連鎖流通零售 醫療生物科技 金融產業科技 資通軟體產業 旅館餐飲產業 投資創新創業 法律法令法規 顧客服務品質 生產商業4.0
2025年8月22日 星期五
2025年8月21日 星期四
2025 08 21 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 訓練需求分析 是替 企業 或 組織 瞭解 1.「為什麼需要訓練」 2.「什麼人需要訓練」 3.「由 誰來訓練」 4.「如何訓練」 5.「期望的訓練成果為何」 等問題。 訓練需求分析常透過 1. 組織分析 2.工 作分析 3. 個人分析 三個層次
2025 08 21 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 訓練需求分析 是替 企業 或 組織 瞭解 1.「為什麼需要訓練」 2.「什麼人需要訓練」 3.「由 誰來訓練」 4.「如何訓練」 5.「期望的訓練成果為何」 等問題。 訓練需求分析常透過 1. 組織分析 2.工 作分析 3. 個人分析 三個層次
訓練需求分析(Training Needs Analysis,TNA)
訓練需求分析 是替 企業 或 組織 瞭解
1.「為什麼需要訓練」
2.「什麼人需要訓練」
3.「由 誰來訓練」
4.「如何訓練」
5.「期望的訓練成果為何」
等問題。
訓練需求分析 是 訓練規劃 程序中 非常重要的一環。
可幫助 管理者 或 訓練工作者
決定 組織訓練計劃 的 目標 及 內容。
為了發展一個 有效的 訓練計劃,
訓練工作者 有需以 系統的方法
蒐集 和 分析 訓練需求 相關的資料,包括如
企業 或 組織
1.目標
2.策略
3.績效
4.員工的工作表現
等,並 確認 透過「訓練」可能達成 的 改善效果。
訓練需求分析常透過
1. 組織分析
2.工 作分析
3. 個人分析
三個層次,尋找 並 發現 組織內部的 訓練需求,以及
需要學習 何 種 知 識技能 與 行為態度,
進而 期望 透過學習 將其成果 轉化至 工作上,以期有助於
工作 及 組織績效 的提升。
2025年8月20日 星期三
2025 08 20 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 三類專業人員 您好:感謝您參加 114年TTQS三類專業人員回流訓練課程 課程名稱:個案研討 日期:114年08月29日(星期五) 時間:09:30~16:30
2025 08 20 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 三類專業人員 您好:感謝您參加 114年TTQS三類專業人員回流訓練課程 課程名稱:個案研討 日期:114年08月29日(星期五) 時間:09:30~16:30
三類專業人員 您好:
感謝您參加 114年TTQS三類專業人員回流訓練課程
課程名稱:個案研討
講師:****
日期:114年08月29日(星期五)
時間:09:30~16:30(報到時間:09:20~09:30)
地點:台北市大安區*****
2025年8月19日 星期二
2025 08 20 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 職能的定義 Competence 能力 Competency 高績效者 Competencies Competent
2025 08 20 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 職能的定義 Competence 能力 Competency 高績效者 Competencies Competent
職能的定義
Competence 能力
係指 能力 的 資格 或 要件。
Competency
係指 高績效者 的 行動特性。
高績效者
係指 穩定、經常維持 高績效 的人 而言。
在美國最具代表性的Competency定義,
即是 與 卓越的職務績效 有 密切關係 而且 持續的 個人特徵。
Competencies
即是 Competency的集合,有時是指 Competency模型。
Competent
是形容詞,係指 有能力的、能勝任的、稱職 的意思。
2025 08 19 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 ICAP 職能導向課程名稱審查原則 課程名稱訂定以使用我國文字或國際通用專有名詞為原則 課程名稱訂定應緊扣「教學/訓練目標」及「課程內容」 現行「職能發展及應用推動要點」已將 職能基準、職能單元、各中央目的事業主管機關 公布之相關職能資源或 透過職能需求分析為依據所發展之訓練課程 統稱為職能導向課程, 為避免重複性, 不得使用 職能模型、 職能地圖、 職能基準、 職能單元、 職能課程 等文字。
2025 08 19 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 ICAP 職能導向課程名稱審查原則 課程名稱訂定以使用我國文字或國際通用專有名詞為原則 課程名稱訂定應緊扣「教學/訓練目標」及「課程內容」 現行「職能發展及應用推動要點」已將 職能基準、職能單元、各中央目的事業主管機關 公布之相關職能資源或 透過職能需求分析為依據所發展之訓練課程 統稱為職能導向課程, 為避免重複性, 不得使用 職能模型、 職能地圖、 職能基準、 職能單元、 職能課程 等文字。
一、課程名稱訂定以使用我國文字或國際通用專有名詞為原則,
我國文字以教育部編訂之國語辭典或辭源、辭海、康熙或其他通用字典中
所列有之文字為限。
二、課程名稱訂定應緊扣「教學/訓練目標」及「課程內容」,
且清晰易懂。課程名稱不得使用下列文字:
(一) 如「非」全職業或職類能力養成之課程,
不得直接採用 職業或職務 名稱 作為課程名稱。
(二) 易使人誤認為 結訓後 即具備 與 專門職業技術人員執業資格有關之文字。
(三) 易使人誤認為 或 誇大訓練成效之文字。
(四) 易使人誤認為 性質上屬政府專屬授權之文字。
(五) 其他違反善良風俗或不雅之文字。
(六) 現行 iCAP 證書已標示職能級別,課程名稱不得使用課程職能級別。
(七) 單位開授之課程名稱不得使用認證、證明、證照、能力鑑定等
易使人誤解之文字。
(八) 現行「職能發展及應用推動要點」已將
職能基準、職能單元、各中央目的事業主管機關公布之相關職能資源或
透過職能需求分析為依據所發展之訓練課程
統稱為職能導向課程,
為避免重複性,
不得使用
職能模型、
職能地圖、
職能基準、
職能單元、
職能課程
等文字。
2025年8月17日 星期日
2025 08 18 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人才發展品質管理 (Talent Quality-management System, TTQS) 訓練機構版 Outcome 成果: 著重 訓練成果評估 之 層級 與 完整性、及 訓練 之 持續改善。 指標 19: 訓練系統 的市場功能─目標市場 及 顧客的 價值創造 (滿分 4 分)
2025 08 18 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 人才發展品質管理 (Talent Quality-management System, TTQS) 訓練機構版 Outcome 成果: 著重 訓練成果評估 之 層級 與 完整性、及 訓練 之 持續改善。 指標 19: 訓練系統 的市場功能─目標市場 及 顧客的 價值創造 (滿分 4 分)
人才發展品質管理
(Talent Quality-management System, TTQS)
訓練機構版
Outcome 成果:
著重 訓練成果評估 之 層級 與 完整性、及
訓練 之 持續改善。
指標 19:
訓練系統 的市場功能─目標市場 及 顧客的 價值創造
(滿分 4 分)
✓評分標準
1 分 目標市場及顧客價值均有提升,然而未有具體紀錄及評量。
2 分 目標市場 及 顧客價值 均有部分提升效果。
3 分 目標市場 及 顧客價值 均有一定程度提升的效果。
4 分 目標市場 及 顧客價值 均有顯著具體的提升績效。
✓指標意涵說明
本指標內容必須與第 17 條相互確認,並以足夠的數據來佐證,
否則容 易落入印象分數,就無法判斷系統的有效性與連結性。
3~4 分需列舉適 當佐證資料,可分為系統及流程面、學習技能面、財務面、社會面
及其 他。
常見參考佐證資料:
1 分之常見參考佐證資料:
目標市場及顧客價值 均有提升,然而未有具體記錄及評量。
提出心得與知識分享 執行成效(系統及流程面)。
口頭說明學員訓後就業狀況,但未有具體紀錄及評量。
學員考照通過率有增加,但未有具體紀錄及評量。
感謝函。
2 分之常見參考佐證資料:
有具體記錄可辨識目標市場及顧客價值 均有部分提升效果。
相關證據顯示有初步訓練成果,且有部分佐證資料。
提出學員滿意度、考試測驗或心得報告(學習技能面)。
提出課後 追蹤調查 與 分析結果、證照通過情形(學習技能面)。
部分會員透過訓練後,事業成就上突破原有格局。
企業主 雇用結訓後學員,肯定機構訓練的成效。
部份學員 能運用所學於 職務中。
進行 訓後薪資調查,部份訓後學員微幅調薪。
3 分的常見參考佐證資料:
有量化之效益可呈現目標市場及顧客價值均有一定程度提升的效果
相關證據 顯示 個人訓練後之績效改善成果。
提出 市場競爭力、營業額、工作流程、成本控制或客訴率 等營運表現 (財務面)。
學員訓後創業案例。
學員證照通過、就業率高。
個人產品不良件數有下降趨勢。
每年訓練班次、人次均持續成長。
會員人數及會費收入均逐年增加。
4 分之常見參考佐證資料:
經營績效中之數據 呈現目標市場及顧客價值 均有顯著具體的提升績 效。
提出參與社會公益活動、獲頒公民營單位獎項、
結合學校單位產學或 研發成果(社會面)。
提出報章雜誌採訪或電子媒體訪問之正面消息(其他)。
個人績效提升(薪資提升或獎勵升遷之紀錄)。
證照通過率高 及 就業率大幅提升。
運用資訊系統普及率。
顧客滿意度提升。
組織近三年營業額持續成長。
2025年8月16日 星期六
2025 08 16 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 職能分析理論 職能分析的理論基礎 職能分析的目的 職能分析的應用 職能分析的步驟 1.確定分析範圍: 2.收集資料: 3.分析資料: 4.定義職能: 5.建立職能模型:
2025 08 16 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 職能分析理論 職能分析的理論基礎 職能分析的目的 職能分析的應用 職能分析的步驟 1.確定分析範圍: 2.收集資料: 3.分析資料: 4.定義職能: 5.建立職能模型:
職能分析理論
是人力資源管理 中用於 辨識、定義 和 評估完成
特定 工作 或 職位 所需具備的 知識、技能、態度 和行為
等 特質的理論。
透過職能分析,企業可以 更有效地 進行
1.招募、
2.培訓、
3.績效評估、
4.員工發展
等工作,提升整體 組織績效。
- 招募甄選:
- 職能分析 有助於企業 明確招募需求,篩選出符合職位要求的候選人,
- 提高招聘效率和準確性。
- 員工培訓:
- 根據職能分析的結果,企業可以設計有針對性的培訓課程,幫助員工提升
- 所需技 能和知識,縮小能力差距。
- 績效評估:
- 職能分析可以作為績效評估的標準,幫助企業客觀評估員工的工作表現,
- 並提供反饋和發展建議。
- 員工發展:
- 職能分析有助於企業了解員工的優勢 和 不足,為員工制定個人發展計畫,
- 提升員工的職業發展。
- 接班人計畫:
- 透過職能分析,企業可以識別 和 培養 潛在的接班人,確保組織的永續發展。
- 職能分析的步驟
2025年8月14日 星期四
2025 08 15 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 選擇 適合 的分析方法: 描述性統計:推論性統計:資料探勘: 機器學習:應用 監督式學習 與 非監督式學習 技術, 如 線性迴歸、 支援向量機 (SVM)、神經網路、深度學習等。
2025 08 15 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 選擇 適合 的分析方法: 描述性統計:推論性統計:資料探勘: 機器學習:應用 監督式學習 與 非監督式學習 技術, 如 線性迴歸、 支援向量機 (SVM)、神經網路、深度學習等。
資料分析
選擇 適合 的分析方法:
描述性統計:
計算 平均值、中位數、標準差、變異數 等來 描述 資 料 的 分佈 情況。
推論性統計:
進行 假設檢定 (t 檢定、卡方檢定)、相關分析、迴 歸分析 等,
從樣本 推論 到母體。
資料探勘:
使用 分群分析 (K-means)、分類分析 (決策樹、隨機森 林)、
關聯分析 (Apriori 演算法)
等技術。
機器學習:
應用 監督式學習 與 非監督式學習 技術,
如 線性迴歸、 支援向量機 (SVM)、神經網路、深度學習等。
結果驗證與檢查:
交叉驗證:
檢查 模型 的 穩定性 與 泛化 能力。
模型評估:
使用 指標 (如準確率、精確率、召回率、F1 分數等)
來檢驗 分析結果 的 準確性 與 效果。
2025 08 14 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 人類在AI系統決策過程中之監督機制, 可分為 1.人在指揮 HIC (Human-in-command) 2.人在迴圈內 HITL (Human-in-the-loop) 3.人在迴圈上 HOTL (Human-over-the-loop)
人類在AI系統決策過程中之監督機制,
可分為
1.人在指揮 HIC (Human-in-command)
2.人在迴圈內 HITL (Human-in-the-loop)
3.人在迴圈上 HOTL (Human-over-the-loop)
說明如下:
1.「人在指揮(Human-in-command)」:
指人類 指揮監督 AI系統之整 體活動
(包括其更廣泛的經濟、社會、法律及道德影響),
並 在任何 情況 下決定 何時、如何 使用AI系統的能力。
2.「人在迴圈內(Human-in-the-loop)」:
表示人類主動參與監督,並 保留完全的 控制權,
AI系統 僅係 提供建議或資訊。
除非人類下達 命令 要求AI系統決策,否則AI 系統不能進行決策。
3.「人在迴圈上(Human-over-the-loop)」:
人類僅有在 AI 模型 遇到意 外或 不良事件 (例如模型失敗)時,
才接管控制,並在運算過程中調 整參數。
2025年8月13日 星期三
2025 08 14 左永安 顧問/講師/委員 一、人工智慧(AI)相關定義 (一) AI 系統定義: (二)生成式 AI 定義: 二、AI系統生命週期 (一) 系統規劃及設計: (二) 資料蒐集及輸入: (三)模型建立及驗證:(四)系統部署及監控:
2025 08 14 左永安 顧問/講師/委員 一、人工智慧(AI)相關定義 (一) AI 系統定義: (二)生成式 AI 定義: 二、AI系統生命週期 (一) 系統規劃及設計: (二) 資料蒐集及輸入: (三)模型建立及驗證:(四)系統部署及監控:
一、人工智慧(AI)相關定義
(一) AI 系統定義:
係指透過大量資料學習,利用 機器學習 或 相關 建立 模型 之
演算法,進行
1.感知、
2.預測、
3.決策、
4.規劃、
5.推理、
6.溝通
等模 仿人類 學習、思考 及 反應 模式之系統。
(二)生成式 AI 定義:
係指可以生成 模擬 人類智慧創造之內容 的 相關 AI 系統,
其內容形式包括但不限於 文章、圖像、音訊、影片 及 程 式碼等。
二、AI系統生命週期
AI 系統的生命週期主要包括以下4個階段:
(一) 系統規劃及設計:
設定 明確的 系統 目標 及 需求。
(二) 資料蒐集及輸入:
資料 蒐集、處理 並 輸入 資料庫 之階段。
(三)模型建立及驗證:
選擇 與 建立 模型演算法 及 訓練模型,
並 對 模型 進行驗證 以確保 模型 效能、 安全性 與 機密性。
(四)系統部署及監控:
將系統 應用於 實際環境中,且 關注模型 是否 已 完備,
並 持續監控 以 確認 系統所 帶來之 潛在影響。
金融機構運用AI系統,可能為
自行研發並使用,因此包含上述4階 段。
金融機構 亦可能 委託 第三方業者 研發 或 購入 AI系統 後,
再部署 該系統 並監控,
因此金融機構 不盡然均會 經歷上開4階段。
金融機構 運用AI系統時宜辨識4個階段中可自行監控風險之程度,
並 得對 自 身 較無控制權的部分或事項,
透過契約 或 其他方式 與合作廠商 明訂風 險監控責任 之 分工。
2025 08 13 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 什麼是生成式AI企業大腦 GPT (Generative Pre-trained Transformer) 指基於 發展企業內各項 生成式AI應用之需求, 結合 企業 自己的 數據集 與 透過模型 訓練流程, 來建立客製化的 生成式 預訓練 轉換器 模型, 以符合 某類特定 專業 領域 或是 企業 特定需求, 此 客製化模型 稱之為生成式AI企業大腦。
2025 08 13 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 什麼是生成式AI企業大腦 GPT (Generative Pre-trained Transformer) 指基於 發展企業內各項 生成式AI應用之需求, 結合 企業 自己的 數據集 與 透過模型 訓練流程, 來建立客製化的 生成式 預訓練 轉換器 模型, 以符合 某類特定 專業 領域 或是 企業 特定需求, 此 客製化模型 稱之為生成式AI企業大腦。
什麼是生成式AI企業大腦
GPT (Generative Pre-trained Transformer)
是一種 基於 轉換程式 架構(Transformer) 的 生成式 預訓練模型,
而生成式 AI 企業大腦
是指基於 發展企業內各項 生成式AI應用之需求,
結合 企業 自己的 數據集 與 透過模型 訓練流程,
來建立客製化的 生成式 預訓練 轉換器 模型,
以符合 某類特定 專業 領域 或是 企業 特定需求,
此 客製化模型 稱之為生成式AI企業大腦。
軟體技術研究院 產出
2025年8月11日 星期一
2025 08 11 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 鑑別式與生成式AI模擬檢定测驗3. CNN 中的捲積層主要作用是? (A)提取影像特徵(B)儲存記憶 (C)強化學習(D)生成新數據4.支持向量機(SIM)主要用於哪種任務? (A)影像分類(B)文本生成(C)圖像增強(D)數據合成5. K-Means 分群演算法的核心概念是? (A)監督學習(B)非監督學習(C)強化學習(D)深度學習
2025 08 11 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 鑑別式與生成式AI模擬檢定测驗3. CNN 中的捲積層主要作用是? (A)提取影像特徵(B)儲存記憶 (C)強化學習(D)生成新數據4.支持向量機(SIM)主要用於哪種任務? (A)影像分類(B)文本生成(C)圖像增強(D)數據合成5. K-Means 分群演算法的核心概念是? (A)監督學習(B)非監督學習(C)強化學習(D)深度學習
鑑別式與生成式AI 模擬檢定测驗
1.何者屬於 鑑別式 AI 的 應用?
(A)影像生成(B)物件偵測(C)風格轉換(D)文字生成
2.生成式AI最適合應用於?
(A)影像分類(B)產品推薦(C)音樂創作(D)異常偵测
3. CNN 中的捲積層主要作用是?
(A)提取影像特徵(B)儲存記憶
(C)強化學習(D)生成新數據
4.支持向量機(SIM)主要用於哪種任務?
(A)影像分類(B)文本生成(C)圖像增強(D)數據合成
5. K-Means 分群演算法的核心概念是?
(A)監督學習(B)非監督學習(C)強化學習(D)深度學習
6.在GAN 的訓練過程中, 判別器 的主要作用是?
(A)產生數據 (B)計算梯度
(C)區分真假數據 (D)增加數 據维度
7 RNN 最適合處理哪種類型的數據?
(A)静態影像(B)時序數據(C)隨機數據(D)二維圖像
8 VAE 透過哪種技術來生成數據?
(A)確定性映射(B)機率分佈(C)規則匹配(D)決策樹
9.在AI產業應用中,哪個領域較少使用生成式 AI?
(A)遊戲開發(B)數據增強(C)自然語言處理(D)資料庫查询
10 .何者是 AutoML 的主要目標?
(A)使模型自動調參(B)增加數據維度
(C)產生合成數據(D)降低計算需求
2025年8月9日 星期六
2025 08 09 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 鑑別式AI(Discriminative Al) 與 生成式AI(Generative Al) 製造業AI/GAI應用發展重點 製造業實務面臨的問題種類多元,包含 1.分類(瑕疵檢測、垃圾郵件過濾) 2.分群(市場區隔、客戶群體細分) 3.序列預測 (市場需求預測、物料庫存管理、設備預測性維護),以及 4.生成 (數據生成、產品設計)等,
2025 08 09 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 鑑別式AI(Discriminative Al) 與 生成式AI(Generative Al) 製造業AI/GAI應用發展重點 製造業實務面臨的問題種類多元,包含 1.分類(瑕疵檢測、垃圾郵件過濾) 2.分群(市場區隔、客戶群體細分) 3.序列預測 (市場需求預測、物料庫存管理、設備預測性維護),以及 4.生成 (數據生成、產品設計)等,
製造業AI/GAI應用發展重點
製造業實務面臨的問題種類多元,包含
1.分類 (瑕疵檢測、垃圾郵件過濾)
2.分群 (市場區隔、客戶群體細分)
3.序列預測
(市場需求預測、物料庫存管理、設備預測性維護),以及
4.生成 (數據生成、產品設計)等,
這些問題 適用的AI演算法
按 主要功能 與 應用目的,
可以將其分為
鑑別式AI(Discriminative Al) 與 生成式AI(Generative Al)
鑑別式AI(Discriminative Al)
擅長 分類 和歸納數據,根據 數據特徴差異 分析數據類別,
常用於 語音辨識、圖片 與 影像辨識等應用;
生成式AI(Generative Al)
則 擅長創造數據,能生成 類似訓練數據 的文字、圖片、影像、程式碼等。
由上述可知,鑑別式AI和生成式AI各有專長,並不互相替代,
而是根據不同應用場景,選用合適的Al技術滿足需求。
由於技術特性差異,兩類型AI用於製造業時方案開發的著重點也不同。
以下將透過建構AI方案流程,說明兩類AI技術
在 數據收集、模型選擇、模型訓練、模型部署 與 優化作業流程中
的 重點差異。
(1)數據收集方面,鑑別式AI 更重視 數據品質,
依賴 數據標記 與高度準確性、一致性的數據 掌握數據特徴,
然而 數據 處理過程 費時。
而生成式Al通常需要先進行 領域知識數據 的微調(Fine-tuning),
再向客戶 收集內部數據
進行檢索增強生成(Retrieval-AugmentedGeneration,RAG),
以便生成更精確内容。
(2)模型選擇上,
鑑別式AI方案業者
可能採用 社群 或 研究機構 公開的 開源 且 高效 的模型,
或是自行開發模型。
且由於鑑別式AI 應用 對應 特定問題,因此業者傾向選用
結構 較簡單 且 易於解釋的 模型,如
1.決策樹、
2.支援向量機器(Support Vector Machine, SVM)和
3.類神經網絡、
4.群集分析(K-means Clustering)
等用於準確 分類 或 預測 的模型;
生成式AI方案商
則多是選擇現有的大型語言模型,如
GPT、Llama、BLOOM、Falcon、BERT等,
並在此基礎上 進行 應用開發。