機器學習與AI人工智慧於稽核應用實例演練(附試用教育版軟體+教學演練資料)

名人推薦：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。

本書提供一個機器學習實務演練的案例，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。透過Python語言開發的新一代稽核軟體「JCAATs」來進行實務演練，讓讀者可以實務上機操作而非只是理論的觀摩...

ChatGPT引發了大家對AI人工智慧的熱烈討論。AI將在未來十年帶動產業發展，幾乎所有現代產業都將與人工智慧密切相關。JACKSOFT於2020年成立AI稽核教育學院，旨在透過有效的學習方式，採用優良的稽核工具和正確的方法，並循序漸進地引導他們從傳統事後稽核發展至利用AI人工智慧進行機器學習(Machine Learning)、自然語言處理(NLP)等數位轉型資料分析，實現事前風險預測與預防，成為AI人工智慧新時代的稽核專家。

稽核人員通常不是資訊人員，因此很難有時間和能力學習許多新的資訊科技工具。基於這一點，國際電腦稽核教育協會(ICAEA)強調：「稽核人員應該熟練掌握一套CAATs工具，並熟悉查核方法，以應對新的電子化營運環境中的內稽內控挑戰，這才是正確的方向」。

對大多數人員而言，撰寫或調整人工智慧演算法非常困難，因此需要簡單易用的工具作輔助。本教材以實務案例演練為主，深入淺出，讓大家了解如何有效運用機器學習等AI人工智慧技術於稽核領域。透過AI語言Python所開發的新一代稽核軟體JCAATs，以簡單的指令，使用內建的機器學習演算法(如決策樹(Decision Tree)、K近鄰算法(K-Nearest Neighbors)、邏輯斯回歸(Logistic Regression)、隨機森林(Random Forest)、支持向量機(Support Vector Machine))，應用於大數據資料分析，進行風險預測性稽核。使用者著重學習如何評估機器學習訓練模型的有效性，並掌握各項多元評估指標使用正確方法。同時，當面臨資料缺失或不對稱時學會如何有效地設定學習歷程，以達到稽核目標。機器學習讓事前審計成為可能，歡迎會計師、內部稽核、各階管理者，共同加入學習的行列，成為AI人工智慧新稽核，提早預警與避免各項風險！


JACKSOFT傑克商業自動化股份有限公司
ICAEA國際電腦稽核教育協會台灣分會
黃秀鳳總經理/分會長
2023/08/03

ChatGPT引發了大家對AI人工智慧的熱烈討論。AI將在未來十年帶動產業發展，幾乎所有現代產業都將與人工智慧密切相關。JACKSOFT於2020年成立AI稽核教育學院，旨在透過有效的學習方式，採用優良的稽核工具和正確的方法，並循序漸進地引導他們從傳統事後稽核發展至利用AI人工智慧進行機器學習(Machine Learning)、自然語言處理(NLP)等數位轉型資料分析，實現事前風險預測與預防，成為AI人工智慧新時代的稽核專家。

稽核人員通常不是資訊人員，因此很難有時間和能力學習許多新的資訊科技工具。基於這一點，國際電腦稽核教育協會(ICAEA)強調：...

機器學習與AI人工智慧於稽核應用實例演練(附試用教育版軟體+教學演練資料)
1.機器學習
機器學習(Machine Learning)是人工智慧（AI）的一個重要領域，其主要目標是讓電腦系統能夠透過過去的經驗和資料，自主學習並改進自身，以從中發現模式並做出預測或決策，而無需明確編寫特定規則。機器學習的核心概念：
1. 資料：機器學習需要大量資料作為訓練材料，這些資料可以是結構化的例如表格數據，也可以是非結構化的例如圖像、音頻和文字等。
2.模型：模型是機器學習的核心算法，它根據訓練資料所學到的數學表示。這些模型能根據輸入資料進行預測或做出決策。
3.參數調整：在機器學習中，通常需要對模型進行參數調整，以使其能夠更好地擬合訓練資料並且能夠適用於新的資料
總結來說，機器學習是一門將電腦系統賦予自主學習和改進能力，從而實現智能化的科學和技術領域。應用廣泛，包括自然語言處理、圖像辨識、推薦系統、醫療診斷等，為我們解決複雜問題提供了全新的可能性。
2. 監督式學習VS.非監督式機器學習
機器學習分為:
-Supervised Learning (監督式學習）
要學習的資料內容已經包含有答案欄位，讓機器從中學習，找出來造成這些答案背後的可能知識。JCAATs在監督式學習模型提供有多元分類(Classification) 法，包含 Decision tree、KNN、Logistic Regression、Random Forest和SVM等方法。
-Unsupervised Learning (非監督式學習）
要學習的資料內容並無已知的答案，機器要自己去歸納整理，然後從中學習到這些資料間的相關規律。在非監督式學習模型方面，JCAATs提供集群(Cluster)與 離群(Outlier) 方法。

3.JCAATs 機器學習具有以下特色：
(1)不須外掛程式即可直接進行機器學習
(2)提供SMOTE功能來處理不平衡的數據問題，這類的問題在審計的資料分析常會發生。
(3)提供使用者在選擇機器學習算法時可自行依需求採用兩種不同選項：用戶決策模式(自行選擇預測模型)或系統決策模式(將預測模式全選)，讓機器學習更有彈性。
(4)JCAATs使用戶能夠自行定義其機器學習歷程。
(5)提供有商業資料機器學習較常使用的方法，如決策樹(Decision Tree)與近鄰法(KNN)等。
(6)可進行二元分類和多元分類機器學習任務。
(7)提供混淆矩陣圖和表格，使他們能夠獲得有價值的機器學習算法，表現洞見。
(8)在執行訓練後提供三個性能報告，使用戶能夠更輕鬆地分析與解釋訓練結果。
(9)機器學習的速度更快速。
(10).在集群(CLUSTER)學習後，提供一個圖形，使用戶能夠可視化數據聚類。

4. 以決策數(Decision Tree)進行電信業客戶流失預測稽核實例上機演練
5. 以K近鄰算法(KNN)進行行員挪用客戶資金預測稽核實例上機演練
6. 如何評估一個監督式機器學習模型的好壞?
7. 機器學習模型評估基礎-混沌矩陣(confusion matrix)應用實例
8. 機器學習常犯隱形錯誤與解決對策

機器學習與AI人工智慧於稽核應用實例演練(附試用教育版軟體+教學演練資料)
1.機器學習
機器學習(Machine Learning)是人工智慧（AI）的一個重要領域，其主要目標是讓電腦系統能夠透過過去的經驗和資料，自主學習並改進自身，以從中發現模式並做出預測或決策，而無需明確編寫特定規則。機器學習的核心概念：
1. 資料：機器學習需要大量資料作為訓練材料，這些資料可以是結構化的例如表格數據，也可以是非結構化的例如圖像、音頻和文字等。
2.模型：模型是機器學習的核心算法，它根據訓練資料所學到的數學表示。這些模型能根據輸入資...