線上課程約8小時 這個入門微學習課程主要說明生成式 AI 的定義和使用方式,以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具,協助您開發自己的生成式 AI 應用程式。 完成此活動,贏取徽章!向世界展示您掌握的技能,拓展雲端領域的職業之路。 課程目標: ● 定義生成式 AI ● 說明生成式 AI 如何運作 ● 說明生成式 AI 的模型類型 ● 說明生成式 AI 應用程式

生成式AI課程認證 | Generative AI

通過測驗後,有效期將為 12 個月。
線上課程約8小時 這個入門微學習課程主要說明生成式 AI 的定義和使用方式,以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具,協助您開發自己的生成式 AI 應用程式。 完成此活動,贏取徽章!向世界展示您掌握的技能,拓展雲端領域的職業之路。 課程目標: ● 定義生成式 AI ● 說明生成式 AI 如何運作 ● 說明生成式 AI 的模型類型 ● 說明生成式 AI 應用程式 更多
證照資訊 題庫專區 延伸資訊 相關學習

證照資訊

報考資格

不限資格,歡迎所有對數位知識有興趣的求職者
登入Google帳號即可開始線上培訓課程

報名方式

考試費用

免費

考試地點

請洽發證單位官網
收合

延伸資訊

常見問答
適合什麼職務考取?
● 對 AI 和機器學習感興趣的初學者 ● 希望了解生成式 AI 應用的非技術背景人士 完成課程即可獲得Google 認證的數位徽章,可以放入履歷中展示
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享

學習推薦

104學習

產品

22小時前

健檢報告一堆紅字看不懂?教你用 AI 整理重點,不替自己下診斷
拿到健康檢查報告時,很多人第一個反應不是放心,而是更困惑。
報告上有一堆縮寫和數字:GOT、GPT、LDL、HDL、三酸甘油脂、尿酸、肌酸酐、eGFR、糖化血色素……有些項目旁邊還標了紅字、H、L、↑、↓。看起來像是身體出了狀況,卻不知道嚴不嚴重,也不知道該不該看醫師。
這時候,AI 可以成為你的「資料整理助手」。
不過要先說清楚:本文屬於 AI 生活應用教學,目的在協助讀者整理健檢資料、理解常見名詞、準備看診問題。AI 不能取代醫師、藥師、營養師或其他醫療專業人員,也不應用來自行診斷、用藥或延誤就醫。
更實用的做法,不是問 AI:「我是不是生病了?」
而是問:「請幫我整理這份報告,告訴我哪些地方適合下次和醫師討論。」
一、先把醫學名詞翻成白話
健康報告最難懂的地方,常常不是數字,而是檢驗項目本身。
例如 LDL-C、HDL-C、HbA1c、Creatinine、eGFR、ALT、AST,如果沒有醫學背景,很難立刻知道這些項目在看什麼。
你可以請 AI 協助整理:
這個指標大致在看什麼?
通常和身體哪個系統有關?
偏高或偏低時,常見會和哪些健康議題一起討論?
是否需要搭配其他數值一起看?
例如,AI 可以把「LDL 膽固醇」整理成白話說明:「常被稱為壞膽固醇,通常會和心血管健康一起討論。若長期偏高,可在看診時詢問醫師是否需要進一步評估飲食、運動、體重管理或其他處置。」
這樣做的目的不是讓 AI 幫你下結論,而是先降低閱讀門檻,讓你知道自己該問什麼。
二、整理紅字項目,但不要被數字嚇到
很多人看到報告有紅字,就會開始緊張。但紅字不一定代表已經生病,也可能只是輕微超出參考範圍。
有些檢驗數值會受到檢查前飲食、睡眠、運動、是否空腹、喝水量、藥物或檢驗時間影響。單看一個數字,很容易過度解讀。
你可以請 AI 幫你把報告整理成幾類:
正常項目
輕微偏高或偏低
建議下次詢問醫師的項目
需要長期觀察趨勢的項目
需要搭配其他數值一起看的項目
例如血糖、糖化血色素、三酸甘油脂、BMI 同時偏高時,AI 可以協助你整理成「可與醫師討論的整體代謝健康議題」,而不是直接判斷你有某種疾病。
三、把健檢報告變成看診問題清單
很多人拿著報告去看醫師,最常遇到的問題是:不知道該問什麼。
AI 很適合把健檢資料轉成一份清楚的提問清單,例如:
這些紅字項目需要多久後複檢?
我應該先看哪一科?
這些數值可能和飲食、體重、作息或藥物有關嗎?
是否需要進一步檢查?
目前比較適合先調整生活習慣,還是需要醫師進一步評估?
看診時間通常有限。事先整理問題,可以幫助你更清楚描述狀況,也比較不會離開診間後才想到「剛剛忘了問」。
四、有多年份資料時,請 AI 幫你整理趨勢
單次健檢報告只能看到當下狀態,長期趨勢通常更值得觀察。
如果你有過去幾年的健檢資料,可以請 AI 幫你整理成表格,觀察:
LDL 膽固醇是否連續上升?
血糖是否逐年接近臨界值?
肝功能數值是否反覆偏高?
腎功能相關指標是否逐年變化?
尿酸是否長期偏高?
BMI 和腰圍是否持續增加?
有些數值今年可能還在參考範圍內,但已連續幾年往同一方向變化。這類趨勢可以作為下次看診時的討論材料。
五、生活調整建議,只當作討論方向
AI 也可以根據報告中的項目,協助整理一般性的生活習慣討論方向。
例如:
血脂偏高時,可以整理飲食油脂、運動量、體重管理等問題,帶去和醫師討論。
血糖偏高時,可以詢問含糖飲料、精緻澱粉、睡眠與活動量是否需要調整。
尿酸偏高時,可以整理飲酒、含糖飲料、高普林食物、體重管理等問題。
肝功能偏高時,可以詢問飲酒、熬夜、藥物使用或脂肪肝相關評估。
BMI 偏高時,可以從飲食紀錄、運動習慣和作息開始檢視。
但這些都不應被視為個人化醫療建議。涉及疾病診斷、用藥、停藥、治療或飲食限制,仍應由醫師、藥師或營養師依個人狀況評估。
使用 AI 前,先把個資遮掉
健康檢查報告屬於高度私人的資料。上傳或貼給 AI 前,建議先遮掉:
姓名
身分證字號
生日
電話
地址
病歷號
醫療院所編號
公司名稱
保險資料
QR Code 或條碼
保留檢驗項目、結果、參考值、單位和檢查日期即可。如果願意,也可以提供年齡區間與性別,幫助 AI 做更清楚的資料整理。
若使用公司電腦、共用裝置或第三方 AI 工具,也建議先確認公司內部資安規範與工具隱私政策。健康檢查資料屬於敏感個資,處理時應比一般資料更謹慎。
AI 健檢資料整理指令模板
你可以複製下面這段指令,把個資遮掉後,連同報告內容一起貼給 AI。
請幫我整理這份健康檢查報告。
請注意:
1. 不要診斷疾病。
2. 不要建議我自行用藥、停藥或治療。
3. 請用一般人看得懂的白話說明。
4. 所有內容請定位為「看診前資料整理」與「健康教育資訊」,不要取代醫師診斷。
請幫我整理:
1. 哪些數值在參考範圍內?
2. 哪些數值偏高或偏低?
3. 偏高或偏低的項目大致在看什麼?
4. 哪些項目適合下次和醫師討論?
5. 哪些項目適合追蹤趨勢或詢問是否需要複檢?
6. 請整理一份看診時可以問醫師的問題清單。
7. 請用表格呈現重點。
多年份健檢資料比較指令模板
如果你有好幾年的健檢報告,可以改用這段:
我會提供多年份的健康檢查資料,請幫我整理趨勢。
請特別注意:
血糖、糖化血色素、血脂、肝功能、腎功能、尿酸、血壓、BMI、腰圍等項目。
請幫我整理:
1. 每個項目近幾年的變化。
2. 哪些數值逐年上升?
3. 哪些數值逐年下降?
4. 哪些項目雖然還在參考範圍內,但已接近臨界值?
5. 哪些項目適合下次看診時主動詢問醫師?
6. 請用表格整理,並補充白話說明。
請不要診斷疾病,也不要提供用藥或治療建議。
哪些情況不要只問 AI?
如果報告上出現「危急值」、「critical value」,或醫療院所已通知需要立即回診,請直接聯絡醫療單位。
如果同時出現胸痛、呼吸困難、意識不清、突然單側無力、嚴重腹痛、黑便、血尿、持續高燒、劇烈頭痛或嚴重過敏反應,也不建議只問 AI,應盡快就醫或聯絡當地緊急醫療資源。
AI 適合整理資料,不適合處理急症。
小結:用 AI 看健檢報告,重點是整理,不是診斷
健康報告讓人焦慮,通常不是因為資訊太少,而是資訊太多、名詞太難、數字太陌生。
AI 可以幫你把資料整理得更容易理解:翻譯常見名詞、整理紅字項目、比較長期趨勢、準備看診問題,也讓你和醫師溝通時更有方向。
更安全的用法,不是問 AI:「我是不是生病了?」
而是問:「請幫我整理這份報告,告訴我哪些地方適合和醫師討論。」
把 AI 當成生活中的資料整理工具,而不是診斷工具,才是更實用也更安全的做法。
編輯註
本文為 AI 工具生活應用教學,非醫療建議。健康檢查結果需由醫師依個人病史、症狀、用藥、生活習慣與其他檢查綜合判斷。如有身體不適、數值明顯異常或醫療院所通知回診,請盡快諮詢專業醫療人員。
看更多
1 0 311 0
104學習

產品

05/04 16:35

2026 年 Prompting 怎麼學?AI大神吳恩達推出免費新課給一般人的 AI 使用指南
AI 工具越來越強,提示詞也不再只是「請幫我寫一段文案」這麼簡單。AI 教育者吳恩達(Andrew Ng)近期推出新課程《AI Prompting for Everyone》,主打不需要技術背景,幫助一般使用者學會更有效地使用 ChatGPT、Claude、Gemini 等 AI 工具。DeepLearning.AI 課程頁顯示,這是一門初學者課程,共 3 小時 4 分鐘、21 堂影片課,由吳恩達授課。官方學習頁也標示可免費開始學習、觀看課程影片;若需要 graded assignments 與證書,則屬於 PRO 方案。
吳恩達是誰?為什麼他的新課值得關注?
吳恩達是全球知名的 AI 教育者與機器學習專家。他是 DeepLearning.AI 創辦人、Coursera 共同創辦人,也曾擔任百度首席科學家,並曾創辦與領導 Google Brain 專案,目前也是史丹佛大學兼任教授。
對非工程背景的上班族來說,吳恩達最重要的影響,是他長期把 AI 知識轉化成大眾可以理解、可以上手的學習內容。從早期的機器學習課程,到《AI For Everyone》,再到這次的《AI Prompting for Everyone》,他的課程常被視為 AI 學習趨勢的風向球。
這門課在教什麼?不是背 Prompt,而是學會和 AI 協作
《AI Prompting for Everyone》的核心,不只是教你寫出更漂亮的提示詞,而是教你在不同工作情境中,如何讓 AI 產出更可靠、更有用的結果。官方課程頁將學習重點分成三大方向:找資訊、腦力激盪與寫作、創作與建構。
第一個重點是 Finding Information,也就是用 AI 找資料。課程會說明 AI 模型本身已經知道什麼、什麼時候應該使用 AI 網路搜尋、什麼情境適合使用 deep research mode,以及如何取得更準確、有來源的回答。
這對上班族非常實用。無論是做市場資料整理、競品分析、產業趨勢觀察,或準備會議前的背景研究,AI 不只是回答問題的工具,更可以協助快速建立資料架構。但前提是使用者要懂得要求來源、設定範圍,也要知道哪些資訊需要再查證。
第二個重點是 AI as a Thought Partner,也就是把 AI 當成思考夥伴。課程會教使用者如何提供正確上下文,讓 AI 理解真正需求;也會談到如何讓 AI 提供誠實回饋,而不是只迎合使用者。官方課綱中也列出 brainstorming、context、reasoning、sycophancy、writing with AI、AI critique 等單元。
這代表未來職場的 AI 能力,不只是「會叫 AI 寫東西」,而是能不能請 AI 幫忙檢查盲點、提出反方觀點、改善表達方式,甚至協助自己做更完整的決策思考。
第三個重點是 Working with Multimedia and Code。課程會介紹如何在提示中使用圖片、讓 AI 理解圖片、生成視覺內容,並使用 AI 建立簡單遊戲、網站與 App;官方也特別說明,這部分不需要程式經驗。
這也反映 AI 工具的使用場景正在擴大。過去上班族多半把 AI 用在寫信、摘要、翻譯、整理資料;但未來,AI 也可能協助做簡報素材、產出視覺概念、分析資料,甚至建立可展示的簡易 prototype。
誰適合上這門課?
官方課程頁指出,這門課適合任何在日常工作或生活中使用 ChatGPT、Claude、Gemini 等 AI 工具,並希望獲得更好結果的人,不需要技術背景,也沒有必修前置課程。
換句話說,這門課很適合以下幾類上班族:經常需要查資料的企劃、行銷、編輯、研究人員;需要寫報告、簡報、Email 的一般辦公室工作者;想把 AI 帶進工作流程的主管;以及想開始學 AI、但不想一開始就碰程式的人。
對職場工作者的啟示:提示力已經變成基本功
這門課最值得注意的訊號是:AI 提示力正在從「技巧」變成「基本工作能力」。
過去,很多人學 AI 會先找提示詞模板,例如「請扮演某某角色」、「請一步一步思考」、「請用表格整理」。這些技巧仍然有用,但已經不夠。真正會用 AI 的人,還要知道如何提供背景資料、設定輸出格式、要求資料來源、讓 AI 挑戰自己的想法,並判斷哪些內容可以採用、哪些內容必須查證。
也就是說,未來職場上的 AI 能力,不是誰背了最多 prompt,而是誰更會設計任務、拆解問題、提供上下文,並把 AI 產出整合成真正能交付的工作成果。
有興趣的讀者可至 DeepLearning.AI 官方課程頁開始學習:《AI Prompting for Everyone》。
課程影片可免費開始觀看;若想取得作業評分與證書,需留意官方 PRO 方案說明。
DeepLearning.AI《AI Prompting for Everyone》
看更多
1 0 1525 1

104學習精選課程

看更多課程
想提升職場競爭力?專業技能課程看起來👇
104學習

產品

04/30 16:36

AI 提示詞又變了?GPT-5.5 告訴上班族:別再只寫步驟,改寫「交付標準」
你是不是也有這種經驗:明明把 AI 指令寫得很長,結果產出的內容卻還是「看起來完整、實際上不好用」?
例如請 AI 寫企劃案,它照著步驟列出市場分析、目標客群、痛點、解法與推廣方式,但讀完仍覺得像範本;請 AI 整理資料,它能列表、摘要、下結論,卻不一定知道哪些資訊需要查證、哪些內容不能說得太滿。
問題可能不是你不會下指令,而是你的指令還停留在「要求 AI 照流程做事」的階段。
OpenAI 在 GPT-5.5 的官方提示詞指南中提到,新版模型更適合「更短、結果導向」的提示詞,而不是過度詳細、流程導向的舊式 prompt。換句話說,未來跟 AI 協作,不只是告訴它第一步、第二步要做什麼,而是要讓它知道:最後什麼樣的成果才算合格。
從「照步驟做」到「交出好成果」
過去很多人學提示詞,常見方法是把任務拆成一長串步驟:先分析背景,再列出問題,再產出架構,再補充範例,最後整理結論。
這種寫法在早期模型中很有幫助,因為 AI 需要更明確的操作路徑,才比較不會偏題。但 GPT-5.5 的新方向是:模型已經更能根據清楚目標自行選擇有效路徑,因此提示詞不一定要寫成冗長 SOP。
對上班族來說,這代表一個重要轉變:不要只規定 AI 怎麼做,而要定義什麼叫做好。
例如,不只是說「幫我寫一篇文章」,而是說清楚文章要給誰看、要解決什麼問題、哪些數據不能編造、哪些資訊需要來源、最後字數與語氣如何控制。
不只是說「幫我做競品分析」,而是定義比較維度、資料來源、決策用途,以及哪些結論不能超出證據範圍。
不只是說「幫我整理會議紀錄」,而是要求它分出決議事項、待辦負責人、未解問題與下次會議前需要補齊的資訊。
GPT-5.4 重規則,GPT-5.5 重結果
如果簡單比較 GPT-5.4 和 GPT-5.5 的提示詞思維,可以這樣理解:
GPT-5.4 比較強調把流程、格式、工具規則與完成條件寫清楚,適合長任務、多步驟、工具使用與明確輸出格式的工作流。
GPT-5.5 則更進一步,提醒使用者不要直接把舊 prompt 全部搬過來,而是要重新思考:這個任務真正需要的交付標準是什麼?哪些規則是必要的?哪些流程其實可以交給模型自行判斷?
換句話說,GPT-5.4 像是要求你寫好工作流程;GPT-5.5 則更像是在提醒你寫好驗收標準。
對職場工作者來說,這代表一件事:提示詞不只是操作說明,而是一份交付規格書。
好的 AI 指令,要先定義「成功長什麼樣子」
很多人用 AI 失敗,不是因為 AI 不夠聰明,而是因為需求太模糊。
例如:
「幫我寫一篇 LinkedIn 貼文」
這句話可以產生內容,但結果很難穩定。因為 AI 不知道你要的是個人觀點、產業觀察、品牌經營、徵才宣傳,還是導流文章。
比較好的寫法是:
「請幫我寫一篇 LinkedIn 貼文,目標讀者是 30–45 歲的職場工作者,主題是 AI 如何改變工作習慣。內容要有明確觀點,避免誇大 AI 取代人類,語氣專業但不生硬,長度控制在 500 字內,最後帶出一個提問,鼓勵留言討論。」
這種寫法沒有規定 AI 每一步怎麼做,卻清楚定義了成果標準。這正是 GPT-5.5 更適合的提示詞方向。
少用「永遠」「絕對」,多用判斷規則
許多提示詞會大量使用「永遠」「絕不」「必須」「只能」這類絕對指令。但在實際工作中,任務往往不是非黑即白,而是需要依情境判斷。
例如,不要只寫:
「你必須每次都搜尋資料。」
可以改成:
「當內容涉及最新政策、數據、價格、人物說法或產品功能時,請查證來源;若是一般概念解釋,可以直接回答。」
不要只寫:
「你絕對不能問我問題。」
可以改成:
「如果缺少資訊但仍能合理產出初稿,請先基於假設完成,並在文末列出需要我補充的資訊;只有在缺少關鍵資料會導致結果無法使用時,才向我提問。」
這樣的寫法更符合真實工作情境,也能讓 AI 在效率與正確性之間做出更好的判斷。
可信度不只靠「請附來源」
很多人為了避免 AI 幻覺,會在指令最後加一句:「請附上資料來源。」這有幫助,但還不夠。
更好的做法,是說清楚哪些內容需要來源、什麼情況可以停止查證、什麼情況必須繼續找資料。
例如:
「請先做一次廣泛搜尋,若前幾個可信來源已足以支持核心答案,就停止搜尋並回答。只有在缺少必要數字、日期、人物說法、官方文件或比較資料時,才繼續搜尋。」
這可以避免兩種問題:一種是 AI 沒查證就回答;另一種是 AI 查太多,把不相關資料也塞進內容,讓文章失焦。
對內容工作者、行銷企劃、研究人員來說,這是很實用的 AI 協作方式。
語氣之外,也要定義「協作方式」
如果你要用 AI 做客服、學習助理、職涯顧問或內部知識助理,不能只要求「語氣溫暖」或「口吻專業」。
真正重要的是:它要怎麼跟使用者合作?
例如一個學習助理,不只要親切鼓勵,還要知道當使用者資料不足時,是要先推薦熱門課程,還是先引導補履歷;當使用者焦慮時,是要先安撫情緒,還是直接提供具體下一步;當使用者問得很模糊時,是要立刻追問,還是先給一版可執行建議。
真正有用的 AI 助理,不是只有口氣像人,而是工作方式符合使用者情境。
上班族可直接套用的新版 AI 指令模板
以下是一個符合 GPT-5.5 思維的通用指令模板,也適合用在 ChatGPT、Claude、Gemini 等 AI 工具:
請完成以下任務:
【填入你的任務】
目標:
【說明你最後想得到什麼成果】
使用情境:
【說明這份內容要給誰看、用在哪裡、要幫助什麼決策】
成功標準:
- 必須回答核心問題
- 內容要能直接用於實際工作
- 重要數字、人物說法、政策、產品功能或引用需有可驗證來源
- 若資料不足,請標註不確定,不要自行編造
- 若能基於合理假設完成,請先完成初稿,並列出假設條件
限制條件:
- 不要使用空泛形容詞或過度行銷語
- 不要為了完整而加入無關背景
- 不要編造不存在的案例、研究、公司說法或數據
輸出格式:
【例如:表格/文章/簡報大綱/主管摘要/Email 草稿】
【指定字數、語氣、段落結構】
停止條件:
當核心問題已回答,且重要事實已有足夠依據時,請停止補充,直接產出結果。
這份模板的重點不是把 prompt 變長,而是把「交付標準」說清楚。
AI 指令能力,其實是工作定義能力
AI 工具越進步,越不代表人類只要丟一句話就好。相反地,它更考驗我們能不能把問題說清楚、把成果定義清楚、把限制條件交代清楚。
未來真正會用 AI 的人,不一定是最會寫華麗提示詞的人,而是最知道「我要什麼成果、什麼不能出錯、什麼叫做完成」的人。
GPT-5.5 的提示詞指南,給職場工作者一個很實用的提醒:不要只把 AI 當成照指令工作的助理,而要把它當成需要明確交付標準的協作者。
當你的指令從「請照這些步驟做」升級成「請達成這個結果,並符合這些標準」,AI 才更有機會產出真正能用、可信、可交付的工作成果。
看更多
1 0 1087 1

延伸資訊