Day 5科目一難度：基礎
Day5 AI 應用領域總覽
一句話記住這天：
AI 不只聊天——醫療、金融、製造、交通都有代表作，重點是分辨「用在哪裡」。
學習目標
- 掌握電腦視覺核心技術
- 理解 NLP 主要任務
- 了解推薦系統原理
- 熟悉 AI 倫理與法規
本日導讀:學什麼、考什麼、容易錯什麼
建議時間40 分鐘（學習 25 分 + 測驗 10 分 + 費曼 5 分）
你會學到
- 建立電腦視覺（CV）核心技術清單與代表模型
- 認識 NLP 主要任務與推薦系統原理（含冷啟動）
- 掌握 AI 倫理治理關鍵詞（偏見、幻覺、聯邦學習、GDPR、XAI）
考點濃縮
- CV：圖像分類、物體偵測（YOLO）、語意分割、人臉辨識、OCR
- 代表模型 ResNet、YOLO、ViT
- NLP：文本分類、情感分析、NER、機器翻譯、摘要
- 詞嵌入 Word2Vec、BERT
- 推薦系統：協同過濾（User-based／Item-based）、矩陣分解 SVD、Wide & Deep
- 冷啟動＝新用戶／新項目無歷史資料
- 倫理：偏見（資料不平衡）、幻覺（RAG＋事實校驗）、差分隱私、聯邦學習（資料不動模型動）、GDPR、XAI（SHAP／LIME）
常見陷阱
- 把 OCR 歸到 NLP——OCR 屬電腦視覺
- 冷啟動不是「系統開機慢」，是新用戶／新項目無歷史資料
- 混淆聯邦學習（資料不動、模型動）與差分隱私（訓練加雜訊）
過關檢查
- 能為醫療／金融／製造／交通各舉一個 AI 應用案例
- 能解釋推薦系統的冷啟動問題
- 能說出兩種 AI 倫理風險與對應解法
Active Recall：先回憶再學習
你認為 AI 目前被應用在哪些領域？列舉至少 5 個。
電腦視覺（CV）
圖像分類、物體偵測(YOLO)、語意分割、人臉辨識、OCR
代表模型：ResNet、YOLO、Vision Transformer(ViT)
自然語言處理（NLP）
文本分類、情感分析、命名實體辨識(NER)、機器翻譯、摘要生成
詞嵌入：Word2Vec、BERT
LLM：GPT 系列
推薦系統
協同過濾(Collaborative Filtering)：User-based / Item-based
矩陣分解：SVD
深度學習推薦：Wide & Deep
冷啟動問題：新用戶/新項目無歷史資料
AI 倫理與治理
偏見(Bias)：訓練資料不平衡 → 需多樣化資料
幻覺(Hallucination)：LLM編造事實 → RAG + 事實校驗
差分隱私：訓練加雜訊保護個體
聯邦學習：資料不動模型動
GDPR：被遺忘權、資料可攜權
XAI：SHAP、LIME 解釋模型決策
課後測驗（4題）
已作答 0 / 4
解釋「為什麼 AI 會產生偏見？該怎麼解決？」：
進度與錯題只存在這個瀏覽器，不需登入。