透過機器學習，事前審計成為可能，了解AI技術如何運用稽核領域。
ChatGPT引發了對AI人工智慧的熱烈討論。未來十年，AI將驅動產業發展，幾乎所有現代產業都將與AI緊密相關。機器學習使得事前審計成為可能，但撰寫或調整人工智慧演算法對大多數人而言仍很困難，因此需要簡單易用的工具來輔助。
本教材以實務案例演練為主，深入淺出，讓學員了解如何在稽核領域有效運用機器學習等AI技術。經由國際電腦稽核教育協會(ICAEA)認證，由專業稽核實務顧問群精心編寫，提供完整實例演練資料，並可申請取得AI稽核軟體JCAATs教育版。學員可透過簡單的指令，應用內建的機器學習演算法(如決策樹、K近鄰算法、邏輯斯回歸、隨機森林、支持向量機)，輕鬆進行大數據資料分析，實現風險預測性稽核。
學員將學會評估機器學習訓練模型的有效性，並掌握多元評估指標的正確使用方法。同時，學習如何處理資料缺失或不對稱的情況，以實現稽核目標。歡迎會計師、內部稽核、各階管理者共同參與學習，成為AI人工智慧新稽核的專家，提前預警並避免各項風險。
目錄
機器學習與AI人工智慧於稽核應用實例演練
1. 機器學習(Machine Learning)於新稽核環境的應用
2. 運用AI人工智慧協助事前風險偵測與預防稽核實務應用案例
3. JCAATs AI人工智慧新稽核軟體應用功能簡介
4. 監督式機器學習 VS 非監督式機器學習
5. 機器學習指令實習-學習(Train)、預測(Predict)、集群(Cluster)、離群(Outlier)等指令應用練習
6. 監督式機器學習：學習(Train)、預測(Predict)預測性稽核程序
7. 實例上機演練一：以客戶流失AI預測分析查核為例
8. 如何評估監督式機器學習模型好壞?
9. 機器學習模型評估基礎-混沌矩陣(confusion matrix)應用實例
10. JCAATs內建多元分類評估指標應用說明
11. JCAATs內建監督式機器學習演算法應用技巧說明
12. 缺失值或不對稱資料設定學習歷程提高機器學習模型訓練成效
13. 實例上機演練二：以決策數(Decision Tree)進行電信業客戶流失預測稽核
14. 實例上機演練三：以K近鄰算法(KNN)進行行員挪用客戶資金預測稽核
15. 機器學習常犯隱形錯誤與解決對策
16. AI智慧化稽核流程-機器學習讓事前稽核成為可能
作者介紹
作者簡介
黃秀鳳 Sherry
現 任
傑克商業自動化股份有限公司 總經理
ICAEA國際電腦稽核教育協會 台灣分會 會長
台灣研發經理管理人協會 秘書長
專業認證
國際ERP電腦稽核師(CEAP)
國際鑑識會計稽核師(CFAP)
國際內部稽核師(CIA) 全國第三名
中華民國內部稽核師
國際內控自評師(CCSA)
ISO 14064:2018溫室氣體盤查標準主導稽核員
ISO 14067:2018碳足跡標準主導稽核員
ISO27001資訊安全主導稽核員
ICAEA國際電腦稽核教育協會認證講師
ACL Certified Trainer
ACL稽核分析師(ACDA)
學 歷
大同大學事業經營研究所碩士
主要經歷
超過500家企業電腦稽核或資訊專案導入經驗
中華民國內部稽核協會常務理事/專業發展委員會 主任委員
傑克公司 副總經理/專案經理
耐斯集團子公司 會計處長
光寶集團子公司 稽核副理
安侯建業會計師事務所 高等審計員
