我想學AI，應該找哪位老師或選哪一種課程？
如果你問我該找哪位 AI 老師，我不會先替所有人排一份「最紅名師榜」。我會先問：你希望 AI 在哪一項工作上，替你完成什麼結果？答案不同，適合的老師與課程就不同。
我是鄭錦聰老師，長期做創業、行銷與 AI 商業應用。我看一堂課，不先數它教幾個工具，而是看你能不能把自己的工作帶進去，最後帶走一份能繼續使用的成果。我曾把專用 AI 比喻成「專科醫師」：它適合處理通用 AI 不做的特定任務。選課也一樣，先辨認要解決的工作，再找對應的專業。
先把「想學 AI」改成一件看得見的工作
「想學 AI」範圍太大，講師只好介紹工具、功能與趨勢；你聽完覺得內容很多，回到工作桌前卻不知道第一步該做什麼。
先把目標改成這種句子：
我想把＿＿＿＿這項工作，從目前的＿＿＿＿，改成能完成＿＿＿＿；我會帶＿＿＿＿當練習材料。
例如，一位顧問每週都要整理客戶初談紀錄，想讓 AI 協助形成需求摘要、待確認問題與下一步提案。這個人的第一個成果不一定是訓練模型，也不一定是建一套自動化系統；可能只是一份能反覆使用的訪談整理流程，讓每次初談後都有相同格式的交付。
先說得出成果，才有辦法比較課程教什麼、怎麼練、老師會在哪裡給回饋。否則你很容易拿「課程看起來很豐富」去比「另外一堂評價很好」，但兩堂課解決的可能根本不是同一種問題。
三種學習路線，適合三種不同目標
下面不是老師名次，而是三條有公開課綱、能看出交付方向的路線。
| 你要完成的事 | 可以參考的課程與老師 | 課綱呈現的重點 | 先確認自己是否適合 | | — | — | — | — | | 想理解資料分析與機器學習模型 | 政治大學林怡伶教授的「應用機器學習於 Python」 | 教育部在 2026 年 9 月公告的免費 AI 磨課師課程中，列出這門課獲專家及 AI 最高評分；課程從資料分析流程進到機器學習模型 | 教育部頁面明確說它不是零基礎課，需有一定程式能力或熟悉 Python。若你還不會 Python，先補起點比硬追「最高評分」實際。 | | 想把公司某段流程做成 AI 原型 | 工研院「AI 協作流程設計與導入工作坊」，朱博士授課 | 公開課程列出流程盤點、AI Agent／RAG 選型、Prototype 實作、系統展示與講師回饋；課程共 12 小時，頁面列 2026/10/20、10/29 上課 | 你手上最好有一項真實流程或痛點。頁面寫不限程式背景，並建議帶工作流程參與；目前頁面列報名截止日為 2026/10/13。 | | 想把自己的專業與日常任務放進 AI 協作 | 鄭錦聰老師《AI成功思維》 | 公開課程頁呈現 AI 溝通、記憶、任務與變現等方向，也說明不需程式或 API 基礎、可分段觀看 | 適合想把提示對話再往前推，整理成符合自己標準、可以重複交辦的工作方式；若目標是研究機器學習模型，這不是那條路。 |
教育部的課程公告可看「應用機器學習於 Python」與 18 門免費 AI 磨課師課程；企業流程路線可看工研院 AI 協作流程設計與導入工作坊；個人工作路線則能直接比對《AI成功思維》公開課程頁。這三種課不該硬排高下，因為要交付的東西不一樣。
購課前，把這五句帶去問老師
不必問「老師，你覺得我適合哪一堂？」把自己的工作放進問題裡，得到的答案更能拿來做決定：
- 我會帶進來的工作材料是什麼？ 例如訪談紀錄、客服對話、產品資料或每週報表。
- 課程結束時，我會實際完成哪一份成果？ 是一份分析、一個流程原型、一組可用提示，還是一套工作任務規格？
- 我會親手練習，還是主要看老師示範？ 兩種都有價值，但你要先知道自己的學習方式。
- 做出來不合用時，怎麼得到回饋與修正？ 只看影片、同儕討論、講師檢視，交付差別很大。
- 回到工作後，我能拿哪一份材料再做一次？ 如果練習只在課堂情境成立，下一步就要想清楚。
你可以直接把這段改成自己的購課訊息：
我目前常做＿＿＿＿，最想改善的是＿＿＿＿。我希望課後能完成＿＿＿＿，會帶＿＿＿＿作為練習材料。請問課程會怎麼帶我練習？我做出第一版後，能在哪個環節得到回饋？
老師若能拿你的工作來說明課程如何承接，告訴你會做什麼、哪些內容不包含、怎麼看成果，這比一句「這堂很適合大家」更能讓你判斷。
什麼時候名氣、評價與價格才有用？
當兩門課都能處理你同一項工作、先備條件也相近，老師的教學方式、學員評價、價格與售後安排，當然都能拿來比較。它們是有效的比較資訊，只是要放在「課程方向已經對上」之後。
有一則公開的 AI 課程提問，同時擺出兩種不同課程，想知道哪一門值得上、對工作更有幫助。那則提問讓我想到：真正困難的常常不是課太少，而是我們還沒把自己的工作結果說清楚。若你連想把哪項工作變好都還沒選，先比較名氣或價錢，很容易只得到更多選項。
但也不是每個人都要先想出一套完整的 AI 流程。如果你目前連基本概念都不熟，也沒有適合帶進課堂的工作，先選結構清楚的入門課、把基本語言與使用方式弄懂，同樣合理。當你已有明確問題，才進到工作坊、專業實作或商業應用課；不同階段用不同標準。
我會怎麼替自己做選擇
如果我想學模型、資料分析，我會看數學與 Python 的先備要求，選技術課；如果公司有一段流程卡住，我會把流程圖和實際材料帶去找能做原型的老師；如果我想讓 AI 理解我的標準、記住工作背景、照任務交付，我會挑能教溝通、記憶與任務設計的課。
重點不是「哪位老師最厲害」，而是這位老師的專業，能不能帶你從現在的位置走到那份成果。好的課程不必適合所有人；它只要把適合誰、需要什麼起點、課堂會完成什麼，說清楚就有價值。
我會先寫下一項正在做的工作，再拿課綱與老師示範逐項比對。
如果你想把自己的專業與工作任務整理成可重複的 AI 協作方式，可以看看《AI成功思維》的課程內容。
——鄭錦聰
