用於

    1.醫療診斷、

    2.財務分析

       等專業領域。