各年齡組別的教學重點：
-
七至八年級：基礎建設
-
九至十年級：擴展概念
-
十一至十二年級：進階知識
各年級的詳細課程：
七年級:
-
什麼是人工智能
-
智能助手與電腦程式
-
日常生活中的例子
-
人工智能現今能做什麼
-
-
基本算法和模式
-
基本的 "如果"/"那麼" 邏輯
-
排序與分類
-
模式識別遊戲
-
-
數據和偏見 - 簡單解釋
-
什麼是 “garbage in, garbage out” (輸入數據不好，輸出數據也會不好”)
-
什麼是人工智能幻覺
-
什麼是不良或不公平的數據
-
為何人工智能有時表現不佳
-
-
基本的人工智能倫理
-
私隱
-
人工智能的數據收集
-
意還是抄襲？
-
誠實與公正
-
八年級:
-
機器如何「學習」
-
訓練與規則
-
電腦如何學習詞彙
-
-
電腦如何處理影像或聲音
-
監督學習的概念
-
標記例子（例如：「蘋果/非蘋果」）
-
「訓練數據」對準確性的意義
-
-
日常人工智能系統
-
推薦引擎
-
垃圾郵件過濾器
-
翻譯用軟件
-
它們可能失敗的地方
-
-
人工智能對的社會影響
-
社交媒體的人工智能所造成的偏見
-
人工智能幻覺導致的錯誤信息
-
常識和批判性思維的重要性
-
九年級:
-
核心人工智能的分支:
-
經典機器的學習
-
電腦的學習
-
自然語言的處理
-
機器人技術
-
生成式人工智能（文本和影像）
-
-
實用入門工具
-
使用可教機器（或類似工具）建立小型分類器
-
體驗實際的人工智能
-
-
測量的概念：
-
準確性
-
訓練數據與測試數據
-
擬合過度 – 簡單解釋
-
-
深入化的人工智能倫理
-
公正性
-
對某些群體的偏見
-
責任感
-
十年級：
-
人工智能數據科學介紹
-
數據集
-
特徵
-
標籤
-
數據清理
-
簡單的可視化
-
-
高層次的機器學習方法
-
分類與回歸
-
聚類
-
現實世界中的例子
-
-
提示與生成式人工智能
-
大型語言模型（LLM）概念上的運作方式
-
寫出eZective的提示
-
-
人工智能在職業中的應用
-
人工智能如何改變醫療工作
-
金融
-
法律
-
創意產業
-
所需的新技能
-
十一年級：
-
更深入的機器學習概念
-
訓練/驗證/測試
-
評估指標（精確度、召回率、混淆矩陣的基礎）
-
-
神經網絡概念
-
神經元、圖層、訓練迴圈的基本知識
-
簡單的示範或視覺化工具
-
-
應用人工智能項目
-
小型項目（例如：情感分析、影像識別、聊天機器人）
-
-
政策與法規
-
不同國家的人工智能法律
-
數據保護和版權
-
深度偽造問題
-
演算法透明度的辯論
-
十二年級：
-
端對端的人工智能項目
-
定義問題
-
收集/準備數據
-
訓練模型
-
評估
-
呈現結果
-
-
進階主題概覽
-
強化學習
-
推薦系統
-
大型語言模型
-
多模態人工智能
-
-
社會的未來
-
人工智能與工作的未來
-
不平等
-
全球挑戰（氣候、健康）
-
人工智能安全
-
人類與人工智能的合作
-
-
倫理與哲學的最終項目
-
自主性
-
責任
-
人類自主性
-
學生自己的政策提案
-