Explainable AI × Tax Education
將 AI 可解釋性技術應用於稅務分析，讓複雜的稅制透明化、視覺化，幫助你看懂每一個決策背後的邏輯。
XAI Decision Tree — Taiwan 10 Income Categories
Course Modules
從基礎稅制到 AI 輔助分析，循序漸進建立完整的稅務與 XAI 知識體系。
Module 01
認識所得稅、扣除額體系與申報制度，建立稅務基礎認知框架。
FoundationModule 02
了解機器學習如何應用於稅務風險評估、自動化分類與異常偵測。
AI × TaxModule 03
深入 LIME、SHAP 等 XAI 技術，理解 AI 決策的透明化方法。
XAI CoreModule 04
以決策樹模型模擬稅務分類邏輯，可視化每個判斷節點的依據。
Case StudyModule 05
探討 AI 稅務決策中的公平性議題，學習偏見識別與修正方法。
AI EthicsModule 06
結合真實案例，展望 AI 在稅務服務、稽查與政策制定的未來。
FutureKey Concepts
掌握以下關鍵術語，是理解 XAI 稅務分析的必備基礎。
Explainable Artificial Intelligence
讓 AI 決策過程對人類可理解、可追溯的技術框架。在稅務場域中確保審計透明性與問責制度。
SHapley Additive exPlanations
源自賽局理論，量化每個特徵對模型輸出的貢獻度，協助解釋稅務風險評估結果。
Local Interpretable Model-agnostic Explanations
以局部線性近似解釋任意黑盒模型，針對單一稅務案例提供可理解的解釋。
Decision Tree
以樹狀規則結構模擬人類決策邏輯，天然具備可解釋性，適合稅務分類情境建模。
Feature Importance
衡量各項輸入變數（如所得類別、申報金額）對 AI 稅務預測結果影響程度的指標。
Tax Compliance Risk
透過 AI 模型識別異常申報模式、未申報所得等風險因子，提升稽查效率與準確性。
Course Material
依《所得稅法》第14條，台灣個人綜合所得共分十類。點選左側類別，展開完整教學說明。
Data Insights
以數據視覺化呈現台灣稅務與 AI 應用的關鍵趨勢。